五维随机变量函数的分布.PPTVIP

类似地，可得N=min(X,Y)的分布函数是 下面进行推广 即有 FN(z)= 1-[1-FX(z)][1-FY(z)] =1-P(Xz,Yz) FN(z)=P(N≤z) =1-P(Nz) =1- P(Xz)P(Yz) 设X1,…,Xn是n个相互独立的随机变量, (i =0,1，…, n) 它们的分布函数分别为 M=max(X1,…,Xn)的分布函数为: … N=min(X1,…,Xn)的分布函数是 … 特别，当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n 与二维情形类似，可得: 需要指出的是，当X1,…,Xn相互独立且具有相同分布函数F(x)时, 常称 M=max(X1,…,Xn)，N=min(X1,…,Xn) 为极值 . 由于一些灾害性的自然现象，如地震、洪水等等都是极值，研究极值分布具有重要的作用和实用价值. 下面我们举一例，说明当X1,X2为离散型r.v时，如何求Y=max(X1,X2)的分布. 解一: P(Y=n)= P(max(X1,X2)=n) =P(X1=n, X2≤n)+P( X2 =n, X1 n) 记1-p=q 例9 设随机变量X1,X2相互独立,并且有相同的几何分布: P(Xi=k)=p(1-p)k-1 , k=1,2, … ( i =1,2) 求Y=max(X1,X2)的分布 . * 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: 我们先讨论两个随机变量的函数的分布问题，然后将其推广到多个随机变量的情形. 当随机变量X1, X2, …,Xn的联合分布已知时，如何求出它们的函数 Yi=gi(X1, X2, …,Xn), i=1,2,…,m 的联合分布? 3.5.1 和的分布 3.5.1.1 离散型随机变量和的分布 3.5.1.2 连续型随机变量和的分布 3.5.4 极值分布 第五节 二维随机变量的函数分布 二维随机变量的函数的分布 设 是二维随机变量, 其联合分布函数为 是随机变量 的二元函数 的分布函数 问题：如何确定随机变量Z的分布呢？ 一、离散型分布的情形 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 此即离散 卷积公式 r=0,1,2, … 3.5.1 和的分布：Z = X + Y 例2 设 的联合分布列为 2/12 0 2/12 3 0 1/12 2/12 1/2 3/12 1/12 1/12 -1 0 -1 -2 Y X 分别求出（1）X+Y；（2）X-Y的分布列 解 由（X，Y）的联合分布列可得如下表格 3 5 3/2 5/2 -1 0 1 3 1 -1/2 -3/2 -1 -2 -3 2/12 2/12 1/12 2/12 3/12 1/12 1/12 概率 解 得所求的各分布列为 2/12 2/12 1/12 2/12 3/12 1/12 1/12 概率 3 1 -1/2 -3/2 -1 -2 -3 X+Y 2/12 2/12 1/12 2/12 3/12 1/12 1/12 概率 3 5 3/2 5/2 -1 0 1 X-Y 解：依题意 例3 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 的泊松分布. 由卷积公式 i=0,1,2,… j=0,1,2,… 即Z服从参数为 的泊松分布. r=0,1，… 例4 设X和Y相互独立，X~B(n1,p),Y~B(n2,p), 求Z=X+Y 的分布. 回忆第二章对服从二项分布的随机变量所作的直观解释: 我们给出不需要计算的另一种证法: 同样，Y是在n2次独立重复试验中事件A出现 的次数,每次试验中A出现的概率为p. 若X~ B(n1,p),则X 是在n1次独立重复试验中事件A出现的次数,每次试验中A出现的概率都为p. 故Z=X+Y 是在n1+n2次独立重复试验中事件A出现的次数，每次试验中A出现的概率为p,于是Z是以（n1+