概率论笔记(五)随机向量/多元随机变量

简介: 概率论笔记(五)随机向量/多元随机变量

一:联合分布

引入:

32.png

1.1联合分布函数

33.png

34.png

注:相比于一维的分布函数,其增加了一维空间,成了二维空间,测试整体的二维空间变成了整体的1;之后同样是概率的累计。


1.2二维离散型随机向量及其联合分布列

35.png36.png


1.3二维连续型随机向量及其联合密度函数

37.png

性质:

38.png


二:边缘分布与随机变量的独立性

2.1边缘分布

39.png

联合分布函数求边缘分布函数:

40.png


注:其意义就是在不管其中一个变量(不局限其范围,即最大范围)的时候,求另一个变量。其中例子见参考书吧。


2.2随机变量的独立性

41.png42.png


注: 见上面的最后一段,需要注意的是,之前咱们可以从联合分布求边缘分布,而从边缘分布求联合分布一般是不可能的,但是当X和Y独立的时候,边缘分布求联合分布是可以的。


2.3两个随机变量下的函数的分布

注:其类似于复合随机,见:https://blog.csdn.net/qq_37534947/article/details/109587828,只是增加成了两个变量。

2.3.1离散型

43.png44.png


2.3.2连续型

45.png46.png



目录
相关文章
|
3月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(上)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
3月前
|
机器学习/深度学习 搜索推荐 数据挖掘
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
3月前
|
数据可视化
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
|
3月前
|
数据可视化
R语言lasso惩罚稀疏加法(相加)模型SPAM拟合非线性数据和可视化
R语言lasso惩罚稀疏加法(相加)模型SPAM拟合非线性数据和可视化
|
3月前
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享(下)
【视频】什么是非线性模型与R语言多项式回归、局部平滑样条、 广义相加GAM分析工资数据|数据分享
|
9月前
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
90 0
|
3月前
|
数据可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
|
3月前
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
R语言蒙特卡洛计算和快速傅立叶变换计算矩生成函数
|
3月前
【数值分析】用幂法计算矩阵的主特征值和对应的特征向量(附matlab代码)
【数值分析】用幂法计算矩阵的主特征值和对应的特征向量(附matlab代码)
|
11月前
|
Serverless
第8章 概率统计——8.2 概率密度计算
第8章 概率统计——8.2 概率密度计算