概率论与数理统计第2章随机变量及其分布资料.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 当 X 为离散随机变量时， Y = g(X) 为离散随机变量. 将g(xi) 一一列出, 再将相等的值合并即可. 2.6.1 离散随机变量函数的分布 2.6.2 连续随机变量函数的分布 定理2.6.1 设 X ~ pX(x)，y = g(x) 是 x 的严格 单调函数，记 x = h(y) 为 y = g(x) 的反函数, 且h(y)连续可导，则Y = g(X)的密度函数为: 一 公式法 例2.6.1 设 X ~ 求 Y =eX 的分布. y = ex 单调可导, 反函数 x = h(y) = lny, 所以当 y 0 时, 由此得 解： 正态变量的线性不变性 定理2.6.2 设 X ~N (?, ?2)，则当a ? 0 时， Y = aX+b ~ N (a? +b, a2?2). 由此得： 若 X ~N (?, ?2)， 则 Y = (X? ?)/? ? N(0, 1). 对数正态分布 定理2.6.3 设 X ~N (?, ?2)，则 Y = e X 的服从 伽玛分布的有用结论 定理2.6.4 设 X ~ Ga (?, ?)，则当k 0 时， Y = kX ~ Ga (?, ?/k). 均匀分布的有用结论 定理2.6.5 设 X ~ FX (x)，若FX (x)为严格单调增的连 续函数，则Y = FX (X) ~ U(0, 1). 设连续型随机变量X的概率密度为f(x),则求Y=g(X)的概率密度的步骤为： 1、 求Y的分布函数： 2、分布函数对y求导数即得概率密度： 二、分布函数法 §2.7 分布的其它特征数 矩、变异系数、分位数、中位数 偏度系数 、峰度系数 2.7.1 k 阶原点矩和中心矩 k 阶原点矩：?k = E(Xk) ， k = 1, 2, …. 注意: ?1 = E(X). k 阶中心矩：?k = E[X?E(X)]k ， k = 1, 2, …. 注意: ?2 = Var(X). 定义2.7.1 2.7.2 变异系数 定义2.7.2 为 X 的变异系数. 作用： 称 CV 是无量纲的量, 用于比较量纲不同的两个随机变量的波动大小. 2.7.3 分位数 P( X ? xp ) = F(xp) = p 定义2.7.3 设 0 p 1， 若 xp 满足 则称 xp 为此分布 p - 分位数， 亦称 xp 为下侧 p - 分位数. 注 意 点 (1) 因为 X 小于等于 xp 的可能性为 p ， 所以 X 大于 xp 的可能性为 1? p . (2) 对离散分布不一定存在 p - 分位数. (3) 上侧 p -- 分位数 若记 x’p 为上侧 p - 分位数，即 则 P(X? x’p) = p 2.7.4 中位数 定义2.7.4 称 p = 0.5 时的p 分位数 x0.5 为中位数. 中位数与均值 相同点：都是反映随机变量的位置特征. 不同点： 含义不同. 统计中常用的 p - 分位数 (1) N(0, 1)： Z? , U? (2) ?2(n)： (3) t (n)： (4) F (n, m)： 2.7.5 偏度系数 * * * * * * * * * * * * * * 负二项分布(巴斯卡分布) 记为X ~ Nb(r, p). X 为独立重复的伯努里试验中， “第 r 次成功”时的试验次数. 注 意 点 (1) 二项随机变量是独立 0-1 随机变量之和. (2) 负二项随机变量是独立几何随机变量之和. 常用离散分布的数学期望 几何分布Ge(p) 的数学期望 = 1/p 0-1 分布的数学期望 = p 二项分布 b(n, p)的数学期望 = np 泊松分布 P(?) 的数学期望 = ? 常用离散分布的方差 0-1 分布的方差 = p(1?p) 二项分布 b(n, p)的方差 = np(1?p) 泊松分布 P(?) 的方差= ? 几何分布Ge