随机变量的函数及其分布.docVIP

§5 随机变量的函数及其分布 ? 一、离散型随机变量的函数 二、一维连续型随机变量的函数的分布 三、(连续型)随机向量函数的分布律 四、随机向量的变换 本章补充与注记 ? 人们经常碰到随机变量的函数.例如分子运动的动能T=是分子运动速度——随机变量v的函数；数理统计中经常用到(n)分布，相应的随机变量=+…+，其中各相互独立，都服从N (0, 1). 是,…,的函数. 一般，若ξ是随机变量, y = g (x)是普通的实函数，则η= g(ξ)是ξ的函数. 接着产生两个问题：1) η是随机变量吗？2) 如果是，η的分布与ξ的分布有什么关系？对于多个随机变量的函数，也存在同样的问题. 对第一个问题比较容易解决. 因为若η= g (ξ)是随机变量，就必需满足§1的(1)式，这就不得不对函数g (x) 有所限制. 定义 设g (x)是一维实函数，(是R上的波雷尔σ-域. 若对任意B∈(，都有 {x: g (x) ∈B}=g(1 (B) ∈( (1) (即当g (x)的值域是波雷尔集时，其原像也是波雷尔集), 则称g(x)是一元波雷尔函数. 实变函数论中可以证明：一切分段连续, 分段单调的函数都是波雷尔函数，故它是十分广泛的一类函数，日常碰到的大都是这类函数. 现在我们可以来回答第一个问题：若ξ是概率空间 (Ω, (, P)上的随机变量, f(x)是一元波雷尔函数，η= f (ξ) , 则对任意的B∈(，由这里的 (1)及§1的(1)式可得 {ω:η(ω)∈B}={ω: f (ξ(ω))∈B}={ω:ξ(ω)∈f(1(B) }∈(. 故η是随机变量. 类似可以定义n元波雷尔函数. 且若f ()是波雷尔函数，则η= f()就是随机变量. 以后我们讲随机变量的函数都是指这种函数. 下面讨论第二个问题，分几步来解决. ? 一、离散型随机变量的函数 这种情况比较简单，仅举几个例子来说明. 例1 设ξ的分布列为，η=2ξ-1, ζ=, 求η,ζ各自的分布. 解 η的可能取值为(3, (1, 1, 3, 是有限个, 只须算出对应的概率. 由于{η=(3}= {ξ=(1}，故P{η=(3}= P{ξ=(1}，类似可得其它概率. 我们得到η的分布: . ζ可取的值为0,1,4,但注意到{ζ=1}={ξ=1}{ξ=(1},故P{ζ=1} =P{ξ=1}+P{ξ= }=;ζ的分布列为. 一般，设ξ有分布列P(ξ=) = p (), i=1,2,…, 则η=f (ξ)有分布列 P(η=) =, j =1, 2,…. 例2 设ξ～B (, p), η～B (, p), ξ,η相互独立，求ζ=ξ+η的分布. 解 ξ,η各可取值0,1,…,和0,1,…, , 则ζ可取值0, 1,…, +, 且由§4的(5)式，得 P(ζ= r) = = == =, 这里用到了组合数的性质. 计算的结果表明: ξ+η～B (+, p), 这个事实显示了二项分布一个很重要的性质：两个独立的二项分布，当它们的第二参数相同时，其和也服从二项分布，它的第一参数恰为这两个二项分布第一参数的和. 这性质称为二项分布的再生性（或可加性(additive property)）.从ξ,η的概率意义来看，这结果是非常明显的：ξ和η分别是重贝努里试验中成功的次数，两组试验合起来，ζ=ξ+η应该就是重贝努里试验中成功的次数. 本例计算过程中得到的公式 P(ζ= r) = = (2) 是计算取非负整数值的独立随机变量和的分布的公式，称为离散卷积公式. ? 二、一维连续型随机变量的函数的分布 设ξ的密度函数为p (x)，我们要求出η=f (ξ)的分布函数G(y). 事实上, G(y) =P(η(y) = P(f (ξ) (y), 而D ={x:f (x) (y}是一维波雷尔集，故 G(y)= P(ξ∈D) =. (3) 至于η是不是连续型随机变量，它的密度函数是什么，在一般场合无法作出决定，但在某些特殊而又常见的场合，我们可以直接导出η的密度函数g(y). 定理1 若f(x)严格单调，其反函数(y)有连续导函数，则η=f (ξ)也是连续型随机变量，其密度函数为 g(y) = (4) 证 不妨设f(x)严格单调增加，且(∞ x +∞时, A f (x) B. 显然若y(A则G(y) = 0，此时有g(y)=0；当AyB时, {η(y}={f (ξ) (y}= {ξ((y)}, 故 G(y) = P(η(y) =, 令x =(v), 得 G(y)== , 其中g(v) 如(4)式所示；而当y(B时有G(y)=1, 故g(y