3.5两个随机变量的函数的分布(易).ppt

设 即存在唯一反函数： 则 已知 ( X ,Y )联合 d.f. f XY ( x , y )， 求 (U, V ) 的 p.d. f UV(u, v) 的公式： 在D有连续的偏导数, 例7: 设X,Y相互独立,都服从参数为λ=1的指数分布,而U=X+Y,V=X/Y. (1)求(U,V)的联合密度,(2)分别求U,V的概率密度,(3)讨论U,V的独立性. 记 D={(x,y)|x0,y0},显然有P{(X,Y)∈D}=1, 解: 首先(X,Y)的概率密度为 对变换(Δ): ,当(x,y) ∈D时,(u,v)的值域为:G={(u,v)|u0,v0} 所以 由定理得(U,V)的联合密度为 (2)可由(U,V)的联合密度 求出U,V的概率密度fU(u),fV(v) (3)容易看出,对于任意u,v有, 所以U,V相互独立. 此变换满足定理中的条件 (i)(ii)(iii)变换(Δ)解得 例如 已知(X ,Y )的联合p.d. f (x,y)， Z = X / Y , 求 f Z (z) 令 利用此法求 商的分布： Z = X / Y 小结  本章以二维随机变量为主，讨论了多维随机变量的(1)联合分布 (2)边缘分布 (3)X,Y的独立性 (4)条件分布 (5) 二维随机变量函数的分布。 2．若X?N(μ,σ2)，则 3．若Xi服从正态分布 N(μi,σi2), Xi相互独立， i=1,2,…,n. 则 关于正态分布的一些结论： 1．若X?N(μ,σ2)，则 4．(X,Y)服从二维正态分布，ρ=0 ? X与Y相互独立（?X与Y不相关）； 7.若X,Y为正态同分布且相互独立?Z=X/Y服从柯西分布； 5．(X,Y)服从二维正态分布? X,Y也服从正态分布； (X,Y)服从二维正态分布?其条件分布也是正态分布; 6．若X,Y为正态同分布且相互独立? 服从瑞利分布； 一、离散型随机变量函数的分布 二、连续型随机变量函数的分布 3.5两个随机变量函数的分布 一、离散型随机变量函数的分布 例1 P 解 已知等价于 P 结论 设 X ~B (n1, p), Y ~B (n2, p), 且X与Y独立， 具有可加性的两个离散分布 设 X ~ P (?1), Y ~ P (?2), 且X与Y独立， 则 X + Y ~ B ( n1+n2, p) 则 X + Y ~ P(?1+ ?2) Poisson分布可加性证明 X ~ P(?1), Y ~ P(?2), 则 Z = X + Y 的可能取值为 0,1,2, ?, 问题 已知r.v.( X ,Y )的d.f.或p.d.，g(x,y)为已知的二元函数， 求 Z= g( X ,Y ) 的d.f.或p.d. 方法 1. 从求Z 的分布函数出发,关键步：将Z 的 分布函数转化为( X ,Y )的事件。 2.建立新的二维r.v.(Z ,X )或(Z, Y ), 求其边缘分布得Z 的d.f.(稍后再说） 二、连续型随机变量函数的分布 方法1： 其中 例如：欲求平方和的分布函数与密度: Z = X 2+Y 2 设(X ,Y )的联合 p.d. 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 同法可得X ~ N(0,1), Y ~ N(0,1), X ,Y 相互独立， Z = , 则Z服从参数为1的瑞利分布（见书88页） 1. Z=X+Y 的分布 由此可得概率密度函数为 由于 X 与 Y 对称, 当 X, Y 独立时, 称之为函数 fX(z)与fY(z)的卷积 由公式 解 例2 设两个独立的随机变量 X 与Y 都服从标准正态分布,求 Z=X+Y 的概率密度. 得 说明 有限个相互独立的正态随机变量的线性组合仍然服从正态分布. 即若 相互独立 则 若(X ,Y ) 则 解 例3 此时 例4 证明 注1. 注2. 当 X, Y 独立时, 由此可得概率密度为 同理可得 故有 类似可得 乘积函数的分布：Z=XY 解 由公式 例5 得所求密度函数 得 则有 故有 推广 例6 解 另一种计算 f U (u) 的方法 构造一个新的二维 r.v. (U ,V ), 求( U , V ) 的联合 p.d. f ( u, v ) 求边缘密度 f U (u) 其中 随机变量变换法