Wybierając losowo osobnika z tej populacji, oznaczmy przez X jego wzrost, przez Y jego ciężar. Wtedy łączna funkcja prawdopodobieństwa P(x,Y)(h j)i dla i = 1,2,3 oraz j = 0,1,2,3 (poza tym zero) zawarta jest w tabelce
2 3
0.06 O 0.16 0.08 0.1 0.12
P(x,Y)(iJ) O 1
W przypadku zmiennych losowych typu ciągłego definiujemy (łączną) gęstość:
Definicja 0.4.6 Para (wektor) zmiennych losowych (X, Y) ma gęstość f(x,y) jeśli F((X,F) e A) = J Jj(x,y)dxdy
dla f : R2 —* R2, takiej, że f > 0 oraz f JR2 f(x,y)dxdy = 1, gdzie A jest obszarem regularnym.
W szczególności, gdy A = [x,x + Aa:] x [y + Ay], dla małych dodatnich wartości Ax, Ay,wtedy
/x+Ax ry+Ay
J f(u, v)dudv « f(x, y)AxAy
Przykład 0.4.15 Niech f{x,y) = e~vl^x y-);Q<x<vy(x, y). Wtedy f f f(x,y)dxdy = 1.
Przykład 0.4.16 (Rozkład jednostajny na kole). Wybieramy losowo punkt na kole jednostkowym K = {(a:,y) : x2 +y2 < 1}. Niech (X, Y) oznacza wektor jego współrzędnych. Wtedy gęstość tego wektora
f(x,y) = (1/tt)I K(x,y) dla wszystkich x,y € R.
Dystrybuanta dwuwymiarowa
Definicja 0.4.7 Niech (X, Y) będzie wektorem zmiennych losowych. Dystrybuantą (X, Y) nazywamy funkcję F : R2 —> [0,1], określoną wzorem
F(x,y) = P(X<x,Y<y)
Uwaga 0.4.6 Jeśli (X, Y) ma gęstość f(x, y), to
F(x,y) = J j f(u,v)dydx
Dla dowolnych aj < oraz a? < ł>2, związek
^(X,r)((®i^i] x («2,Ó2]) = P(ai < X < &i,a2 < Y < 62)
określa prawdopodobieństwo P(x,Y) na płaszczyźnie R2 (i o—ciele zbiorów borelowskich). Przestrzeń probabilistyczną Q(x,y) = (R2, P(x,Y)) nazywamy kanoniczną przestrzenią probabilistyczną wektora (X, y). Szansę uzyskania wartości w prostokącie można wyrazić przy pomocy dystrybuanty:
P(a 1 < X < 61,02 < y < 62) = F(bi,b2) + F(ai,a2) - F(aj,b2) - F(bi,d2)
14