多维随机向量函数的分布讲解.pptVIP

由概率密度与分布函数的关系, 即得Z=X+Y的概率密度为: 由X和Y的对称性, fZ (z)又可写成 以上两式即是两个随机变量和的概率密度的一般公式. 特别地，当X和Y独立，设(X,Y)关于X,Y的边缘密度分别为 fX(x) , fY(y) , 则上述两式化为: 这两个公式称为卷积公式 . 下面我们用卷积公式来求 Z=X+Y的概率密度; 例7 若X和Y 独立,具有共同的概率密度 求Z=X+Y的概率密度 . 解: 由卷积公式 为确定积分限,先找出使被积函数不为0的区域 为确定积分限,先找出使被积函数不为0的区域 例7 若X和Y 独立,具有共同的概率密度 求Z=X+Y的概率密度 . 解: 由卷积公式 也即 为确定积分限,先找出使被积函数不为0的区域 如图示: 也即 于是 解: 例8 若X和Y 独立, X服从(0,1)上的均匀分布，Y 服从参数为1的指数分布，求Z=X+Y 的概率分布. 此法称为图形定限法。 方法小结： ① 确定非零联合密度对应的积分变量的区间： ⒈ 确定fX(x), fY(z-x)各自的非零定义域A与B； ⒉ A与B的交集即为所求. ② 确定积分变量的积分限： ⒈ 将A与B的交集映射成平面坐标系中的区域； ⒉ 根据(变常数)z的变化，确定x的变化范围. 记忆要点： 连续类型巧计算， 技巧在于积分限； 边缘密度非零域， 交集映射便可见. 解 (方法二) (变量替换) X 、Y 的概率密度分别为 当0≤z≤1时， fZ(z) = 当1＜z＜2时 fZ(z) = 所以 例9 设X、Y的相互独立, 且都在[0,1]上服从均匀分布, 求Z=X+Y的分布。 ?  z-1 0 z 1 2 u 0 z-1 1 z 2 u 推论： 用类似的方法可以证明: 若X和Y 独立, 结论又如何呢? 若X和Y 独立,具有相同的分布N(0,1),则Z=X+Y服从正态分布N(0,2). 有限个独立正态变量的线性组合仍然服从正态分布. 三、M=max(X,Y)及N=min(X,Y)的分布 设X，Y是两个相互独立的随机变量，它们的分布函数分别为FX(x)和FY(y),我们来求M=max(X,Y)及N=min(X,Y)的分布函数. 又由于X和Y 相互独立,于是得到M=max(X,Y)的分布函数为: 即有 FM(z)= FX(z)FY(z) FM(z)=P{M≤z} =P{X≤z}P{Y≤z} =P{X≤z,Y≤z} 由于M=max(X,Y)不大于z等价于X和Y都不大于z，故有 分析： P{M≤z}=P{X≤z,Y≤z} 类似地，可得N=min(X,Y)的分布函数是 即有 FN(z)= 1-[1-FX(z)][1-FY(z)] =1-P{Xz,Yz} FN(z)=P{N≤z} =1-P{Nz} =1- P{Xz}P{Yz} 推广： 设X1,…,Xn是n个相互独立的随机变量,它们的分布函数分别为 我们来求 M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数. (i =0,1，…, n) 用与二维时完全类似的方法，可得 特别地，当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 N=min(X1,…,Xn)的分布函数是 M=max(X1,…,Xn)的分布函数为: FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n … … 若X1,…,Xn是连续型随机变量，在求得M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数后，不难求得M和N的密度函数. 当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n 需要指出的是，当X1,…,Xn相互独立且具有相同分布函数F(x)时, 常称 M=max(X1,…,Xn)，N=min(X1,…,Xn) 为极值 . 由于一些灾害性的自然现象，如地震、洪水等等都是极值，研究极值分布具有重要的意义和实用价值. 固定 x ,截面曲边梯形面积 边缘密度 是正态曲线 (X,Y)联合分布 (X,Y)边缘分布 一般 F(x,y)= P{X ≤ x,Y≤y} FX(x) = P{X ≤x,Y ＋∞} F Y(y) = P{X ＋∞,Y ≤y} 离散型 F(x ,y) = P{X=xi ,Y=y j}= pi j pi