1.二维随机变量(X,Y)的联合分布函数:
F(x,y)=P(X≤x,Y≤y)
2.二维随机变量(X,Y)关于X的边缘分布函数:
FX(x)=P(X≤x)
=P(X≤x,Y<+∞)
=F(x,+∞)
3.边缘分布函数与边缘概率密度
$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy$
$f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx$
$F_X(x)=\int_{-\infty}^{x}f_X(x)dx=\int_{-\infty}^{x}\int_{-\infty}^{+\infty}f(x,y)dydx$
$F_Y(y)=\int_{-\infty}^{y}f_Y(y)dy=\int_{-\infty}^{y}\int_{-\infty}^{+\infty}f(x,y)dxdy$
4.二维离散型随机变量联合概率分布
称P(X=xi,Y=yi)=pij为(X,Y)的联合概率分布,也称概率分布或分布律
直观表示:概率分布表或分布律表
pij利用古典概型或乘法公式直接求解
5.随机变量的独立性
若P(X≤x,Y≤y)=P(X≤x)P(Y≤y),则X与Y相互独立
<==>对离散型随机变量所有取值有P(X=xi,Y=yj)=P(X=xi)P(Y=yj)
<==>对二维连续随机变量所有连续取值f(x,y)=fX(x)fY(y)
重要结论:
若f(x,y)=r(x)g(y),X,Y相互独立
(1)
fX(x)=fX|Y(x|y)【注:f(x|y)=f(x,y)/fY(y)】
fY(y)=fY|X(y|x)
(2)
fX(x)=$\frac{r(x)}{\int\limits_{-\infty}^{+\infty}r(x)dx}$
fY(y)=$\frac{g(y)}{\int\limits_{-\infty}^{+\infty}g(y)dy}$
(3)
若F(x,y)=R(x)G(y)
则F(x)=$\frac{R(x)}{R(+\infty)}$
F(y)=$\frac{G(y)}{G(+\infty)}$
6.二维连续随机变量函数的分布
Z=X+Y
$f_Z(z)=\int_{-\infty}^{+\infty}f(x,z-x)dx$或$f_Z(z)=\int_{-\infty}^{+\infty}f(z-y,y)dy$
特别地,X,Y相互独立,则(卷积神经公式)
$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx$ //当分别给出X,Y的密度函数时使用