宋浩概率论笔记(三)随机向量/二维随机变量

这篇具有很好参考价值的文章主要介绍了宋浩概率论笔记(三)随机向量/二维随机变量。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

第三更:本章的内容最重要的在于概念的理解与抽象,二重积分通常情况下不会考得很难。此外,本次暂且忽略【二维连续型随机变量函数的分布】这一章节,非常抽象且难度较高,之后有时间再更新。

目录

1.1二维随机变量及其分布函数

1.2二维离散型随机变量的联合分布与边缘分布

1.3二维连续型随机变量的联合分布与边缘分布

1.4二维连续型随机变量的边缘密度函数

2.1条件分布的定义

2.2离散型随机变量的条件分布

2.3连续型随机变量的条件分布

2.4随机变量的独立性

3.1二维离散型随机变量函数的分布

3.2二维连续型随机变量函数的分布 


考研数学一大纲中对这一章的要求如下:

考试要求

1.理解多维随机变量的概念,理解多维随机变量的分布的概念和性质. 理解二维离散型随机变量的概率分布、边缘分布和条件分布,理解二维连续型随机变量的概率密度、边缘密度和条件密度,会求与二维随机变量相关事件的概率.

2.理解随机变量的独立性及不相关性的概念,掌握随机变量相互独立的条件.

3.掌握二维均匀分布,了解二维正态分布

的概率密度,理解其中参数的概率意义.

4.会求两个随机变量简单函数的分布,会求多个相互独立随机变量简单函数的分布.

1.1二维随机变量及其分布函数

  • 对标高等数学第九章中多元函数的内容,本质就是——包含了两个随机变量,比如身材由身高和体重决定~
  • 当X和Y共同控制时,称为联合分布函数
  • 此时的概率密度是3维的状态,X和Y的密度函数相当于“切两刀”~
  • P(x1<X<=x2,y1<Y<=y2)=F(x2,y2)-F(x2,y1)-F(x1,y2)+F(x1,x1)
  • 边缘分布:P(X<=x)=F(x,正无穷)——即y的值不影响
  • 边缘分布相当于只切一刀,另一刀相当于切不着~

1.2二维离散型随机变量的联合分布与边缘分布

  • 存在联合分布表
  • 对Y方向的求解即为X的边缘分布,对X方向的求和即为Y的边缘分布
  • 除非X和Y独立,边缘分布才能唯一确定联合分布;无论什么情况下,联合分布都可以唯一确定联合分布~

1.3二维连续型随机变量的联合分布与边缘分布

这里不细说了,注意二重积分变化为累次积分即可~

1.4二维连续型随机变量的边缘密度函数

  • 对边缘分布函数求导,即可获得边缘密度函数~
  • 求X的边缘密度时,对y求积分;丢Y的边缘密度时,对x求积分
  • 二维正态分布道德边缘分布也是正态分布~

2.1条件分布的定义

  • 在事件A发生的条件下X的分布
  • (类比条件概率即可,不难~)

2.2离散型随机变量的条件分布

  • 常用公式是:联合分布的概率除以边缘分布的概率~

2.3连续型随机变量的条件分布

难点也是样本空间的变化~

2.4随机变量的独立性

  • X与Y独立,则边缘分布之积即为联合分布~ 

3.1二维离散型随机变量函数的分布

(离散型往往很简单,直接算表就行~)

3.2二维连续型随机变量函数的分布 

(很难,学起来没有性价比~)

宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研

宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研 宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研

宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研 宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研

 宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研

 宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研

宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研 宋浩概率论笔记(三)随机向量/二维随机变量,概率论与数理统计,概率论,笔记,考研文章来源地址https://www.toymoban.com/news/detail-630144.html

到了这里,关于宋浩概率论笔记(三)随机向量/二维随机变量的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【考研数学】概率论与数理统计 —— 第三章 | 二维随机变量及其分布(1,二维连续型和离散型随机变量基本概念与性质)

    隔了好长时间没看概率论了,上一篇文章还是 8.29 ,快一个月了。主要是想着高数做到多元微分和二重积分题目,再来看这个概率论二维的来,更好理解。不过没想到内容太多了,到现在也只到二元微分的进度。 定义 1 —— 二维随机变量。设 X , Y X,Y X , Y 为定义于同一样本空

    2024年02月07日
    浏览(51)
  • 【概率论与数理统计】二维随机变量:分布函数(联合分布函数、边缘分布函数)、联合概率密度、边缘概率密度、联合分布律、边缘分布律

    直观理解: 联合概率密度 草帽/山峰 边缘概率密度 切一刀的山峰切面 联合分布函数 切两刀山峰体 边缘分布函数 切一刀山峰体 联合分布律 和 边缘分布律 针对离散型随机变量 二维随机变量  联合分布函数(切两刀山峰体) 边缘分布函数 (切一刀山峰体)    【连续型随

    2024年02月05日
    浏览(35)
  • 宋浩概率论笔记(四)数字特征

    本帖更新数字特征,包含期望、方差、相关系数等,要点在于记忆性质中的各种公式,遇到题目时能迅速利用已知条件计算答案。 目录 1.1离散型随机变量的数学期望 1.2连续型随机变量的数学期望 1.3随机变量函数的期望 1.4数学期望的性质 1.5条件期望 2.1方差的定义 2.2方差的

    2024年02月14日
    浏览(43)
  • 【概率论与数理统计】猴博士 笔记 p24-25 条件概率密度函数、求两个随机变量形成的函数的分布

    题型如下: 已知概率密度,求条件概率密度 已知x怎么样的情况下y服从的概率(或y怎么样的情况下x服从的概率),求f(x,y) 步骤:对于后两个,是在哪个字母的条件下,哪个字母就在后面。 即,如果是在x=???的条件下,那么就选图中第三条方法。 其中: 1、2条符合条件

    2024年02月03日
    浏览(51)
  • 概率论--随机事件与概率--贝叶斯公式--随机变量

    目录 随机事件与概率 概念 为什么要学习概率论 随机事件与随机事件概率 随机事件 随机事件概率 贝叶斯公式  概念 条件概率 概率乘法公式 贝叶斯公式  举个栗子 随机变量   随机变量的定义 随机变量的分类 离散型随机变量 连续型随机变量 概念 随机事件是指在一次试验

    2024年02月11日
    浏览(49)
  • 概率论:多维随机变量及分布

    X X X 为随机变量, ∀ x ∈ R , P { X ≤ x } = F ( x ) forall xin R,P{Xle x}=F(x) ∀ x ∈ R , P { X ≤ x } = F ( x ) 设 F ( x ) F(x) F ( x ) 为 X X X 的分布函数,则 (1) 0 ≤ F ( x ) ≤ 1 0le F(x)le1 0 ≤ F ( x ) ≤ 1 (2) F ( x ) F(x) F ( x ) 不减 (3) F ( x ) F(x) F ( x ) 右连续 (4) F ( − ∞ ) = 0 , F ( +

    2024年02月13日
    浏览(42)
  • 【概率论】多维随机变量函数的分布(三)

    设随机变量X,Y相互独立同分布,均服从(0,1)上的均匀分布,则下列随机变量中仍然服从相应区间或区域上均匀分布的是()。 A. X 2 X^2 X

    2024年02月13日
    浏览(43)
  • 概率论与数理统计---随机变量的分布

    随机变量 随机变量就是随机事件的数值体现。 例如投色子记录色子的点数,记录的点数其实就是一个随机变量,他是这个点数出现的数值体现。 注意: 随机变量X = X(e) , 是一个单实值函数,每个随机事件的结果只能对应一个随机变量。 X(e)体现的是对随机事件的描述,本质

    2024年02月13日
    浏览(45)
  • 概率论与数理统计————3.随机变量及其分布

    设E是一个随机试验,S为样本空间,样本空间的任意样本点e可以通过特定的对应法则X,使得每个样本点都有与之对应的数对应,则称 X=X(e)为随机变量 分布函数: 设X为随机变量,x是任意实数,则事件{Xx}为随机变量X的分布函数,记为F(x) 即: F(x)=P(Xx) (1)几何意

    2024年01月18日
    浏览(40)
  • 概率论之 多维随机变量的期望,协方差矩阵

    上一次写了一维随机变量的期望,方差,协方差。本次来记录多维随机变量的期望和协方差矩阵。这一块内容由浅入深,因此会有更新。 假设系统状态有多个分量 x 1 , x 2 , … , x n x_1,x_2,dots,x_n x 1 ​ , x 2 ​ , … , x n ​ ,则将其表示为向量的形式 X = ( x 1 , x 2 , … , x n ) T X=

    2024年02月04日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包