这篇文档主要讲解了二维随机变量及其分布函数的相关概念和性质，包括离散型和连续型随机变量的联合分布、边际分布、独立性以及随机变量函数的分布和数字特征。以下是详细的内容总结：
1. **联合分布与边际分布**：
- 联合分布函数`F(x, y)`表示两个随机变量`X`和`Y`同时取值的概率。对于离散型随机变量，联合概率分布是通过联合概率质量函数`P(X=x, Y=y)`来描述的。
- 边际分布是通过对联合分布函数在单个变量上积分或求和得到的，表示一个随机变量独立于另一个变量时的分布。例如，对于离散型随机变量，边际概率分布可以通过`P(X=x) = ∑[P(X=x, Y=y)]`计算。
2. **二维离散型分布**：
- 特别提到了“三项分布”，它的边际分布是二项分布。二项分布通常用于描述在固定次数的独立伯努利试验中成功的次数。
3. **二维连续型分布**：
- 对于连续型随机变量，联合分布函数是通过二维的积分来定义的。如`F(x, y) = ∫∫[f(x, y)dxdy]`，其中`f(x, y)`是联合概率密度函数。
- 提到了均匀分布和二元正态分布，其中二元正态分布的边际分布是一元正态分布。
4. **随机变量的独立性**：
- 如果两个随机变量`X`和`Y`相互独立，那么它们的联合分布可以分别表示为各自边缘分布的乘积，即`P(X=x, Y=y) = P(X=x) * P(Y=y)`。独立性的概念可以扩展到多个随机变量的情况。
5. **随机变量函数的分布**：
- 对于离散型随机变量的函数，可以根据书中的内容在P76-P78找到相关计算方法。
- 对于连续型随机变量的函数，有两种方法求解分布：一是根据分布函数定义，二是利用特定的定理和公式，如书P129的定理3.1及相关公式，涉及`χ²`分布、`F`分布和`t`分布的构造性定义。
6. **随机变量的数字特征**：
- 数字特征主要包括原点矩和中心矩，高阶矩的存在性保证了低阶矩的存在。
- 一阶原点矩是数字期望，表示随机变量的平均值；二阶中心矩是方差，表示随机变量的波动程度；协方差和相关系数则反映了随机变量之间的线性关系。
7. **条件分布和条件期望**：
- 条件分布是知道一个随机变量的值后，另一个随机变量的分布。条件期望则是基于这个信息对另一个随机变量的期望值。
8. **特征函数**：
- 特征函数是随机变量的Fourier变换，它具有一些重要的性质，如非负定性，能够反映随机变量的所有统计特性。
这些内容构成了概率论与数理统计中关于多维随机变量的基础知识，对理解和应用随机变量的分布和性质至关重要。
VIP享7折，此内容立减5.97元 
