概率与数理统计第9讲.ppt

,概率论与数理统计 第九讲,3.4 边缘分布,3.4.1 边缘分布函数,二维随机向量 (X,Y) 作为一个整体, 有分布函数 F( x, y)，其分量 X与Y 都是随机变量，有各自的分布函数，分别记成 FX(x) 和 FY(y)，,分别称为X的边缘分布函数和Y的边缘分布函数；称 F(x, y) 为 (X, Y) 的联合分布函数。,FX(x)=PXx=PXx,Y=F(x,)， FY(y)=PYy=PX,Yy=F(,y).,X与Y的边缘分布函数实质上就是一维随机变量X或Y的分布函数。称其为边缘分布函数的是相对于 (X,Y) 的联合分布而言的。 同样地，(X, Y) 的联合分布函数 F(x, y)是相对于 (X, Y) 的分量X和Y的分布而言的。,注意:,求法,则 X 的边缘概率分布为,Y 的边缘概率分布为,设(X, Y ) 是二维离散型随机向量，联合概率分布为,3.4.2 二维离散型随机向量的边缘分布,解：,例1：求例3.2.1(P59)中(X,Y)的分量X和Y的边缘分布。,把这些数据补充到前面表上,解：,例2： (打开书P59),求例3.2.2中 (X,Y) 的分量X和Y的边缘分布。,PX=0 = PX=0, Y=0+PX=0, Y=1 = 0.00013+0.19987 = 0.20000, PX=1 = PX=1, Y=0+PX=1, Y=1 = 0.00004+0.79996 = 0.80000, PY=0 = PX=0, Y=0+PX=1, Y=0 = 0.00013+0.00004 = 0.00017, PY=1 = PX=0, Y=1+PX=1, Y=1 = 0.19987+0.79996 = 0.99983.,把这些数据补充到例3.2.2的表中，得,3.4.2 连续型随机向量的边缘概率密度,若 (X, Y) 的联合概率密度为 f (x, y)，则,X的边缘概率密度为,Y 的边缘概率密度为,例3：若(X,Y)服从矩形区域 axb，cyd 上均匀分布，则边缘概率密度分别为,注：本例中X与Y都是服从均匀分布的随机变量。 但对其它非矩形区域上的均匀分布不一定有上述结论。,例4：设(X,Y)服从单位圆域 x2+y21上的均匀分布。求X和Y的边缘概率密度。,解:,当|x|1时,当-1x1时,( 注意积分限的确定方法 ),熟练时，被积函数为零的部分可以不写。,由X 和Y 在问题中地位的对称性, 将上式中的 x 改为 y，得到 Y 的边缘概率密度,例5：设(X, Y)的概率密度为,求 (1). c的值; (2). 边缘密度。,= 5c/24=1,c = 24/5;,解: (1).,解: (2),注意积分限,注意取值范围,注意积分限,注意取值范围,即,例6：设 (X, Y) 求X和Y 的边缘概率密度。,解： 由,说明,对于确定的 1, 2, 1, 2, 当 不同时, 对应不同的二维正态分布。但它们的边缘分布是相同的，所以在考虑多维随机向量时，不但要考虑它们的边缘分布，还要考虑随机向量各分量之间的关系。,X与Y之间的关系的信息是包含在 (X, Y) 的联合概率密度函数之内的。 在下一章将指出：对于二维正态分布而言，参数 正好刻画了X和Y之间关系的密切程度。 因此，仅由X和Y的边缘概率密度 (或边缘分布) 一般不能确定 (X,Y) 的联合概率密度函数 (或概率分布)。,3.5 条件分布,第一章中，我们介绍了条件概率的概念 ,在事件B发生的条件下事件A发生的条件概率,将其推广到随机变量：,设有两个随机变量 X与Y，在给定Y 取某个或某些值的条件下，求X的概率分布。这个分布就是条件分布。,3.5.1 条件分布的概念,例如：考虑某大学的全体学生，从中随机抽取一个学生，分别以 X和Y 表示其体重和身高。则 X和Y都是随机变量，它们都有一定的概率分布。,体重X,身高Y,体重X 的分布,身高Y 的分布,现在限制180Y190(cm)，在这个条件下求X的条件分布，这就意味着要从该校的学生中把身高在180cm和190cm间的那些人都挑出来， 然后在挑出来的学生中求其体重的分布。,容易想象：这个分布与不加这个条件时的分布会很不一样。,例如：在条件分布中体重取大值的概率会显著地增加 。,3.5.2 离散型随机变量的条件分布,定义1: 设 (X, Y) 是二维离散型随机向量，对固定的 j，若 P(Y=yj) 0，则称,为在Y=yj 条件下, 随机变量X的条件概率分布。,条件分布是一种概率分布，具有概率分布的一切性质。例如：,i=1,2, ,对固定的 i，若P(X=xi) 0，则称,为在X=xi条件下, 随机变量Y 的条件概率分布。,例 1:,求书中p59, 例3.2.1中Y 的条件分布。,解：在例3.4.1中已求出X 的边缘分布(见上表)。,在X=0条件下，,在 X=1 条件下，,解：,例 2：求例3.2.2中被调查者吸烟的条件下得肺癌的概率和不吸烟的条件下得肺癌的概率。,3.5.3 连续型随机变量的条件概率密度,设(X,Y)是二维连续型随机向量，由于对任意 x, y, P(X=x)=0, P(Y=y)=0，所以不能直接用条件概率公式得到条件分布，这时要使用极限的方法得到条件概率密度。,给定y，对于任意固定的正数 ，若概率 P( y- 0，于是，对于任意 x，,是在条件 y-Y y+ 之下，X的条件分布。,定义2：设X和Y是随机变量，给定 y, 若对任意固定正数，P( y- 0，且对任意实数 x，极限,存在，则称此极限为在条件 Y=y下X的条件分布函数，记成 FX|Y(x|y)。,若存在 fX|Y(x|y), 使得,则称 fX|Y(x|y)为在条件 Y=y 下X的条件概率密度函数，简称条件概率密度。,同理，当 fX (x) 0 时，,定理1：设随机向量(X,Y)的联合概率密度为 f (x, y)，Y的边缘概率密度为fY (y)。若f (x, y) 在点(x, y) 处连续, 当 fY (y) 0 时，,证明：,求 P(X1|Y=y)。,为此, 需求出,例3：设(X,Y) 的概率密度是,由于,于是，对 y 0,故对 y 0,P(X1|Y=y),例4：设 (X,Y) 服从单位圆上均匀分布，即其概率密度为,求,解： X的边缘密度为,当 |x|1时, 有,即 ：当|x|1时, 有,X作为已知变量,X已知下Y 的 条件密度,解：概率密度不为零的区域如右图所示。,例 5：设二维随机向量(X,Y)的概率密度为,求条件概率密度和条件概率,当 y(0,1 时， fY (y) 0，,当 x(-1,1)时，fX(x)0，,例 6：设店主在每日开门营业时，放在柜台上的货物量为 Y, 当日销售量为 X, 假定一天中不再往柜台上补充货物, 于是 XY。根据历史资料，(X,Y)的概率密度为,求 (1).给定Y=y条件下, X的条件概率密度； (2).给定Y=10条件下, X5的概率； (3).如果Y=20件呢?,解: (1).,y(0,20 时，fY(y)0，,这个结果表明：当 y(0, 20 时，X的条件分布是 0, y 上的均匀分布。,(2). 当 Y=10