第三章随机向量的分布与数字特征.ppt

3.3 两个随机变量的函数的分布 的分布 M=max(X,Y)及N=min(X,Y)的分布 小结 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: 当随机变量 X, Y 的联合分布已知时，如何求出它们的函数 Z = g ( X, Y ) 的分布? 引言 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 r=0,1,2, … 一、 的分布 离散型情形 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 于是 i = 0 , 1 , 2 , … j = 0 , 1 , 2 , … 的泊松分布. r = 0 , 1 , … 即Z服从参数为 的泊松分布. 一般情形 设 是二维离散型随机变量,其联合分布列为 则 是一维的离散型随机变量 其分布列为 例 3 设 的联合分布列为 Y X -2 -1 1 0 0.2 0.1 0.3 1 0.3 0 0.1 分别求出（1）X+Y；（2）X-Y；（3）X2+Y-2的 分布列 解 由（X，Y）的联合分布列可得如下表格 (0,-2) (0,-1) (0,1) (1,-2) (1,-1) (1,1) 概率 0.2 0.1 0.3 0.3 0 0.1 -2 -1 1 -1 0 2 2 1 -1 3 2 0 -4 -3 -1 -3 -2 0 解 得所求的各分布列为 X+Y -2 -1 0 1 2 概率 0.2 0.4 0 0.3 0.1 X-Y -1 0 1 2 3 概率 0.3 0.1 0.1 0.2 0.3 X2+Y-2 -4 -3 -2 -1 0 概率 0.2 0.4 0 0.3 0.1 例4 设X和Y的联合密度为 f (x,y) , 求 Z=X+Y 的概率密度. 这里积分区域 D={(x, y): x+y ≤z} 解 Z=X+Y的分布函数是: 它是直线 x+y =z 及其左下方的半平面. 连续型情形 化成累次积分,得 固定z和y,对方括号内的积分作变量代换, 令 x=u-y,得 变量代换 交换积分次序 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: 下面我们用卷积公式来求Z=X+Y的概率密度. 卷积公式 例 5 例 5（续） 例6 若X和Y 是两个相互独立的随机变量 , 具有相同的分布 N(0,1) , 求 Z=X+Y 的概率密度. 解 由卷积公式 令 得 可见 Z=X+Y 服从正态分布 N(0,2). 用类似的方法可以证明: 若X和Y 独立, 结论又如何呢? 此结论可以推广到n个独立随机变量之和的情形,请自行写出结论. 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. 更一般地, 可以证明: 二、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. FM(z)=P(M≤z) =P(X≤z,Y≤z) 由于 X 和 Y 相互独立,于是得到 M = max(X,Y) 的分布函数为: =P(X≤z)P(Y≤z) FM(z) 1. M = max(X,Y) 的分布函数 即有 FM(z)= FX(z)FY(z) 即有 FN(z)= 1-[1-FX(z)][1-FY(z)] =1-P(Xz,Yz) FN(z)=P(N≤z) =1-P(Nz) 2. N = min(X,Y) 的分布函数 由于 X 和