概统 二维 rv函数的分布培训教案.pptVIP

* §3.4 二维 r.v.函数的分布 已知r.v.( X ,Y )的概率分布, g(x, y) 为已知的二元函数, 转化为( X ,Y )的事件 问题 方法 求 Z = g( X ,Y )的概率分布 §3.4函数的分布 (1) 和的分布：Z = X + Y 设( X ,Y )的联合d.f.为 f (x,y), 则 ? z ? z x +y= z 或 特别地，若X ,Y 相互独立，则 或 或 称之为函数 f X ( z) 与 f Y ( z)的卷积 例8 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 例8 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， 例9 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） 由公式（1） 例9 z x z = x z = 2x x = 1 1 2 当 z 0 或 z 2 , z z z z 当 0 ≤ z 1, 当 1 ≤ z 2, f Z (z) = 0 这比用分布函数做简便 解法二 （不等式组定限法） 考虑被积函数取非零值的区域 令不等式边边相等,解得 z 轴上的三个 分界点 0，1，2 当 或 时不等式组 无解 当 时不等式组 解为 当 时不等式组 解为 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 正态随机变量结论 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 (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10 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 例10 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. 推广 相互独立，且 设 则 例11 系统 L 由相互独立的 n 个元件组 (4) L 为 n 个取 k 个的表决系统 ( 即 n 个元件中有 k 个或 k 个以上的元件正 常工作时，系统 L 才正常工作). 例11 (3) 冷贮备 ( 起初由一个元件工作, 其它 n – 1 个元件做冷贮备, 当工作元件失效时, 贮备的元件逐个地自动替换)； 成, 其连接方式为 (1)串联; (2)并联； 若 n 个元件寿命分别为 且 求在以上 4 种组成方式下, 系统 L 的 寿命 X 的 d.f. 解 (1) (2) (3) n = 2 时， t x x = t 可证, X 1+ X 2 与 X 3 也相互独立, 故 归纳地可以证明， (4)