第五节二维随机变量的函数分布.pptVIP

§3.4 两个随机变量的函数的分布 * 在第二章中，我们讨论了一维随机变量函数的分布，现在我们进一步讨论: 我们先讨论两个随机变量的函数的分布问题， 然后将其推广到多个随机变量的情形. 当随机变量X1, X2, …,Xn的联合分布已知时， 如何求出它们的函数 Y=g(X1, X2, …,Xn), i=1,2,…,m 的分布? 一、离散型分布的情形 例1 若X、Y独立，P(X=k)=ak , k=0,1,2,…, P(Y=k)=bk , k=0,1,2,… , 求Z=X+Y的概率函数. 解: =a0br+a1br-1+…+arb0 由独立性 此即离散 卷积公式 r=0,1,2, … 和的分布：Z = X + Y 解：依题意 例2 若X和Y相互独立,它们分别服从参数为 的泊松分布, 证明Z=X+Y服从参数为 的泊松分布 由卷积公式 i=0,1,2,… j=0,1,2,… 由卷积公式 即Z服从参数为 的泊松分布. r=0,1，… 设 X ~B (n1, p), Y ~B (n2, p), 且独立， 具有可加性的两个离散分布 设 X ~ P (?1), Y ~ P (?2), 且独立， 则 X + Y ~ B ( n1+n2, p) 则 X + Y ~ P(?1+ ?2) 例3 设X和Y的联合密度为 f (x,y),求Z=X+Y的密度 解: Z=X+Y的分布函数是: FZ(z)=P(Z≤z)=P(X+Y ≤ z) 这里积分区域D={(x, y): x+y ≤z} 是直线x+y =z 左下方的半平面. 二、连续型分布的情形 (1) 和的分布：Z = X + Y ? z ? z x +y= z 化成累次积分,得 由X和Y的对称性, fZ (z)又可写成 以上两式是两个随机变量和的概率密度的一般公式. 特别，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 . 记为 例4 已知( X ,Y ) 的联合d.f.为 Z = X + Y ,求 f Z (z) 解法一（图形定限法） 显然X ,Y 相互独立,且 z 1 z = x z-1 = x x 2 1 解法二 从分布函数出发 x+y = z 当z 0 时， 1 y x 1 当0 ? z 1 时， y x 1 1 x+y = z ? z ? z x+y = z 当1? z 2 时， z-1 1 y x 1 ? z ? z 1 y x 1 x+y = z 2 2 当2 ? z 时， 正态随机变量的结论 若X ,Y 相互独立, 则 若(X ,Y ) 则 若 相互独立 则 推广 例如 已知(X ,Y )的联合d.f. f (x,y)， Z = X / Y , 求 f Z (z) 令 (2) 商的分布： Z = X / Y 例5 已知( X, Y ) 的联合分布函数为 求Z = X / Y 的 p.d.f. 解 时 当 时 所以 (3) 平方和的分布: Z = X 2+Y 2 设(X ,Y )的联合 d.f. 为 f (x,y)， 则 例如，X ~ N(0,1), Y ~ N(0,1), X ,Y 相 互独立， Z = X 2+Y 2 , 则 自由度为2 的? 2分布 称为 (4) 极值分布：即极大(小)值的分布 离散随机变量的极值分布 可直接计算 仅就独立情形讨论极值分布 max{X ,Y } P 1 0 0.75 0.25 例6 X, Y 相互独立, 都服从参数为 0.5 的 0-1分布. 求 M = max{X ,Y }的概率分布 解 Y X pij 1 0 1 0 0.25 0.25 0.25 0.25 设连续随机变量X ,Y 相互独立, X ~ FX (x), Y ~ FY (y), M = max{X ,Y }, N = min{X ,Y }, 求 M ,N 的分布函数. * *