第四节随机变量函数的分布.pptVIP

分布的密度函数图形 设随机变量 独立同分布， 且都服 从参数为 λ指数分布，则 (二）商的分布 设 是二维连续型随机变量, 其密度函数为 求 的分布密度函数。 利用分布函数法，先求 的分布函数 两边对 z 求导，得 例11 设 与 相互独立，分别是自由度为 n 及 m 的 分布的随机变量，试求 的密度函数。 分布的密度函数为 由此易得 及 的密度函数分别为： 由商的公式，可得，当 时 作积分变量代换 则有 分布密度函数的积分 最后得到： 由上述密度函数所确定的分布称为自由度为 的 分布，记作 第一自由度 第二自由度 分布的密度曲线图 例12 设 又 相互独立， 则随机变量 所服从的分布称为自由度为 n 的 分布，记作 其密度函数为 不难看到，当n充分大时，t 分布近似N (0,1) 分布. 但对于较小的n，t分布与N (0,1)分布相差 很大. 随机变量的变换定理 若已知 的联合分布密度函数为 又已 知 求 的联合分布。 问题： 随机变量的变换定理 设 的联合分布密度函数为 如果函数 有连续偏导数，且存在唯一的反函数： 其变换的雅可比行列式 若 则 的联合分布密度函数为 变量变换公式 证 由分布函数的定义，有 令 则 由此可知， 的联合分布密度函数为 例13 若 与 是相互独立的随机变量，均服从 试证 及 是相互独立的。 解 采用极坐标， 从而 又因为 的联合分布密度函数为 变换的雅可比式为 由此可得 的联合概率密度函数为 因此， 的密度函数为 -----瑞利（Rayleigh)分布 服从 上的均匀分布。 显然，它们是独立的。 例14 （积的分布） 设二维随机变量 的联合密度函 数为 求 的密度函数。 解 记 则 的反函数为 此变换的雅可比式为 所以 的联合密度函数为 再由边缘分布的计算公式，可得 利用分布函数法导出乘积的分布 由分布函数的定义，当 u 0 时，有 x O y * * 第四节 随机变量函数的分布 设y=f(x)为一个通常的连续函数，ξ为定义在概率 在概率空间上的随机变量。 空间上的随机变量，令 那么 也是一个定义 设ξ是连续型随机变量， 是ξ的函数 那么 也是连续型随机变量。 问题 已知 r.v. ξ 的p.d.f. 求 随机因变量 的密度函数 方法 将与 有关的事件转化成ξ的事件 （1） 从分布函数出发 （2）用公式直接求p.d.f. 这种方法称之为分布函数法。 计算的关 键是给出上式的积分区间。即将事件 转化为用 其中 设ξ为连续型随机变量，具有概率密度 又 在大部分情况下 也是连续型随机变量。为了 求出 的概率密度 可以先求出 的分布函数 由 便可求出 的概率密度 表示的事件 例3 已知 ξ 的 p.d.f.为 为常数，且 a ? 0, 求 解 当a 0 时， 又 当a 0 时， 故 例如 设 ξ ~ N (? ,?2) , 特别地 ，若 则 则 例4: 设连续型随机变量ξ具有概率密度 求 解 : 先求出 从而 的概率密度 的分布函数 的概率密度为 例5 已知 解 求 例6 已知 解 从分布函数出发 当 y ≤ 0 时， 当 y 0 时， 求 y 故 比较以下两个函数 分布 定理3.1 设 是一个连续型随机变量，其密度函数为 又函数 严格单调，其反函数 有连 续导数，则 也是一个连续型随机变量，且其 密度函数为 其中 证明: 若 严格单调增加，则其反函数 存在且也严格单调增加。 在区间 内取值， 当 时， 当 时， 当 时， ?若y=f (x) 严格单调下降，同样可以证明: 的概率密度为 综上所述得: 例7 设 求 解 o y x 例8 设 ξ 的 p.d.f.为 求 的 p.d.f. 解 故当 y ? 0 由图可知, η 的取值范围为(0,1) x ? y 或 y ?1 时 当0 ? y 1 时 x ? y y arcsiny ? - arcsiny 故 注意 连续型 r.v.的函数的分布 例如 ξ ~ U (0,2) 令η=g (ξ) x y 1 Fη (y)不是连续函数 函数不一定是连续函数 多维随机变量函数的分布 （一）和的分布 设 是一个二维连续型随机变量，密度函数为 求 的分布。 采用分布函数法： 在内层积分中作积分变量代换 将上积分变为 由上式可知， 仍是一个连续 型随机变量，且其密度函数为： 由对称性还可将其表示为 若 与 相互独立，且它们的分布密度分别为 和 此时他们的联合概率密度函数为 由此得 或 ------卷积 ﹡ 例9 设 是相互独立的随机变量且都服从标准正态 分布 求 的密度函数。 解 由卷积公式，有 作积