多维随机变量及其分布
《二维随机变量》
注意 在分布函数中 P{X<=x 且 Y<=y}
而且有性质:
这个性质在求概率密度的未知数时有用
这个公式结合一下二维前缀和算法就能很好明白了
《二维离散型随机变量》
注意一下分布律的求法,其中的概率记住:X与Y是 且
《二维连续型随机变量》
具体练习看书P65
《高数知识》
到这里不得不复习一下高数的知识了:
z=f(x,y) , (x,y) 属于 D
z=f(P) , P 属于 D
P=(x,y)
这个告诉我们要将(x,y)想象成平面中的一个点 ,这个点就是变量
z=f (x,y) 中的这个z就是这个点对应的函数值,f是函数
如果以体积为例:
(x,y)就是第一张图上阴影部分上的点
那么这个阴影部分面咋来的?
这个阴影部分就是这个G了,在我们这里
根据
很明显知道我们这里的G是个矩阵
然后z=f(x,y)
z就是在点(x,y)上对应的高度了
其实整体来看
就是在求的体积
上图中
即是算在x=x0固定时的截面积A(x0)
《边缘分布》
二维随机变量(X,Y)作为一个整体,具有分布函数 F(x,y).
而X 和Y都是随机变量,各自也有分布函数,将它们分别记为Fx(x),Fy(y),
依次称为二维随机变量(X,Y)关于X和关于Y 的边缘分布函数.
《对于离散型随机变量的分布律》
·
联合分布率和边缘分布率
具体在图上的对应看题P67
《对于连续型随机变量的概率密度》
因为有
同时也有 F(x)=f(x)dx
所以这里
具体例子:
,让我们来求边缘概率密度
首先来求fX(x)
根据上面的式子我们知道
因为f(x,y)在x与y不同时,取值也不同(即是个分段函数),
所以我们可以将fX(x)写成
,0<=x<=1
0 ,其他
这个如何理解?
如图:根据,
说明只要在图上的阴影部分处,f(x,y)=6,其余为0
即在0<=x<=1时,同时 y根据 x变化 即 x<=y<=x^2时
要写出fY(y)也是同理
要在 0<=y<=1 时,x根据y变化 ,即 y<=x<=sqrt(y)时
f(x,y)才为6
《条件分布》
《离散型随机变量的条件分布率》
《连续型随机变量的条件概率》
具体证明在P72
同时还有:
先要求 ,即求 f(x,y)/f(y)
这里f(x,y)已知
只要求f(y)
通过上一章中的边缘概率密度知道
f(x,y)只要 x^2+y^2<=1 才有值
既然这里我们是以y作为变量
那么这里需要用 y来表示x的范围
即有 g1(y)<=x<=g2(y) 的形式
通过 x^2+y^2<=1 容易知道要写成:
同时要注意y的范围,容易知道是 -1<=y<=1
注意因为这里只有y作为变量,不要用x来表达y的范围
比如写成 -sqrt(1-x^2)<=y<=sqrt(1-x^2)
《相互独立的随机变量》
《对于连续型》
《对于离散型》
《两个随机变量的函数的分布》
记忆方式:
如dx,将y变化成g(x)的形式
如y=g(x)=zx
然后对g(x)求导,z作为元变量
然后得到然后乘到概率密度那里
《练习》
本文作者:次林梦叶
本文链接:https://www.cnblogs.com/cilinmengye/p/17284865.html
版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 2.5 中国大陆许可协议进行许可。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步