Professional Documents
Culture Documents
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
《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
X = (X1 , X2 , · · · , Xn )
是n维随机变量或n维随机向量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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.
定义1.2 (n维r.v.)
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.
注: 今天主要考查二维随机变量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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 →∞
注: 今天主要考查二维随机变量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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 →∞
注: 今天主要考查二维随机变量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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 →∞
注: 今天主要考查二维随机变量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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 →∞
注: 今天主要考查二维随机变量.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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).
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
3.1.3 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.
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.
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
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
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.
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.
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.
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.
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
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.
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.
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.
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
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
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 .
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 .
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 .
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
.
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
.
所以A = 6.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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.
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
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
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
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).
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).
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.
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.
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.
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.
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
X和Y的边缘分布均为正态分布,即:
1 2 1 2
2
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
X和Y的边缘分布均为正态分布,即:
1 2 1 2
2
X和Y的边缘分布均为正态分布,即:
1 2 1 2
2