在上一节,运用概率基本公式,可以 根据一些事件的概率计算另一些事件的概 率.现在问题是这些已知概率又当如何获取 呢?或者说,怎样直接计算一些简单事件 的概率呢?本节在等可能概率模型下讨论 这一问题

一、方差的概念 引例:现有甲、乙两位射手,甲射手射击中命中的环数 工用X表示,乙射手射击中命中的环数用Y表示,甲、乙两射 手射击中命中的环数分布分别为:

二维随机变量(x,作为一个整体,它具 有联合分布函数F(x,y)而和都是一维随机变 干量,它们也有自身的概率分布,分别称为,r 关于和Y的边缘分布(Marginal Distribution),其相应的分布函数F(x)F(y) 依次称为二维随机变量是关于和关于的边缘 分布函数(Marginal Distribution Function).易知

一、随机变量的数 二、高散型随机变量函数的分布 三、连续型随机变量数的分市

第三讲多维随机变量及其概率分布 内容提要 (1)联合分布函数与边缘分布函数(关系与性质) (2)二维离散型随机变量(联合分布律及性质边缘分布,条件分布,独立性判断) (3)二维连续型随机变量(联合密度函数及性质,概率计算,边缘密度,条件分布及密度,独立性判断) (4)独立随机变量及相关性质(独立性判断,相关计算) (5)随机变量函数的分布(离散场合,连续场合和、商、积与极值的分布) (6)常见的两个二维分布(二维均匀,二维正态以及它们的相关性质)

在实际问题中,试验结果有时需要同 时用两个或两个以上的rv来描述 例如用温度和风力来描述天气情况. 通过对含碳、含硫、含磷量的测定来研究 钢的成分.要研究这些rv之间的联系,就 需考虑多维r.v及其取值规律—多维分布

二维离散r.v的条件分布律 设二维离散型r.v.(X,Y)的分布 若-XO 记作 则称y)) j12 9 为在X=x1的条件下,Y的条件分布律

3.3随机变量的独立性 将事件独立性推广到r.v. 两个rv的相互独立性 定义设(X,Y)为二维r.v.若对任何 实数x,y都有 则称r.v.X和Y相互独立

3.4二维r..函数的分布 问题已知r(X,Y)的概率分布, g(x,y)为已知的二元函数, 求Z=8(X,Y)的概率分布 方法转化为(X,Y)的事件

4.2方差 引例甲、乙两射手各打了6发子弹,每发 子弹击中的环数分别为: 甲10,7,9,8,10,6, 有五个不 乙8,7,10,9,8,8,有个 四 问哪一个射手的技术较好?个同 解首先比较平均环数 不数 甲=8.3,乙=8.3 同数