概率论3.5-3.6.pptVIP

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? 其中z = g ( x, y )为连续函数。 两个随机变量的函数的分布 Z=X+Y的分布 Z1=max(X,Y)及Z2=min(X,Y)的分布 设(X,Y) 是二维离散型随机变量,其联合分布列为 则 Z = g ( X, Y ) 是一维的离散型随机变量， 其分布列为: 离散型随机变量和的分布 Z=X+Y 的分布 步骤: (1) 确定Z=X+Y 的取值； (2) 确定Z=X+Y 取相应值的概率。 (也可以包括其他函数形式) 例1: 设(X,Y)的联合分布列为 Y X -1 0 1 0 0.1 0.2 0.3 1 0.2 0 0.2 分别求出（1）Z=X+Y;（2）W=X2+Y-2的分布列 Y X -1 0 1 0 0.1 (-1) 0.2 (0) 0.3 (1) 1 0.2 (0) 0 (1) 0.2 (2) Z -1 0 1 2 P 0.1 0.4 0.3 0.2 则Z的分布律： 括号里的数字表示Z的取值 Y X -1 0 1 0 0.1 0.2 0.3 1 0.2 0 0.2 求W=X2+Y-2 的分布列 Y X -1 0 1 0 0.1 (-3) 0.2 (-2) 0.3 (-1) 1 0.2 (-2) 0 (-1) 0.2 (0) W -3 -2 -1 0 P 0.1 0.4 0.3 0.2 则W的分布律： 括号里的数字表示W的取值 解： 依题意 例2: 泊松分布的可加性 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。 于是 X与Y独立 即Z服从参数为 的泊松分布. 同理： 二项分布的可加性 设X~B(n1 , p)，Y~B(n2 , p), 且 X 和 Y 相互独立,则 Z=X+Y ~B(n1+n2 , p)。 设(X,Y ) 是二维连续型随机变量,其联合概率密度为 f (x,y)，则Z=X+Y 的概率密度？ 连续型随机变量和的分布 Z=X+Y 的分布 先求Z=X+Y的分布函数: 它是直线 x+y =z 及其左下方的半平面. 对 z 求导: 由X 和Y 的对称性, fZ (z)又可写成 以上两式即是Z=X+Y的概率密度的一般公式. 设(X,Y ) 是二维连续型随机变量,其联合概率密度为 f (x,y)，则Z=X+Y 的概率密度: 连续型随机变量和的分布 Z=X+Y 的分布 特别地：当 X 和 Y 独立，(X,Y) 关于 X , Y 的边缘概率密度分别为 fX(x) , fY(y) , 有： 则: 卷积公式 一般情况下 X与Y独立时 为确定积分限,先找出使被积函数不为 0 的区域: 例1： 若 X 和Y 独立, 具有相同的概率密度,求： Z=X+Y的 解：由卷积公式: 即 概率密度 . 当 时 , 故当 或 时 , 当 时 , 于是 若X和Y 独立, 结论又如何呢? 若X和Y 独立 , X ~N(0,1)，Y ~N(0,1)，则： Z=X+Y ~N(0,2). 正态分布的可加性 P79页例3 更一般地： 有限个独立正态变量的线性组合仍然服从正态分布. 即 Z1=max(X,Y)及Z2=min(X,Y)的分布 设X，Y是两个相互独立的随机变量，分布函数分别为FX(x)和FY(y)，求 Z1 = max (X, Y) 及Z2 = min (X, Y)的分布函数。 桥梁或铸件所承受的最大应力、洪峰的高度、地震的震级等都用极值分布来描述。故研究最值分布有重要意义。 FZ1(z)=P(Z1≤z) =P(X≤z,Y≤z) =P(X≤z)P(Y≤z) Z1= max(X,Y) 的分布函数 =FX(z)FY(z) X 和 Y 相互独立 Z1= max(X,Y) 的分布函数为: FZ1(z)= FX(z)FY(z) = 1-[1-FX(z)][1-FY(z)] =1-P(Xz,Yz) =1-P(Z2z) =1- P(Xz)P(Yz) Z2 = min (X, Y)的分布函数 FZ2(z)=P(Z2