344 字
2 分钟
[工科概率论] 二维连续型随机变量

f(x,y)f(x,y)为二维随机变量(X,Y)(X, Y)的概率密度函数

分布函数#

F(x,y)=P(Xx,Yy)=yxf(u,v)dudvF(x,y) = P(X \le x, Y \le y) = \int_{-\infty}^{y} \int_{-\infty}^{x} f(u,v) \, du \, dv

概率密度相当于平面的质量密度,分布函数相当于某一区域的质量总和

2F(x,y)xy=f(x,y)\dfrac{\partial^2 F(x,y)}{\partial x \partial y} = f(x,y)

区域概率#

GG为平面上的一个区域,则点(X,Y)(X, Y)落在区域GG内的概率为

P((X,Y)G)=Gf(x,y)dxdyP\left((X, Y) \in G\right) = \iint_{G} f(x,y) \, dx \, dy

边缘分布#

fX(x)=f(x,y)dyf_X(x) = \int_{-\infty}^{\infty} f(x,y) \, dyfY(y)=f(x,y)dxf_Y(y) = \int_{-\infty}^{\infty} f(x,y) \, dx

常见二维连续型分布#

二维均匀分布#

(X,Y)(X, Y)在区域GG内服从二维均匀分布,则其概率密度函数为

f(x,y)={1S(G),(x,y)G0,otherwisef(x,y) = \begin{cases} \dfrac{1}{S(G)}, & (x,y) \in G \\ 0, & \text{otherwise} \end{cases}

S(G)S(G)为区域GG的面积

DDGG的子区域,则可以很直观地得到

P((X,Y)D)=S(D)S(G)P\left((X, Y) \in D\right) = \frac{S(D)}{S(G)}

就是子区域面积占总面积的比例

二维正态分布#

(X,Y)(X, Y)服从二维正态分布,记为

(X,Y)N(μX,μY,σX2,σY2,ρ)(X, Y) \sim N(\mu_X, \mu_Y, \sigma_X^2, \sigma_Y^2, \rho)

ρ\rho为相关系数,1ρ1-1 \le \rho \le 1

则其概率密度函数为

f(x,y)=12πσXσY1ρ2exp{12(1ρ2)[(xμX)2σX22ρ(xμX)(yμY)σXσY+(yμY)2σY2]}f(x,y) = \frac{1}{2 \pi \sigma_X \sigma_Y \sqrt{1 - \rho^2}} \exp{\left\{ -\frac{1}{2(1 - \rho^2)} \left[ \frac{(x - \mu_X)^2}{\sigma_X^2} - \frac{2 \rho (x - \mu_X)(y - \mu_Y)}{\sigma_X \sigma_Y} + \frac{(y - \mu_Y)^2}{\sigma_Y^2} \right] \right\}}

我草了怎么这么长

边缘密度#

其实就是一维正态分布密度函数

fX(x)=12πσXexp((xμX)22σX2)f_X(x) = \frac{1}{\sqrt{2 \pi} \sigma_X} \exp{\left( -\frac{(x - \mu_X)^2}{2 \sigma_X^2} \right)}

yy的同理

[工科概率论] 二维连续型随机变量
https://a1kari8.github.io/posts/probability_theory/bivar_cont_rv/
作者
A1kari8
发布于
2025-11-23
许可协议
CC BY-NC-SA 4.0