文章目录

二元随机变量，离散型随机变量分布律
- 二元随机变量
- 二元离散型随机变量
- - （一）离散型随机变量的联合概率分布律
  - 联合分布律的性质

二元随机变量，离散型随机变量分布律

二元随机变量

定义： 设 EEE 是一个随机实验，样本空间 S={e}S=\{e\}S={e}；设 X=X(e)X=X(e)X=X(e) 和 Y=Y(e)Y=Y(e)Y=Y(e) 是定义在 SSS 上的随机变量，由它们构成的向量 (X,Y)(X,Y)(X,Y) 称为二维随机向量或二元随机变量。

二元离散型随机变量

定义： 若二元随机变量 (X,Y)(X,Y)(X,Y) 全部可能取到的不同值是有限时或可列无线对，则称 (X,Y)(X,Y)(X,Y) 是二元离散型随机变量。

（一）离散型随机变量的联合概率分布律

设 (X,Y)(X,Y)(X,Y) 所有可能取值为 (xi,yj)(x_i,y_j)(xi,yj)，称 P(X=xi,Y=yj)=Pij，i,j=1,2,⋯P(X=x_i,Y=y_j)=P_{ij}，i,j=1,2,\cdotsP(X=xi,Y=yj)=Pij，i,j=1,2,⋯ 为二元离散型随机变量 (X,Y)(X,Y)(X,Y) 的联合概率分布律。也可简称 (X,Y)(X,Y)(X,Y) 的分布律。可以用如下图的表格来表示

XYy1y2⋯yj⋯x1p11p12⋯p1j⋯x2p21p22⋯p2j⋯⋮⋯⋯⋯xipi1pi2⋯pij⋯⋮⋯⋯⋯\begin{array}{c|ccccc} _X\bcancel{\quad^Y} &y_1&y_2&\cdots&y_j&\cdots \\ \hline x_1 &p_{11}&p_{12}&\cdots&p_{1j}&\cdots \\ x_2 &p_{21}&p_{22}&\cdots&p_{2j}&\cdots \\ \vdots &\cdots&\quad&\cdots&\quad&\cdots \\ x_i &p_{i1}&p_{i2}&\cdots&p_{ij}& \cdots \\ \vdots &\cdots&\quad&\cdots&\quad&\cdots \end{array} XYx1x2⋮xi⋮y1p11p21⋯pi1⋯y2p12p22pi2⋯⋯⋯⋯⋯⋯yjp1jp2jpij⋯⋯⋯⋯⋯⋯

联合分布律的性质

pij≥0,p_{ij}\geq 0,pij≥0,
∑i=1∞∑j=1∞pij=1\sum_{i=1}^{\infty}\sum_{j=1}^{\infty}p_{ij}=1i=1∑∞j=1∑∞pij=1
P((X,Y)∈D)=∑(xi,yj)∈DpijP((X,Y)\in D)=\sum_{(x_i,y_j)\in D}p_{ij}P((X,Y)∈D)=(xi,yj)∈D∑pij

其中 pij=P(X=xj,Y=yj),i,j=1,2,⋯p_{ij}=P(X=x_j,Y=y_j),i,j=1,2,\cdotspij=P(X=xj,Y=yj),i,j=1,2,⋯

例 1： 一盒子中有 10 件产品，其中 6 件正品，4 件次品。从中取 1 件产品检验，不放回，再取 1 件检验。引入如下的随机变量 XXX 与 YYY，

X={0,第 1 次取到次品1,第 1 次取到正品，Y={0,第2次取到次品1,第2次取到正品,X=\begin{cases} 0, &\text{第 1 次取到次品} \\ 1, &\text{第 1 次取到正品}， \end{cases} \quad Y=\begin{cases} 0, &\text{第2次取到次品} \\ 1, &\text{第2次取到正品}, \end{cases} X={0,1,第 1 次取到次品第 1 次取到正品，Y={0,1,第2次取到次品第2次取到正品,

求 (X,Y)(X,Y)(X,Y) 的联合分布律。

解： (X，Y)(X，Y)(X，Y) 可能的取值数对有：(0,0),(0,1),(1,0),(1,1).(0,0),(0,1),(1,0),(1,1).(0,0),(0,1),(1,0),(1,1).

由乘法公式 P(AB)=P(A)P(B∣A)P(AB)=P(A)P(B|A)P(AB)=P(A)P(B∣A) 得：

P(X=0,Y=0)=P(X=0)P(Y=0∣X=0)=410×39=215P(X=0,Y=0)=P(X=0)P(Y=0|X=0)=\cfrac{4}{10}\times\cfrac{3}{9}=\cfrac{2}{15}P(X=0,Y=0)=P(X=0)P(Y=0∣X=0)=104×93=152

同理得：P(X=0,Y=1)=410×69=415P(X=0,Y=1)=\cfrac{4}{10}\times\cfrac{6}{9}=\cfrac{4}{15}P(X=0,Y=1)=104×96=154

P(X=1,Y=0)=610×49=415,P(X=1,Y=1)=610×59=515P(X=1,Y=0)=\cfrac{6}{10}\times\cfrac{4}{9}=\cfrac{4}{15},P(X=1,Y=1)=\cfrac{6}{10}\times\cfrac{5}{9}=\cfrac{5}{15}P(X=1,Y=0)=106×94=154,P(X=1,Y=1)=106×95=155

XY0102154151415515\begin{array}{c|cc} _X\bcancel{\quad^Y} & 0 & 1 \\ \hline 0 & \cfrac{2}{15} & \cfrac{4}{15} \\ 1 & \cfrac{4}{15} & \cfrac{5}{15} \end{array} XY0101521541154155

例 2： 设随机变量 XXX 在 1、2、3、4 四个正数中等可能地取一个值，另外一个随机变量 YYY 在 1∼X1\sim X1∼X 中等可能地取一整数值，试求 (X,Y)(X,Y)(X,Y) 的联合概率分布及 X、YX、YX、Y 的分布。

解： X、YX、YX、Y 的取值情况均为 1,2,3,4；当 i,j=1,⋯,4i,j=1,\cdots,4i,j=1,⋯,4 时

P(X=i,Y=j)=P(X=i)P(Y=j∣X=i)={14×1i,i≥j14×0,i<jP(X=i,Y=j)=P(X=i)P(Y=j|X=i)=\begin{cases} \cfrac{1}{4}\times\cfrac{1}{i}, &i\geq j \\ \\ \cfrac{1}{4} \times 0, &i<j \end{cases}P(X=i,Y=j)=P(X=i)P(Y=j∣X=i)=⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧41×i1,41×0,i≥ji<j

联合概率分布律如下：

XY12341140002181800311211211204116116116116\begin{array}{c|cc} _X\bcancel{\quad^Y} & 1 & 2 & 3 & 4 \\ \hline 1 & \cfrac{1}{4} & 0 & 0 & 0 \\ \\ 2 & \cfrac{1}{8} & \cfrac{1}{8} & 0 & 0 \\ \\ 3 & \cfrac{1}{12} & \cfrac{1}{12} & \cfrac{1}{12} & 0 \\ \\ 4 & \cfrac{1}{16} & \cfrac{1}{16} & \cfrac{1}{16} & \cfrac{1}{16} \end{array} XY12341418112116120811211613001211614000161

求 X、YX、YX、Y 分布律

P(X=i)=1/4,i=1,2,3,4.P(X=i)=1/4, i=1,2,3,4.P(X=i)=1/4,i=1,2,3,4.

事件{X=1},⋯,{X=4}事件 \{X=1\},\cdots,\{X=4\}事件{X=1},⋯,{X=4} 是 {Y=j}\{Y=j\}{Y=j} 前导事件组，由全概率公式得：

P(Y=j)=∑i=14P(X=i)P(Y=j∣X=i),j=1,2,3,4.P(Y=j)=\sum_{i=1}^{4}P(X=i)P(Y=j|X=i),j=1,2,3,4.P(Y=j)=i=1∑4P(X=i)P(Y=j∣X=i),j=1,2,3,4.

所以，X、YX、YX、Y 分布律就是在联合分布律表中横向、纵向相加！

例 3： 袋中有 1 个红球， 2 个黑球，3 个白球，现有放回地取两次，每次取一球，以 X,Y,ZX,Y,ZX,Y,Z 分别表示两次取球所得的红、黑、白球个数。求：

（1）P(X=1∣Z=0)P(X=1|Z=0)P(X=1∣Z=0)

（2）P(X=1,Z=0)P(X=1,Z=0)P(X=1,Z=0)

（3）(X,Y)(X,Y)(X,Y) 概率分布。

解：

（1）这一问表示的意思是取到不是白球的前提下，取到 1 个红球的概率，所以：

P(X=1∣Z=0)=13×23+23×13=49\quad P(X=1|Z=0)=\cfrac{1}{3}\times\cfrac{2}{3}+\cfrac{2}{3}\times\cfrac{1}{3}=\cfrac{4}{9}P(X=1∣Z=0)=31×32+32×31=94

（2）这一问表达的是取出 1 个红球跟 0 个白球的概率，所以：
P(X=1,Z=0)=16×26+26×16=19\quad P(X=1,Z=0)=\cfrac{1}{6}\times\cfrac{2}{6}+\cfrac{2}{6}\times\cfrac{1}{6}=\cfrac{1}{9}P(X=1,Z=0)=61×62+62×61=91

这里需要注意两问的区别!

（3）X，YX，YX，Y 的取值范围均为 0, 1, 2.

P(X=0,Y=0)=36×36=14P(X=0,Y=0)=\cfrac{3}{6}\times\cfrac{3}{6}=\cfrac{1}{4}\quad\quadP(X=0,Y=0)=63×63=41 2 球均为白球

P(X=0,Y=1)=26×36×2=13P(X=0,Y=1)=\cfrac{2}{6}\times\cfrac{3}{6}\times2=\cfrac{1}{3}\quad\quadP(X=0,Y=1)=62×63×2=31 黑白或者白黑

P(X=1,Y=2)=0P(X=1,Y=2)=0\quad\quadP(X=1,Y=2)=0 这里总数超过 2 个，不符合条件。

P(X=2,Y=0)=16×16=136P(X=2,Y=0)=\cfrac{1}{6}\times\cfrac{1}{6}=\cfrac{1}{36}\quad\quadP(X=2,Y=0)=61×61=361 两球均为红球

其余情况类似可得！

所以 (X,Y)(X,Y)(X,Y) 的概率分布为：

XY0120141319116190213600\begin{array}{c|cc} _X\bcancel{\quad^Y} & 0 & 1 & 2 \\ \hline 0 & \cfrac{1}{4} & \cfrac{1}{3} & \cfrac{1}{9} \\ \\ 1 & \cfrac{1}{6} & \cfrac{1}{9} & 0 \\ \\ 2 & \cfrac{1}{36} & 0 & 0 \\ \\ \end{array} XY0120416136113191029100

16. 二元随机变量，离散型随机变量分布律相关推荐

PT_随机变量离散型随机变量及其常见分布(二项分布/Possion分布)
文章目录随机变量&离散型随机变量及其常见分布随机变量的一些特点随机变量的分类离散型离散型随机变量主要问题分布律(概率分布) 离散型随机变量的性质例
二元随机变量函数的分布
在前面的文章记录了二元随机变量的定义.离散型二元随机变量的联合分布律/联合概率密度函数.边际分布律/边际概率密度函数.条件分布律/条件概率密度 ,以及对应的联合分布函数.边际分布函数.条件分布函数. ...
17. 二元离散型随机变量边际分布律与条件分布律
文章目录二元离散型随机变量边际分布律与条件分布律边际分布条件分布二元离散型随机变量边际分布律与条件分布律边际分布对于离散型随机变量 (X,Y)(X,Y)(X,Y),分布律为 P(X=xi, ...
随机变量，离散型随机变量的分布律
什么是随机变量? 设随机试验的样本空间为 S={e}S = \{e\}S={e} ,X=X(e)X = X_{(e)}X=X(e)是定义在样本空间SSS上的实值单值函数,称X=X(e)X = X{( ...
PT@多维随机变量@联合分布函数@联合分布律@边缘分布律@二维离散型随机变量和分布律
文章目录 PT@多维随机变量@联合分布函数@联合分布律@边缘分布律@二维离散型随机变量和分布律多维随机变量
二元随机变量，分布律，联合分布函数
一.二维随机变量二.二元离散型随机变量 2.1.离散随机变量的联合概率分布律 2.2.联合分布律的性质 2.2.1.例 P(X=1|Z=0)表示在Z=0的条件下,取一个红球的概率,即两次都没有取到白 ...
离散型随机变量及其分布律2
(熟记理解背诵,不管到多少岁!!!都要脱口而出!!!!) 目录一.三种重要的离散型随机变量 (一)(0-1)分布/两点分布 (二)伯努利试验/二项分布 (三)泊松分布一.三种重要的离散型随机变量 ...
《概率论与数理统计》-第二章随机变量及其分布-第一节离散型随机变量及其分布-笔记
目录第一节离散型随机变量及其分布随机变量定义概率分布律常用离散型随机变量及其分布律分布函数定义性质第一节离散型随机变量及其分布随机变量定义设 E E E是随机试验,它的样本 ...
离散型随机变量及其分布律(知识点部分)
1. 离散型随机变量 1.离散型随机变量 1.离散型随机变量把全部可能取到的值是有限个或可列无限个的随机变量称为离散型随机变量. 2. 离散型随机变量的分布律 2.离 ...

16. 二元随机变量，离散型随机变量分布律

文章目录

二元随机变量，离散型随机变量分布律