ProbStat 3.1

多维随机变量及其联合分布
中心极限定理
华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

中心极限定理
《概率论与数理统计》
第三章多维随机变量
汤银才
华东师范大学金融与统计学院

多维随机变量
多维随机变量及其联合分布联合分布函数
中心极限定理多维离散型r.v
多维连续型r.v
3.1.1 多维随机变量
多维随机变量概念的产生:
到现在为止，我们只讨论了一维r.v及其分布;
有些随机现象用一个随机变量来描述还不够，而需要用几个
随机变量来描述;
称n个随机变量的整体为n维随机变量.
定义1.1 (n维r.v.)
设若X , · · · , X 是定义在同一个样本空间Ω上的随机变量，则称
1 n
X = (X1 , X2 , · · · , Xn )
是n维随机变量或n维随机向量.
多维随机变量
多维连续型r.v
1 n
X = (X1 , X2 , · · · , Xn )
多维随机变量
多维连续型r.v
1 n
X = (X1 , X2 , · · · , Xn )
多维随机变量
多维连续型r.v
1 n
X = (X1 , X2 , · · · , Xn )
多维随机变量
多维连续型r.v
1 n
X = (X1 , X2 , · · · , Xn )
多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:
在打靶时,命中点的位置: 由一对r.v来确定的;
n个产品中的一等品、二等品、三等品及不合格品个数:
由4个r.v来确定;
家庭的主要支出(包括衣食住行): 由4个r.v. 来确定;
遗传学上父亲身高与儿子身高的关系研究: 由2个r.v.确定;
飞机重心在空中的位置: 由3个r.v.来确定.

多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:

多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:

多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:

多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:

多维随机变量
多维连续型r.v
例3.1.1
多维r.v.举例:

多维随机变量
多维连续型r.v
3.1.2 联合分布函数
设X = (X , X , · · · , X )为n维r.v., ∀x , · · · , x
1 2 n 1 n ∈ R, 称概率
F (x1 , x2 , · · · , xn ) = P(X1 ≤ x1 , X2 ≤ x2 , · · · , Xn ≤ xn )
为n维r.v. X的联合分布函数.

多维随机变量
多维连续型r.v
两维随机变量(X , Y )
两维随机变量(X , Y ):
联合分布函数: F (x, y ) = P(X ≤ x, Y ≤ y ), x, y ∈ R;
F (x, y )为(X , Y )落在点(x, y )的左下区域的概率;
边缘(际)分布:
FX (x) = P(X ≤ x) = P(X ≤ x, Y < ∞)
ˆ (x, ∞);
= lim F (x, y )=F
y →∞
FY (y ) = lim F (x, y )=F

ˆ (∞, y ).
y →∞
注: 今天主要考查二维随机变量.
多维随机变量
多维连续型r.v
边缘(际)分布:
FX (x) = P(X ≤ x) = P(X ≤ x, Y < ∞)
ˆ (x, ∞);
= lim F (x, y )=F
y →∞

ˆ (∞, y ).
y →∞
多维随机变量
多维连续型r.v
边缘(际)分布:
FX (x) = P(X ≤ x) = P(X ≤ x, Y < ∞)
ˆ (x, ∞);
= lim F (x, y )=F
y →∞

ˆ (∞, y ).
y →∞
多维随机变量
多维连续型r.v
边缘(际)分布:
FX (x) = P(X ≤ x) = P(X ≤ x, Y < ∞)
ˆ (x, ∞);
= lim F (x, y )=F
y →∞

ˆ (∞, y ).
y →∞
多维随机变量
多维连续型r.v
边缘(际)分布:
FX (x) = P(X ≤ x) = P(X ≤ x, Y < ∞)
ˆ (x, ∞);
= lim F (x, y )=F
y →∞

ˆ (∞, y ).
y →∞
多维随机变量
多维连续型r.v
联合分布函数的基本性质
联合分布函数的基本性质:
单调性: F (x, y ) 关于x 和y 分别单调增;
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
右连续性: F (x, y ) 关于x 和y 分别右连续;
非负性: 当a < b, c < d 时, 有
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
注: 上式左边表示概率P(a ≤ X ≤ b, c ≤ Y ≤ d).
多维随机变量
多维连续型r.v
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
多维随机变量
多维连续型r.v
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
多维随机变量
多维连续型r.v
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
多维随机变量
多维连续型r.v
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
多维随机变量
多维连续型r.v
有界性: 0 ≤ F (x, y ) ≤ 1 且F (−∞, y ) = F (x, −∞) = 0,
F (∞, ∞) = 1;
F (b, d) − F (b, c) − F (a, d) + F (a, c) ≥ 0.
多维随机变量
多维连续型r.v
3.1.3 二维离散型r.v.
定义1.3 (二维离散型r.v.)
设二维r.v. (X , Y ) 的取值为(x , y ), i, j = 1, 2, · · · , 则称
i j
P(X = xi , Y = yj ) = pij , i, j = 1, 2, · · ·
为r.v.(X , Y )的联合分布列(或联合概率分布).
联合分布列的基本性质:
pij ≥ 0, i, j = 1, 2, · · ·
P
ij pij = 1.

多维随机变量
多维连续型r.v
3.1.3 二维离散型r.v.
定义1.3 (二维离散型r.v.)
设二维r.v. (X , Y ) 的取值为(x , y ), i, j = 1, 2, · · · , 则称
i j
P(X = xi , Y = yj ) = pij , i, j = 1, 2, · · ·
为r.v.(X , Y )的联合分布列(或联合概率分布).
联合分布列的基本性质:
pij ≥ 0, i, j = 1, 2, · · ·
P
ij pij = 1.

多维随机变量
多维连续型r.v
离散型r.v.边缘分布
X
X ∼ P(X = xi ) = P(X = xi , Y < ∞) = P(X = xi , Y = yj )
j
X
= ˆ i· , i = 1, 2, · · · .
pij =p
j
X
Y ∼ P(Y = yj ) = ˆ ·j , j = 1, 2, · · · .
pij =p
i

多维随机变量
多维连续型r.v
离散型r.v.边缘分布
X
X ∼ P(X = xi ) = P(X = xi , Y < ∞) = P(X = xi , Y = yj )
j
X
= ˆ i· , i = 1, 2, · · · .
pij =p
j
X
Y ∼ P(Y = yj ) = ˆ ·j , j = 1, 2, · · · .
pij =p
i

多维随机变量
多维连续型r.v
二维离散型r.v.分布的表格形式
Y y1 y2 ··· yj ··· pi·

X
x1 p11 p12 ··· p1j ··· p1·
x2 p21 p22 ··· p2j ··· p2·
··· ··· ··· ··· ··· ··· ···
xi pi1 pi2 ··· pij ··· pi·
··· ··· ··· ··· ··· ··· ···
P
p·j p·1 p·2 ··· p·j ··· pij = 1

多维随机变量
多维连续型r.v
确定联合分布列的步骤(方法)
确定联合分布列的步骤(方法):
确定随机变量(X , Y ) 的所有取值数对;
利用古典概型或概率的性质, 计算取每个数值对的概率;
列出表格.

多维随机变量
多维连续型r.v
列出表格.

多维随机变量
多维连续型r.v
列出表格.

多维随机变量
多维连续型r.v
列出表格.

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
将一枚均匀的硬币抛掷4次，X 表示正面向上的次数，Y 表示反
面朝上次数. 求(X , Y ) 的联合分布列。
概率非零的(X , Y )的所有可能取值为(0,4), (1,3), (2,2),
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
例3.1.2
例3.1.2:
(3,1), (4, 0);
1
P(X = 0, Y = 4) = 0.54 = 16
P(X = 1, Y = 3) = 14 0.5 × 0.53 = 41

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

1
P(X = 4, Y = 0) = 0.54 = 16

多维随机变量
多维连续型r.v
所以(X,Y)的联合分布列为
Y 0 1 2 3 4
X
1
0 0 0 0 0 16
1
1 0 0 0 4 0
6
2 0 0 16 0 0
1
3 0 4 0 0 0
1
4 16 0 0 0 0

多维随机变量
多维连续型r.v
例3.1.3
例3.1.3:
已知(X , Y )的联合分布列
Y 0 1 2
X
0 0.1 0.4 0.1
1 0.2 0.2 0
则
1 概率P(X + Y ≤ 1) = P(X = 0, Y = 0) + P(X = 0, Y =
1) + P(X = 1, Y = 0) = 0.7
2 X的边缘分布: P(X = 0) = 0.1 + 0.4 + 0.1 = 0.6,
P(X = 1) = 0.2 + 0.2 + 0 = 0.4.

多维随机变量
多维连续型r.v
例3.1.3
例3.1.3:
Y 0 1 2
X
0 0.1 0.4 0.1
1 0.2 0.2 0
则
1 概率P(X + Y ≤ 1) = P(X = 0, Y = 0) + P(X = 0, Y =
1) + P(X = 1, Y = 0) = 0.7
2 X的边缘分布: P(X = 0) = 0.1 + 0.4 + 0.1 = 0.6,
P(X = 1) = 0.2 + 0.2 + 0 = 0.4.

多维随机变量
多维连续型r.v
例3.1.3
例3.1.3:
Y 0 1 2
X
0 0.1 0.4 0.1
1 0.2 0.2 0
则
1 概率P(X + Y ≤ 1) = P(X = 0, Y = 0) + P(X = 0, Y =
1) + P(X = 1, Y = 0) = 0.7
2 X的边缘分布: P(X = 0) = 0.1 + 0.4 + 0.1 = 0.6,
P(X = 1) = 0.2 + 0.2 + 0 = 0.4.

多维随机变量
多维连续型r.v
例3.1.4
例3.1.4—多项分布(Page 151):
1 二项分布(源于n重贝努里试验 n1
):
n1 n2 n! n1 n2 ,
P(X = n ) = p (1 − p) = p (1 − p)
其中n + n = n
1 1 n n1 !n2 !
多项分布(源于推广的n重贝努里试验):
1 2
2
n! n1 nr
P(X = n , · · · , X = n ) = p ···p ,
其中n + · · · + n = n, p + · · · + p = 1 .
1 1 r r n1 !···nr ! 1 r
r = 2即为二项分布;
1 r 1 r
3
4 多项分布的任一边缘分布为二项分布.

多维随机变量
多维连续型r.v
例3.1.4
):
n1 n2 n! n1 n2 ,
P(X = n ) = p (1 − p) = p (1 − p)
其中n + n = n
1 1 n n1 !n2 !
1 2
2
n! n1 nr
P(X = n , · · · , X = n ) = p ···p ,
其中n + · · · + n = n, p + · · · + p = 1 .
1 1 r r n1 !···nr ! 1 r
1 r 1 r
3

多维随机变量
多维连续型r.v
例3.1.4
):
n1 n2 n! n1 n2 ,
P(X = n ) = p (1 − p) = p (1 − p)
其中n + n = n
1 1 n n1 !n2 !
1 2
2
n! n1 nr
P(X = n , · · · , X = n ) = p ···p ,
其中n + · · · + n = n, p + · · · + p = 1 .
1 1 r r n1 !···nr ! 1 r
1 r 1 r
3

多维随机变量
多维连续型r.v
例3.1.4
):
n1 n2 n! n1 n2 ,
P(X = n ) = p (1 − p) = p (1 − p)
其中n + n = n
1 1 n n1 !n2 !
1 2
2
n! n1 nr
P(X = n , · · · , X = n ) = p ···p ,
其中n + · · · + n = n, p + · · · + p = 1 .
1 1 r r n1 !···nr ! 1 r
1 r 1 r
3

多维随机变量
多维连续型r.v
例3.1.4
):
n1 n2 n! n1 n2 ,
P(X = n ) = p (1 − p) = p (1 − p)
其中n + n = n
1 1 n n1 !n2 !
1 2
2
n! n1 nr
P(X = n , · · · , X = n ) = p ···p ,
其中n + · · · + n = n, p + · · · + p = 1 .
1 1 r r n1 !···nr ! 1 r
1 r 1 r
3

多维随机变量
多维连续型r.v
想一想?
课堂练习1:
设Y ∼ N(0, 1)

0, |Y | ≥ 1 0, |Y | ≥ 2
X1 = , X2 =
1, |Y | < 1 1, |Y | < 2
求(X , X )的联合分布列.
1 2
解:
X2 0 1
X1
0 0.0455 0.2719
1 0 0.6826

多维随机变量
多维连续型r.v
想一想?
课堂练习1:
设Y ∼ N(0, 1)

0, |Y | ≥ 1 0, |Y | ≥ 2
X1 = , X2 =
1, |Y | < 1 1, |Y | < 2
求(X , X )的联合分布列.
1 2
解:
X2 0 1
X1
0 0.0455 0.2719
1 0 0.6826

多维随机变量
多维连续型r.v
想一想?
课堂练习2:
把一枚均匀硬币抛掷三次，设X为三次抛掷中正面出现的次数，
而Y为正面出现次数与反面出现次数之差的绝对值, 求(X,Y)的联
合分布列.
解:
Y 1 3
X
0 0 1/8
1 3/8 0
2 3/8 0
3 0 1/8

多维随机变量
多维连续型r.v
想一想?
课堂练习2:
把一枚均匀硬币抛掷三次，设X为三次抛掷中正面出现的次数，
而Y为正面出现次数与反面出现次数之差的绝对值, 求(X,Y)的联
合分布列.
解:
Y 1 3
X
0 0 1/8
1 3/8 0
2 3/8 0
3 0 1/8

多维随机变量
多维连续型r.v
3.1.3 二维连续型r.v.
定义1.4 (二维连续型r.v.)
设二维r.v. (X , Y ) ∼ F (x, y ), 若存在非负函数p(x, y ), 使得
Z x Z y
F (x, y ) = p(u, v )dudv
−∞ −∞
则称r.v.(X,Y)为二维连续型r.v., p(x, y )称为(X,Y)的联合密度(函

数).
联合密度函数的基本性质:
p(x, y ) ≥ 0;
R∞ R∞
−∞ −∞ p(x, y )dxdy = 1.

多维随机变量
多维连续型r.v
3.1.3 二维连续型r.v.
定义1.4 (二维连续型r.v.)
设二维r.v. (X , Y ) ∼ F (x, y ), 若存在非负函数p(x, y ), 使得
Z x Z y
F (x, y ) = p(u, v )dudv
−∞ −∞
则称r.v.(X,Y)为二维连续型r.v., p(x, y )称为(X,Y)的联合密度(函

数).
联合密度函数的基本性质:
p(x, y ) ≥ 0;
R∞ R∞
−∞ −∞ p(x, y )dxdy = 1.

多维随机变量
多维连续型r.v
连续型r.v.的边缘密度函数
R∞
pX (x) = p(x, y )dy ;
R−∞
∞
pY (y ) = −∞ p(x, y )dx;
证明:
FX (x) = P(X ≤ x, Y < ∞)
Z x Z ∞
= p(x, y )dy dx
Z−∞
x
−∞
= pX (x)dx.
−∞
其中P X (x) =
R∞
−∞ p(x, y )dy .

多维随机变量
多维连续型r.v
R∞
pX (x) = p(x, y )dy ;
R−∞
∞
pY (y ) = −∞ p(x, y )dx;
证明:
FX (x) = P(X ≤ x, Y < ∞)
Z x Z ∞
= p(x, y )dy dx
Z−∞
x
−∞
= pX (x)dx.
−∞
其中P X (x) =
R∞
−∞ p(x, y )dy .

多维随机变量
多维连续型r.v
R∞
pX (x) = p(x, y )dy ;
R−∞
∞
pY (y ) = −∞ p(x, y )dx;
证明:
FX (x) = P(X ≤ x, Y < ∞)
Z x Z ∞
= p(x, y )dy dx
Z−∞
x
−∞
= pX (x)dx.
−∞
其中P X (x) =
R∞
−∞ p(x, y )dy .

多维随机变量
多维连续型r.v
与
F (x, y ) p(x, y ) 之间的关系
RxRy
F (x, y ) = −∞ −∞ p(u, v )dudv
在p(x, y )的连续点(x,y)处有
∂ 2 F (x, y )
= p(x, y )
∂x∂y
.

多维随机变量
多维连续型r.v
与
F (x, y ) p(x, y ) 之间的关系
RxRy
F (x, y ) = −∞ −∞ p(u, v )dudv
在p(x, y )的连续点(x,y)处有
∂ 2 F (x, y )
= p(x, y )
∂x∂y
.

多维随机变量
多维连续型r.v
由p(x, y )求给定区域S上的概率
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
P((X , Y ) ∈ S) = P(a ≤ X ≤ b, c ≤ Y ≤ d) = p(x, y )dxdy .
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
RR
P((X , Y ) ∈ S) = p(x, y )dxdy
若S = {(x, y )|a ≤ x ≤ b, φ (x)"≤ y ≤ φ (x)}, 则#
S
1 2
Z b Z φ2 (x)
P((X , Y ) ∈ S) = p(x, y )dy dx
a φ1 (x)
若S = {(x, y )|c ≤ y ≤ d, ψ (y") ≤ x ≤ ψ (y )}, 则#

1 2
Z d Z ψ2 (y )
P((X , Y ) ∈ S) = p(x, y )dx dy
c ψ1 (y )
若S = {(x, y )|a ≤ x ≤ b, c ≤ y ≤ d}, 则

Z b Z d
a c

多维随机变量
多维连续型r.v
例3.1.5
例3.1.5:
设 (
Ae −(2x+3y ) , x > 0, y > 0
p(x, y ) =
0, ∼
求
1 常数A;
2 概率P(X < 2, Y < 1);
3 概率P(X > Y )
4 r.v X 和Y 的边缘密度函数.

多维随机变量
多维连续型r.v
例3.1.5
例3.1.5:
设 (
Ae −(2x+3y ) , x > 0, y > 0
p(x, y ) =
0, ∼
求
1 常数A;
2 概率P(X < 2, Y < 1);
3 概率P(X > Y )

多维随机变量
多维连续型r.v
例3.1.5
例3.1.5:
设 (
Ae −(2x+3y ) , x > 0, y > 0
p(x, y ) =
0, ∼
求
1 常数A;
2 概率P(X < 2, Y < 1);
3 概率P(X > Y )

多维随机变量
多维连续型r.v
例3.1.5
例3.1.5:
设 (
Ae −(2x+3y ) , x > 0, y > 0
p(x, y ) =
0, ∼
求
1 常数A;
2 概率P(X < 2, Y < 1);
3 概率P(X > Y )

多维随机变量
多维连续型r.v
例3.1.5
例3.1.5:
设 (
Ae −(2x+3y ) , x > 0, y > 0
p(x, y ) =
0, ∼
求
1 常数A;
2 概率P(X < 2, Y < 1);
3 概率P(X > Y )

多维随机变量
多维连续型r.v
例3.1.5
解: (1)
Z +∞ Z +∞
1= p(x, y )dxdy
−∞ −∞
Z +∞ Z +∞
= Ae −(2x+3y ) dxdy
0 0
Z +∞ Z +∞
=A e −2x dx e −3y dy
0 0
1 −2x +∞ 1 −3y +∞
=A − e 0 × − e 0
2 3
= A/6
所以A = 6.
多维随机变量
多维连续型r.v
例3.1.5
解: (1)
Z +∞ Z +∞
1= p(x, y )dxdy
−∞ −∞
Z +∞ Z +∞
0 0
Z +∞ Z +∞
0 0
1 −2x +∞ 1 −3y +∞
=A − e 0 × − e 0
2 3
= A/6
所以A = 6.
多维随机变量
多维连续型r.v
例3.1.5
解: (1)
Z +∞ Z +∞
1= p(x, y )dxdy
−∞ −∞
Z +∞ Z +∞
0 0
Z +∞ Z +∞
0 0
1 −2x +∞ 1 −3y +∞
=A − e 0 × − e 0
2 3
= A/6
所以A = 6.
多维随机变量
多维连续型r.v
例3.1.5
解: (1)
Z +∞ Z +∞
1= p(x, y )dxdy
−∞ −∞
Z +∞ Z +∞
0 0
Z +∞ Z +∞
0 0
1 −2x +∞ 1 −3y +∞
=A − e 0 × − e 0
2 3
= A/6
所以A = 6.
多维随机变量
多维连续型r.v
例3.1.5
解: (1)
Z +∞ Z +∞
1= p(x, y )dxdy
−∞ −∞
Z +∞ Z +∞
0 0
Z +∞ Z +∞
0 0
1 −2x +∞ 1 −3y +∞
=A − e 0 × − e 0
2 3
= A/6
所以A = 6.
多维随机变量
多维连续型r.v
例3.1.5
解: (2)
ZZ
P(X < 2, Y < 1) = p(x, y )dxdy
{x<2,y <1}
Z 2 Z 1
= 6e −(2x+3y ) dy
dx
0 0
Z 2 Z 1
=6 e −2x dx e −3y dy
0 0
1 −2x 2 1 −3y 1
=6 − e 0 × −3e 0
2
= 1 − e −4 1 − e −3


多维随机变量
多维连续型r.v
例3.1.5
解: (2)
ZZ
P(X < 2, Y < 1) = p(x, y )dxdy
{x<2,y <1}
Z 2 Z 1
= 6e −(2x+3y ) dy
dx
0 0
Z 2 Z 1
0 0
1 −2x 2 1 −3y 1
=6 − e 0 × −3e 0
2
= 1 − e −4 1 − e −3


多维随机变量
多维连续型r.v
例3.1.5
解: (2)
ZZ
P(X < 2, Y < 1) = p(x, y )dxdy
{x<2,y <1}
Z 2 Z 1
= 6e −(2x+3y ) dy
dx
0 0
Z 2 Z 1
0 0
1 −2x 2 1 −3y 1
=6 − e 0 × −3e 0
2
= 1 − e −4 1 − e −3


多维随机变量
多维连续型r.v
例3.1.5
解: (2)
ZZ
P(X < 2, Y < 1) = p(x, y )dxdy
{x<2,y <1}
Z 2 Z 1
= 6e −(2x+3y ) dy
dx
0 0
Z 2 Z 1
0 0
1 −2x 2 1 −3y 1
=6 − e 0 × −3e 0
2
= 1 − e −4 1 − e −3


多维随机变量
多维连续型r.v
例3.1.5
解: (2)
ZZ
P(X < 2, Y < 1) = p(x, y )dxdy
{x<2,y <1}
Z 2 Z 1
= 6e −(2x+3y ) dy
dx
0 0
Z 2 Z 1
0 0
1 −2x 2 1 −3y 1
=6 − e 0 × −3e 0
2
= 1 − e −4 1 − e −3


多维随机变量
多维连续型r.v
例3.1.5
解: (3)
ZZ
P(X > Y ) = p(x, y )dxdy
{x>y }
Z ∞ Z x
= dx 6e −(2x+3y ) dy
0 0
Z ∞
= 2e −2x (1 − e −3x )dx
0
3
=
5

多维随机变量
多维连续型r.v
例3.1.5
解: (3)
ZZ
{x>y }
Z ∞ Z x
= dx 6e −(2x+3y ) dy
0 0
Z ∞
= 2e −2x (1 − e −3x )dx
0
3
=
5

多维随机变量
多维连续型r.v
例3.1.5
解: (3)
ZZ
{x>y }
Z ∞ Z x
= dx 6e −(2x+3y ) dy
0 0
Z ∞
= 2e −2x (1 − e −3x )dx
0
3
=
5

多维随机变量
多维连续型r.v
例3.1.5
解: (3)
ZZ
{x>y }
Z ∞ Z x
= dx 6e −(2x+3y ) dy
0 0
Z ∞
= 2e −2x (1 − e −3x )dx
0
3
=
5

多维随机变量
多维连续型r.v
例3.1.5
解: (4)
Z ∞
pX (x) = p(x, y )dy
Z−∞
∞
= 6e −(2x+3y ) dy
0
= 2e −2x , x > 0 (pX (x) = 0, x ≤ 0)
Z ∞
pY (y ) = p(x, y )dx
Z−∞∞
= 6e −(2x+3y ) dx
0
= 3e −3y , y > 0 (pY (y ) = 0, y ≤ 0)

多维随机变量
多维连续型r.v
例3.1.5
解: (4)
Z ∞
pX (x) = p(x, y )dy
Z−∞
∞
= 6e −(2x+3y ) dy
0
= 2e −2x , x > 0 (pX (x) = 0, x ≤ 0)
Z ∞
pY (y ) = p(x, y )dx
Z−∞∞
= 6e −(2x+3y ) dx
0
= 3e −3y , y > 0 (pY (y ) = 0, y ≤ 0)

多维随机变量
多维连续型r.v
常见的二维连续型分布:
二维指数分布
1 联合分布函数
(
1 − e −x − e −y + e −x−y −λxy , x > 0, y > 0
F (x, y ) =
0, ∼
其中参数λ > 0.
2 X和Y的边缘分布均为标准指数分布,即
X ∼ Exp(1), Y ∼ Exp(1).

多维随机变量
多维连续型r.v
常见的二维连续型分布:
二维指数分布
1 联合分布函数
(
1 − e −x − e −y + e −x−y −λxy , x > 0, y > 0
F (x, y ) =
0, ∼
其中参数λ > 0.
2 X和Y的边缘分布均为标准指数分布,即
X ∼ Exp(1), Y ∼ Exp(1).

多维随机变量
多维连续型r.v
二维均匀分布
向面积为S 的区域D中随机投点, 落在D内的面积相等的不同区
域内是等可能的, 则落点的坐标(X,Y)有分布:
D
(
1
SD , (x, y ) ∈ D
p(x, y ) =
0, ∼
特例:
圆上的均匀分布(Page 156)
长方形区域上的均匀分布.

多维随机变量
多维连续型r.v
二维均匀分布
D
(
1
SD , (x, y ) ∈ D
p(x, y ) =
0, ∼
特例:

多维随机变量
多维连续型r.v
二维均匀分布
D
(
1
SD , (x, y ) ∈ D
p(x, y ) =
0, ∼
特例:

多维随机变量
多维连续型r.v
二维均匀分布
D
(
1
SD , (x, y ) ∈ D
p(x, y ) =
0, ∼
特例:

多维随机变量
多维连续型r.v
二维正态分布
1 联合密度函数:
1
p(x, y ) = p
2
n 2πσ1 σ2h 1 − 2ρ io
(x−µ ) (y −µ2 )2 −µ2 )
1
× exp − 2(1−ρ 2) σ2
1
+ σ22
− 2ρ (x−µσ11)(y
σ2
1
记为(X , Y ) ∼ N(µ , µ , σ , σ , ρ).

2 2
X和Y的边缘分布均为正态分布,即:
1 2 1 2
2
X ∼ N(µ1 , σ12 ), Y ∼ N(µ2 , σ22 ),

多维随机变量
多维连续型r.v
二维正态分布
1
p(x, y ) = p
2
(x−µ ) (y −µ2 )2 −µ2 )
1
× exp − 2(1−ρ 2) σ2
1
+ σ22
− 2ρ (x−µσ11)(y
σ2
1
记为(X , Y ) ∼ N(µ , µ , σ , σ , ρ).

2 2
1 2 1 2
2
X ∼ N(µ1 , σ12 ), Y ∼ N(µ2 , σ22 ),

多维随机变量
多维连续型r.v
二维正态分布
1
p(x, y ) = p
2
(x−µ1 ) (y −µ2 )2 −µ2 )
1
× exp − 2(1−ρ 2) σ2
+ σ22
− 2ρ (x−µσ11)(y
σ2
1
记为(X , Y ) ∼ N(µ , µ , σ , σ , ρ).

2 2
1 2 1 2
2
X ∼ N(µ1 , σ12 ), Y ∼ N(µ2 , σ22 ),

多维随机变量
多维连续型r.v
注意:
注意:
由联合分布可以(唯一地)确定边缘分布;
但由边缘分布一般不能(唯一地)确定联合分布;
二维联合分布不仅含有每一个分量各自的信息, 而且含有两
个分量X与Y之间关系的信息;
二维正态分布中的ρ和二维指数分布中的λ就反映了这种信
息—它们之间的密切程度;
问题: 在什么条件下X 与Y 之间没有这样的关系, 即由边缘分
布决定联合分布? 这是我们下一节所要考虑的.

多维随机变量
多维连续型r.v
注意:
注意:

多维随机变量
多维连续型r.v
注意:
注意:

多维随机变量
多维连续型r.v
注意:
注意:

多维随机变量
多维连续型r.v
注意:
注意:

多维随机变量
多维连续型r.v
§3.1 习题
§3.1 习题 Page 159:

3, 6, 8, 12

ProbStat 3.1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ProbStat 3.1

Uploaded by

Copyright:

Available Formats

多维随机变量及其联合分布

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

FY (y ) = lim F (x, y )=F

FY (y ) = lim F (x, y )=F

FY (y ) = lim F (x, y )=F

FY (y ) = lim F (x, y )=F

FY (y ) = lim F (x, y )=F

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

Y y1 y2 ··· yj ··· pi·

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

P(X = 2, Y = 2) = 24 0.52 × 0.52 = 166

P(X = 3, Y = 1) = 34 0.53 × 0.5 = 41

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

则称r.v.(X,Y)为二维连续型r.v., p(x, y )称为(X,Y)的联合密度(函

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章

则称r.v.(X,Y)为二维连续型r.v., p(x, y )称为(X,Y)的联合密度(函

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章

华东师范大学金融与统计学院《概率论与数理统计》 — 第三章