概率统计笔记(六):联合概率分布(上) |
您所在的位置:网站首页 › 联合概率的意义是什么 › 概率统计笔记(六):联合概率分布(上) |
参考资料:概率论与数理统计(浙大第四版),A First Course in Probability 8th Edition, an introduction to mathematical statistics and its applications 本期关键词:联合概率分布,边缘分布,条件分布 前置知识:概率分布函数,多元微积分,条件概率 和微积分的学习顺序一样,学完了单变量的概率分布之后,我们很自然就要过渡到多变量(联合)的概率分布中。 我们先以二元为例: 二元随机向量假设 X,Y 都是样本空间 S 上的随机变量,则 (X,Y) 是一个二元随机向量。 比如(身高,体重)就是一种很常见的二元随机向量。 这样从一元向多元的推广是很有意义的,因为单个变量可能并不能完全反应总体的情况,就像我们从小学过的盲人摸象一样。 联合分布函数定义 F(x,y)=P(X\leq x,Y\leq y) 为二元随机向量 (X,Y) 的联合分布函数。 类比着连续型随机变量的概率区间计算,我们可以得到如下的一个计算公式: 随机向量点落在矩形区域 \{(x,y)|x_{1} 其中的矩形面积可以用“大减小”的方式直观的计算出来。 联合概率分布函数的性质与单变量概率分布函数的性质类似: F(x,y) 单调不减0\leq F(x,y)\leq 1 F(x,y) 关于任一变量右连续。F(\infty ,\infty)=1 ,F(-\infty,y)=F(x,-\infty)=F(-\infty,-\infty)=0 联合概率密度函数对于 F(x,y) ,如果存在 f(x,y) ,使得 F(x,y)=\int_{-\infty}^{x}\int_{-\infty}^{y}f(s,t)dsdt 则 f(x,y) 即为 (X,Y) 的概率密度函数。 概率密度函数的性质也和单变量类似: f(x,y)\geq0 \int_{-\infty}^{\infty}\int_{-\infty}^{\infty}f(s,t)dsdt=1 如果G为某一区域,则随即向量点落在G内的概率为 \iint_{G}^{} f(s,t)dsdt 如果 f(x,y) 在 (x,y) 连续,则 f(x,y)= \frac{\partial^2}{\partial x\partial x}F(x,y)多插一句话:联合概率分布的难度相比前面要大一些,而大部分的难度来源都是重积分(所以微积分下还是要好好学) 从二元概率分布中,我们可以得到 X 的分布信息。Y 的分布信息。X,Y 的一些相关关系。多元随机向量类比二元我们自然就要想到多元随机向量,表示为 (X_1,X_2,...,X_n) F(x_1,x_2,...,x_n)=P(X_1\leq x_1,X_2\leq x_2,...,X_n\leq x_n) =\iint_{}^{}f(x_1,x_2,...,x_n)dx_1...dx_n 边缘分布(marginal distribution)边缘分布,也叫边际分布,即探讨其中某个变量的分布情况。 我们以变量 X为例。 F_{X}(x)=P(X\leq x)=P(X\leq x, Y |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |