文章目录

  • 二元连续型随机变量,联合概率密度
    • 联合概率密度函数
    • 概率密度的性质

二元连续型随机变量,联合概率密度


联合概率密度函数


定义:对于二元随机变量 (X,Y)(X, Y)(X,Y) 的 分布函数 F(x,y)F(x, y)F(x,y),如果存在非负函数 f(x,y)f(x,y)f(x,y),使对于任意 x,yx,yx,y,有

F(x,y)=∫−∞x∫−∞yf(u,v)dudvF(x,y) = \int_{-\infty}^{x}\int_{-\infty}^{y}f(u, v)\,{\rm d}u{\rm d}v F(x,y)=∫−∞x​∫−∞y​f(u,v)dudv

称 (X,Y)(X,Y)(X,Y) 为二元连续型随机变量。

并称 f(x,y)f(x,y)f(x,y) 为二元随机变量 (X,Y)(X,Y)(X,Y) 的 (联合)概率密度(函数)

概率密度的性质


  1. f(x,y)≥0f(x,y) \geq 0f(x,y)≥0

  2. ∫−∞+∞∫−∞+∞f(x,y)dxdy=1\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}f(x,y)\, {\rm d}x {\rm d}y = 1∫−∞+∞​∫−∞+∞​f(x,y)dxdy=1

  3. 设 DDD 是 xoyxoyxoy 平面上的区域,点 (X,Y)(X, Y)(X,Y) 落在 DDD 内的概率为:

P((X,Y)∈D)=∬Df(x,y)dxdyP((X,Y)\in D) = \underset{D}{\iint}f(x,y) \,{\rm d}x{\rm d}yP((X,Y)∈D)=D∬​f(x,y)dxdy

  1. 在 f(x,y)f(x,y)f(x,y) 的连续点 (x,y)(x,y)(x,y),有 ∂2F(x,y)∂x∂y=f(x,y)\cfrac{\partial^{2}F(x,y)}{\partial x\partial y}= f(x,y)∂x∂y∂2F(x,y)​=f(x,y)

例 1: 设二元随机变量 (X,Y)(X,Y)(X,Y) 具有概率密度:

f(x,y)={ke−(2x+3y),x>0,y>00,其他f(x,y)= \begin{cases} ke^{-(2x+3y)}, & x>0,y>0 \\ 0, & \text{其他} \end{cases} f(x,y)={ke−(2x+3y),0,​x>0,y>0其他​

(1)求常数 kkk;
(2)求分布函数 F(x,y)F(x,y)F(x,y);
(3)求 P(Y≤X)P(Y\leq X)P(Y≤X) 的概率。

解:(1)

1=∫−∞∞∫−∞∞f(x,y)dxdy=∫0∞dx∫0∞ke−(2x+3y)dy=k∫0∞e−2xdx∫0∞e−3ydy=k(−12e−2x)0∞(−13e−3y)0∞=k/6⟹k=6\begin{aligned} 1 &= \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}f(x,y) \, {\rm d}x{\rm d}y \\ &=\int_{0}^{\infty} \, {\rm d}x \int_{0}^{\infty} ke^{-(2x+3y)} \, {\rm d}y=k\int_{0}^{\infty}e^{-2x} \, {\rm d}x \int_{0}^{\infty} e^{-3y} \, {\rm d}y \\ &= k\left(-\cfrac{1}{2}\, e^{-2x}\right)_{0}^{\infty}\left(-\cfrac{1}{3}\, e^{-3y}\right)_{0}^{\infty} = k/6 \implies k = 6 \end{aligned} 1​=∫−∞∞​∫−∞∞​f(x,y)dxdy=∫0∞​dx∫0∞​ke−(2x+3y)dy=k∫0∞​e−2xdx∫0∞​e−3ydy=k(−21​e−2x)0∞​(−31​e−3y)0∞​=k/6⟹k=6​

前面已得:

f(x,y){6e−(2x+3y),x>0,y>00,其他f(x,y) \begin{cases} 6e^{-(2x+3y)}, & x>0, y>0 \\ 0, & \text{其他} \end{cases} f(x,y){6e−(2x+3y),0,​x>0,y>0其他​

(2)

F(x,y)=P(X≤x,Y≤y)=∫−∞x∫−∞yf(u,v)dxdy={∫0xdu∫0y6e−(2u+3v)dv,x>0,y>00,除第一象限={∫0x2e−2udu∫0y3e−3vdv,x>0,y>00,其他={(1−e−2x)(1−e−3y)x>0,y>00,其他\begin{aligned} F(x,y) &= P(X\leq x, Y\leq y)=\int_{-\infty}^{x}\int_{-\infty}^{y} f(u,v) \, {\rm d}x{\rm d}y \\ &=\begin{cases} \int_{0}^{x}\,{\rm d}u\int_{0}^{y}6e^{-(2u+3v)}{\rm d}v, & x>0,y>0 \\ 0, & \text{除第一象限} \end{cases} \\ &=\begin{cases} \int_{0}^{x}\,2e^{-2u}{\rm d}u\int_{0}^{y}3e^{-3v}{\rm d}v, & x>0,y>0 \\ 0, & \text{其他} \end{cases} \\ &=\begin{cases} (1-e^{-2x})(1-e^{-3y}) & x>0,y>0 \\ 0, & \text{其他} \end{cases} \end{aligned} F(x,y)​=P(X≤x,Y≤y)=∫−∞x​∫−∞y​f(u,v)dxdy={∫0x​du∫0y​6e−(2u+3v)dv,0,​x>0,y>0除第一象限​={∫0x​2e−2udu∫0y​3e−3vdv,0,​x>0,y>0其他​={(1−e−2x)(1−e−3y)0,​x>0,y>0其他​​

前面已得:

f(x,y){6e−(2x+3y),x>0,y>00,其他f(x,y) \begin{cases} 6e^{-(2x+3y)}, & x>0, y>0 \\ 0, & \text{其他} \end{cases} f(x,y){6e−(2x+3y),0,​x>0,y>0其他​

(3)

P(Y≤X)=∬y≤xf(x,y)dxdy=∫0∞dy∫y∞6e−(2x+3y)dx=∫0∞3e−3ye−2ydy=∫0∞3e−5dy=−35e−5y∣0∞=35\begin{aligned} P(Y\leq X) &= \underset{y\leq x}{\iint}f(x,y) \,{\rm d}x{\rm d}y \\ &=\int_{0}^{\infty}\,{\rm d}y \int_{y}^{\infty}6e^{-(2x+3y)} \,{\rm d}x \\ &= \int_{0}^{\infty}3e^{-3y}e^{-2y}\,{\rm d}y \\ &= \int_{0}^{\infty}3e^{-5} \,{\rm d}y = -\cfrac{3}{5} e^{-5y} |_{0}^{\infty} = \cfrac{3}{5} \end{aligned} P(Y≤X)​=y≤x∬​f(x,y)dxdy=∫0∞​dy∫y∞​6e−(2x+3y)dx=∫0∞​3e−3ye−2ydy=∫0∞​3e−5dy=−53​e−5y∣0∞​=53​​

19. 二元连续型随机变量,联合概率密度相关推荐

  1. 概率论与数理统计学习笔记——第十九讲——二元连续型随机变量,联合概率密度函数

    1. 联合概率密度函数 2. 概率密度的性质 3. 二元连续型随机变量概率分布函数求解示例

  2. matlab连续型随机变量,一维连续型随机变量及其概率密度[精选].ppt

    一维连续型随机变量及其概率密度[精选] 第2.3节 一维连续型随机变量 及其概率密度 一.概率密度的概念与性质 二.常见连续型随机变量的分布 三.小结 Gauss 证明 解 例7 证毕 一.连续型随机 ...

  3. 连续型随机变量及其概率密度(知识点部分)

    1.连续型随机变量1.连续型随机变量1.连续型随机变量 如果对于随机变量XXX的分布函数F(x)F(x)F(x),存在非负可积函数f(x)f(x)f(x),使对于任意实数xxx有F(x)=∫−∞xf( ...

  4. 连续型随机变量及其概率密度

    一.连续型随机变量 1.1.定义 反常积分 1.2.性质 1.3.例 1.3.1.例1: 由概率密度函数f(x)计算分布函数F(x) 1.3.2.例2: 分布函数F(x) 求 概率密度函数f(x) 注 ...

  5. 概率统计·随机变量及其分布【离散型随机变量及其分布律 、随机变量的分布函数 、连续型随机变量及其概率密度 】

    二项分布 当只有一次时,就是两点分布现在看来,也不是很需要记住了,感觉已经有一点点熟练了------2022.10.31(期中复习) 没什么好说的,很简单,就看一眼好吧

  6. 连续型随机变量及其常见分布的分布函数和概率密度

    文章目录 1. 随机变量的分布函数 2. 连续型随机变量及其概率密度 3. 重要的连续型随机变量分布 3.1 均匀分布 3.2 指数分布 3.3 正态分布 1. 随机变量的分布函数 背景: 对于非离散 ...

  7. 概率密度变换公式 雅可比矩阵_雅克比行列式在连续型随机变量函数分布密度中应用.doc...

    雅克比行列式在连续型随机变量函数分布密度中应用 雅克比行列式在连续型随机变量函数分布密度中应用 摘 要:为了使二维随机变量函数概率密度计算公式得到简化,本文首先利用雅克比行列式,应用变量变换定理给出了 ...

  8. 概率密度变换公式 雅可比矩阵_雅克比行列式在连续型随机变量函数分布密度中的应用...

    龙源期刊网 http://www.qikan.com.cn 雅克比行列式在连续型随机变量函数分布密 度中的应用 作者:赵微 来源:<新教育时代> 2014 年第 12 期 摘 要:为了使二 ...

  9. 指数随机变量 泊松过程跳_概率微课:第二章(19) 连续型随机变量函数的分布1...

    主要内容 连续型随机变量函数的分布1 更多系列视频 概率微课:第二章(1)   随机变量的定义 概率微课:第二章(2) 离散型随机变量 概率微课:第二章(3) 两点分布及伯努利试验 概率微课:第二章( ...

最新文章

  1. SSH实现新闻管理系统
  2. 【Groovy】map 集合 ( map 集合操作符重载 | 使用 << 操作符添加一个元素 | 代码示例 )
  3. 中文分词工具的初步使用图解
  4. CISP/CISA 每日一题 11
  5. oracle union详解,Oracle中的union和join
  6. 基于Adaboost实现鸢尾花数据集分类
  7. 【C语言简单说】十七:数组
  8. redhat linux配置RSH遇见的问题
  9. 西北农林科技大学计算机组成原理脱机实验,西北农林科技大学_计算机组成原理XP实验系统要素.ppt...
  10. 机器学习不是你想用,想用就能用
  11. java 504错误怎么解决_前端报504错误如何定位
  12. pathon的安装与环境部署,数据类型
  13. java super extend 区别_Java泛型中extends和super的区别
  14. Identity, Positive, 和Similarity的区别
  15. Java语言每日一练—第11天:最优选择2
  16. 信噪比(SNR)计算公式的推导
  17. 《汇编语言》学习(十八)
  18. Spring注入bean报错:Error creating bean with name的网上找不到的解决方案
  19. Starling Juggler
  20. “全栈合一 智慧运维”智和网管平台SugarNMS V9版本发布

热门文章

  1. Xperia Android 调教指南
  2. c语言完全数简单编程,C语言实例 完全数
  3. pandas向已经拥有数据的Excel文件中添加新数据
  4. 最新移动端web开发总结
  5. WordPress主题开发自定义导航菜单方法
  6. OpenJDK:构建JDK
  7. tf.app.flags.DEFINE_string()和tf.app.flags.FLAGS和tf.app.run()
  8. Computer Graphics From Scratch - Introduction
  9. puzzle java_Java AI为NxN Puzzle找到解决方案
  10. 利用Burpsuite抓包拦截篡改网页