多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记
多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记
文章目录
- 多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记
- 前言
- MindMap
- 二维随机变量
- 定义与分布函数
- 分布函数
- 分布函数的基本性质
- 离散型
- 联合分布律
- 连续型
- 联合概率密度
- 边缘分布
- 离散型
- 连续型
- 公式的理解
- 条件分布
- 离散型
- 连续型
- 相互独立的随机变量
- 两个随机变量的函数的分布
- Z = X + Y
- 小定理
- Z = max{X, Y} 和 Z= min{X,Y}
- Z = max{X, Y} 和 Z= min{X,Y}
- 后话
前言
有段时间没更新了,这次第三章终于要来了。(终于有时间来梳理概率论笔记了,之前大脑一直被其他进程和线程所占据)
这次带来的是第三章 多维随机变量及其分布 的知识点内容的总结,内容上可能会追求精简,感觉之前写的有点臃肿了。这一章的内容其实就是在前面两章的基础下做一个升级,这里的升级从标题就可以看出来是一个维度的升级,好比我们在高等数学中的一元微积分到多元微积分的变化。
基本形式和之前还是差不多,只不过会尽量精简。
参考教材是 盛骤 浙大第四版的 《概率论与数理统计》
MindMap
二维随机变量
我们研究一个多维的东西,往往先从较低的维度比如说二维作为主要的研究对象,一个是因为维度低会比较简单,易于理解;另一个则是考试中低维的问题往往更加常见。
定义与分布函数
定义上其实很简单,其实就是之前的一维随机变量变两个,然后用向量来表示,比如
( X , Y ) (X, Y) (X,Y)
当然和一维的情况类似,二维我们也是借助分布函数来研究。
分布函数
定义:设(X, Y)是二维随机变量,对于任意实数x,y,有二元函数
F ( x , y ) = P { ( X ≤ x ) ∩ ( Y ≤ y ) } = P { X ≤ x , Y ≤ y } F(x, y) = P\{(X \leq x) \cap (Y \leq y) \} = P \{X \leq x, Y \leq y \} F(x,y)=P{(X≤x)∩(Y≤y)}=P{X≤x,Y≤y}
该函数就是二位随机变量(X,Y)的分布函数,这种分布函数还有另外一个名字:X 和 Y 的 联合分布函数
分布函数的基本性质
不减,其实就和一维的一样,类似于多元里的求偏导,我们固定一个维度,比如y或x,然后另外一个维度就是一个不减的情况。
范围是 [0, 1]
两个维度上的左右连续。
对于任意的 (x1, y1), (x2, y2), x1 < x2, y1 < y2。则有下列不等式
F ( x 2 , y 2 ) − F ( x 2 , y 1 ) − F ( x 1 , y 2 ) + F ( x 1 , y 1 ) ≥ 0. F(x2, y2) - F(x2, y1) - F(x1, y2) + F(x1, y1) \geq 0. F(x2,y2)−F(x2,y1)−F(x1,y2)+F(x1,y1)≥0.
这个建议结合定义还有二维图像去理解。
离散型
类比一维的离散型,其实还是有限对或者可列无限多对的情况。
然后和一维的一样,也有分布律
,在本节中主要是联合分布律
。
联合分布律
其实就是求 P{X = i, Y = j}, 结合分布函数或许比较好理解:
F ( x , y ) = ∑ x i ≤ x ∑ y i ≤ y p i j F(x, y) = \sum_{x_i \leq x}{\sum _{y_i \leq y} {p_{ij}}} F(x,y)=xi≤x∑yi≤y∑pij
连续型
回想一维的,其实从概率密度到分布函数是一个积分的过程,而二维也是类似,不过用到了重积分。
F ( x , y ) = ∫ − ∞ y ∫ − ∞ x f ( u , v ) d u d v F(x, y) = \int_{-\infty}^{y} \int_{-\infty} ^{x} {f(u, v)dudv} F(x,y)=∫−∞y∫−∞xf(u,v)dudv
和上面的联合分布律类似,概率密度也有联合概率密度。
至于它的基本性质类比一维然后结合课本就很容易理解了。
联合概率密度
基本性质:
- 非负
- 规范性
- 几何性质
- 点的连续性
边缘分布
前面的
F ( x , y ) F(x, y) F(x,y)
是联合分布函数,当我们只选取其中的一个变量的时候,得到的函数如
F X ( x ) , F Y ( y ) F_X(x), \quad F_Y(y) FX(x),FY(y)
就叫边缘分布函数,由于联合分布的其中一个性质
F ( x , + ∞ ) = F X ( x ) F(x, +\infty) = F_X(x) F(x,+∞)=FX(x)
FY(y) 同理。
我们还是分离散型和连续型两类来讨论边缘分布函数
离散型
离散型分布对应的边缘分布律,我们通过前面的公式可以得到
F X ( x ) = F ( x , + ∞ ) = ∑ x i ≤ x ∑ j = 1 ∞ p i j P { X = x i } = ∑ j = 1 ∞ p i j = p i ⋅ F_X(x)=F(x, +\infty) = \sum_{x_i \leq x}{\sum_{j=1}^\infty{p_{ij}}} \\ P \{X=x_i\} = \sum_{j=1}^\infty{p_{ij}} = p_{i·} FX(x)=F(x,+∞)=xi≤x∑j=1∑∞pijP{X=xi}=j=1∑∞pij=pi⋅
离散型二位随机变量(X, Y) 关于 X 的边缘分布函数和边缘分布律, Y同理。
连续型
结合一维的情况,离散型从分布律到分布函数是用加和,而连续型从概率密度到分布函数用积分,边缘分布也是如此。
F Y ( y ) = F ( + ∞ , y ) = ∫ − ∞ y [ ∫ − ∞ ∞ f ( x , y ) d x ] d y f Y ( x , y ) = ∫ − ∞ ∞ f ( x , y ) d x F_Y(y) = F(+\infty, y) = \int_{-\infty}^y[{\int_{-\infty}^\infty f(x,y)}dx]dy \\ f_Y(x,y) = \int_{-\infty}^\infty{f(x,y)dx} FY(y)=F(+∞,y)=∫−∞y[∫−∞∞f(x,y)dx]dyfY(x,y)=∫−∞∞f(x,y)dx
公式的理解
其实很好理解,当我们需要求边缘的时候,肯定需要忽略其他因素,这时就是只考虑边缘因素
将联合概率重分配,或者划分,就可以得到边缘分布的情况。
课本提到的二维正态分布有机会再写
条件分布
我们联系第一章的条件概率
P { A ∣ B } = P { A B } P { B } P\{A|B\} = \frac {P\{AB\}}{P\{B\}} P{A∣B}=P{B}P{AB}
再看下面的条件概率公式
P { X = x i ∣ Y = y i } = P { X = x i , Y = y i } P { Y = y i } P\{X=x_i | Y=y_i \} = \frac {P \{X=x_i, Y=y_i \}}{P\{Y=y_i\}} P{X=xi∣Y=yi}=P{Y=yi}P{X=xi,Y=yi}
这不就是直接替换?分子是联合概率,其实就是积事件,而分母就是边缘概率,即条件。
那么就很好理解了,同时我们也要注意在涉及到条件分布中的条件,其实就是分母不能为0!!!这一点在之后的无论是在做题目还是具体应用中都很重要!
还是从离散和连续两个角度去理解条件分布。
离散型
对于离散,我们只要思考两个东西:分布函数和分布律。
而分布函数其实就是分布律的加和,所以我们只研究分布律即可。
p i j p i ⋅ = P { X = x i ∣ Y = y i } = P { X = x i , Y = y i } P { Y = y i } \frac{p_{ij}}{p_{i·}} = P\{X=x_i | Y=y_i \} = \frac {P \{X=x_i, Y=y_i \}}{P\{Y=y_i\}} pi⋅pij=P{X=xi∣Y=yi}=P{Y=yi}P{X=xi,Y=yi}
这个其实就是条件分布律
。
连续型
离散研究分布律,那离散我们就看概率密度。
f X ∣ Y ( x ∣ y ) = f ( x , y ) f Y ( y ) f_{X|Y} (x|y) = \frac{f(x,y)}{f_Y(y)} fX∣Y(x∣y)=fY(y)f(x,y)
这就是 条件概率密度
。
相互独立的随机变量
这一部分的知识点其实也很简单的,就是一个二维随机变量的两个分量在几何上属于绝对垂直的情况,即互无影响,互相独立,结合第一章的独立事件来理解,相应我们可以非常流畅地完成这一部分的学习。
对于 独立事件
,有
P { A B } = P { A } ∗ P { B } P\{AB\} = P \{A \} *P \{B \} P{AB}=P{A}∗P{B}
而在本节中,则变成了
F ( x , y ) = F X ( x ) F Y ( y ) F(x, y) = F_X(x)F_Y(y) F(x,y)=FX(x)FY(y)
即联合分布为两个边缘分布的乘积,此时 X 和 Y 相互独立。
两个随机变量的函数的分布
注:本节内容只涉及
Z = X + Y Z = m a x { X , Y } Z = m i n { X , Y } Z = X + Y \\ Z = max\{X, Y\} \\ Z = min\{X, Y\} Z=X+YZ=max{X,Y}Z=min{X,Y}
除此之外,以下都是关于连续型,而离散型只需要我们把分布律列出即可。
Z = X + Y
z = x + y, 根据这个条件,我们可以做出替换 比如, x = z-y, 或者 y = z - x, 然后得到下列关于Z
的概率密度
f X + Y ( z ) = ∫ − ∞ ∞ ( z − y , y ) d y f_{X+Y}(z) = \int_{-\infty}^\infty{(z-y, y)dy} fX+Y(z)=∫−∞∞(z−y,y)dy
很明显,通过积分后就可以得到只与z相关的概率密度函数。
如果X 和 Y 独立,那么则有
f X + Y ( z ) = ∫ − ∞ ∞ f X ( z − y ) f Y ( y ) d x f_{X+Y}(z) = \int_{-\infty}^\infty{f_X(z-y)f_Y(y)dx} fX+Y(z)=∫−∞∞fX(z−y)fY(y)dx
这种公式又称为卷积公式
。
小定理
看看就好
有限个相互独立的正态随机变量的线性组合仍然服从正态分布。
Z = max{X, Y} 和 Z= min{X,Y}
这个类型其实我认为直接根据具体题目去理解即可。
Z = max{X, Y} 和 Z= min{X,Y}
这个类型其实我认为直接根据具体题目去理解即可。
后话
这次不做习题推荐了,我比较忙没太多时间刷,uu如果感兴趣可以刷刷,题目可以帮助我们进行巩固知识点(如果我有时间的话)。
多维随机变量及其分布——《概率论及其数理统计》第三章学习笔记相关推荐
- 概率论与数理统计--第三章
文章目录 概率论与数理统计--第三章 概率论与数理统计–第三章
- 03概率论与数理统计笔记 多维随机变量——基于《概率论与数理统计》许忠好
多维随机变量及其联合分布 定义与性质 X Y是定义在概率空间(Ω,
- 李永乐复习全书概率论与数理统计 第三章 多维随机变量及其分布
目录 3.3 二维均匀分布和二维正态分布 例4 设随机变量XXX的概率密度为f(x)={19x2,0<x<3,0,其他.f(x)=\begin{cases}\cfrac{1}{9}x^ ...
- 概率论————思维导图(上岸必备)(多维随机变量及其分布)
高数----思维导图(上岸必备)(极限与连续). 高数----思维导图(上岸必备)(微分部分). 高数----思维导图(上岸必备)(积分部分). 高数----思维导图(上岸必备)(级数部分). 高数- ...
- 概率论与数理统计(3):二维随机变量及其分布
概率论与数理统计(3):二维随机变量及其分布 文章目录 概率论与数理统计(3):二维随机变量及其分布 一.多维随机变量 定义: 二.二维随机变量及其分布函数 1.联合分布函数 ①定义 ②性质 (1) ...
- 概率论 第三章 多维随机变量及其分布
第三章 多维随机变量及其分布 1 二维随机变量 2 边缘分布 3 条件分布 4 相互独立的随机变量 章末习题 答案1~~5 6~10 11~15 16~20 21~25 26~30 31~36 1 二 ...
- 第三章 多维随机变量及其分布(概率论)
文章目录 第三章 多维随机变量及其分布 3.1二维随机变量及其分布函数 3.1.1 二维R.V. 3.1.2 二维离散型R.V. 3.1.3 二维连续型R.V. 3.2 边缘分布与R.V.独立性 3. ...
- 考研:研究生考试(七天学完)之《概率与统计》研究生学霸重点知识点总结之考试内容各科占比及常考知识重点梳理(随机事件和概率、一维随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律和中心
考研:研究生考试(七天学完)之<概率与统计>研究生学霸重点知识点总结之考试内容各科占比及常考知识重点梳理(随机事件和概率.一维随机变量及其分布.多维随机变量及其分布.随机变量的数字特征.大 ...
- 2020年余丙森概率统计强化笔记-第三章 二维随机变量及其分布- 第四章 数字特征
写在前面:余丙森老师的风格,笔者个人还是比较欣赏的,跟下来,是有收获的. 文章目录 第三章 二维随机变量及其分布 第四章 数字特征 第三章 二维随机变量及其分布 第四章 数字特征
最新文章
- c++ 常见问题之string
- python获取文件名及文件扩展名的方法
- volatile 手摸手带你解析
- Lucene工具箱之OpenBitSet(一)
- CATALAN数 学习
- iOS标准库中常用数据结构和算法之二叉排序树
- 第二冲刺阶段工作总结10
- LeetCode算法题-Number Complement(Java实现-五种解法)
- python系列九:python3迭代器和生成器
- vue清除路由历史记录
- 台式计算机用什么电源线,电脑电源线有什么规格
- PTA Huffman树及其应用题
- docker部署time machine服务
- 12种mysql常见错误总结 +分析示例
- L9110电机驱动电路
- 遮天 | 实战绕过卡巴斯基、Defender上线CS和MSF及动态命令执行...
- 计算机中哪些是rom哪些是ram,电脑RAM和ROM的区别是什么?RAM和ROM有哪些作用?
- c语言5个人分鱼程序题,C语言递归解决5人分鱼问题
- 10.1Activity生命周期
- sofa常见问题汇总
热门文章
- CardView的详细使用
- 似然函数的详细分析----似然函数的本质意义
- FTTB+NAT+DHCP+pppoe+CBAC+*** client+Authentication AAA
- 算法二十二:倒水问题
- RNN结构,双向LSTM,Transformer, BERT对比分析
- ib课程可以申请哪些国家的大学?
- 计算机无线鼠标用不了怎么办,无线鼠标没反应,教您无线鼠标没反应该怎么办...
- python 反转字符串
- C++操作http之WinInet详解
- [数学]导数与微积分(第一部分)