山东财经大学 概率论与数理统计_第3章.ppt

对于离散型随机变量(X1,X2,…,Xn)的情形， X1,X2,…,Xn相互独立，当且仅当对Xk的每个可能取值 k=1,2,…,n, 有等式 对于连续型随机变量(X1,X2,…,Xn)的联合密度函数为f(x1,x2,…,xn)， X1,X2,…,Xn相互独立，当且仅当 f(x1,x2,…,xn)=fX1(x1)fX2(x2) …fXn(xn) 其中fXk(xk)，(k=1,2,…,n)是关于Xk的边缘密度函数。 设n维随机变量(X1,X2,…,Xn) ，m维随机变量(Y1,Y2,…,Ym)， 如果对于任意的(x1,x2,…,xn)∈Rn，以及任意的(y1,y2,…,ym)∈Rm，均有 P(X1≤x1,X2≤x2,…,Xn≤xn;Y1≤y1,Y2≤y2,…,Ym≤ym) =P(X1≤x1,X2≤x2,…,Xn≤xn)? P(Y1≤y1,Y2≤y2,…,Ym≤ym) 则称n维随机变量(X1,X2,…,Xn)与m维随机变量(Y1,Y2,…,Ym)相互独立。 设(X1,X2,…,Xn)与(Y1,Y2,…,Ym)相互独立，则Xi (i=1, 2, …, n)与Yi (i=1, 2, …, m)相互独立； 又若h, g是连续函数，则h (X1,X2,…,Xn) 与g (Y1,Y2,…,Ym)相互独立。 用分布函数形式表示即为 F(x1,x2,…,xn,y1,y2,…,ym)=FX(x1,x2,…,xn)FY(y1,y2,…,ym) 3.5 多维随机变量的函数的分布 已知随机变量(X,Y)的分布，求Z=g(X,Y)的概率分布，其中z=g(x,y)是连续函数。 一、两个离散型随机变量的函数的分布举例 例3.18 已知随机变量(X,Y)的联合分布律为 试求Z1=X+Y，Z2=max(X,Y)的分布律。 Y X 1 2 1 1/5 1/5 2 0 1/5 3 1/5 1/5 解 Z1的所有可能取值为2,3,4,5 P(Z1=2)=P(X+Y=2)=P(X=1,Y=1)=1/5 P(Z1=3)=P(X+Y=3)=P(X=1,Y=2)+ P(X=2,Y=1) =1/5 P(Z1=4)=P(X+Y=4)=P(X=2,Y=2)+ P(X=3,Y=1) =2/5 P(Z1=5)=P(X+Y=5)=P(X=3,Y=2)=1/5 Z1的分布律为 Z1 2 3 4 5 P 1/5 1/5 2/5 1/5 Y X 1 2 1 1/5 1/5 2 0 1/5 3 1/5 1/5 Z2=max(X,Y)的所有可能取值为1,2,3 P(Z2=1)=P(X=1,Y=1)=1/5 P(Z2=2)=P(X=1,Y=2)+P(X=2,Y=1)+P(X=2,Y=2) =1/5+0+1/5=2/5 P(Z2=3)=P(X=3,Y=1)+P(X=3,Y=2) =1/5+1/5=2/5 Z2的分布律为 Z2 1 2 3 P 1/5 2/5 2/5 例3.19 设随机变量X与Y相互独立，它们分别服从参数为λ1和λ2的泊松分布，证明Z=X+Y服从参数为λ1+λ2的泊松分布。 证 k1=0,1,2,… k2=0,1,2,… Z=X+Y的所有可能取值为0,1,2,3,… X~P(λ1) Y~P(λ2) 因此 Z~P(λ1+λ2) k=0,1,2,… 二、两个连续型随机变量的函数的分布 设二维随机变量(X,Y)~f(x,y)，z=g(x,y)是连续函数，则随机变量Z=g(X,Y)的分布函数为 即FZ(z)可利用f(x,y)在平面区域：G={(x,y)| g(x,y)≤z}上的二重积分得到。 Z=g(X,Y)的密度函数为 三、常用的随机变量的函数的分布 1、和的分布 设(X,Y)～f(x,y)，(x,y)?R2, Z=X+Y，则Z是连续型随机变量，且Z的概率密度为 此两公式称为卷积公式。 或 证明 对任意的z∈R，Z=X+Y的分布函数为 O x y z=x+y 固定x 交换积分次序 所以 z∈R 同理可得 z∈R 特别地，当X,Y相互独立时， 或 其中，fX(x)，fY(y)为(X,Y)关于X和Y的边缘密度。 上式也称为fX(z)与fY(z)的卷积，记为 fX(z)*fY(z) 即X,Y相互独立时， fZ(z)= fX(z)*fY(z) 例3.20 设(X,Y)~N(0,1;0,1;0)，试求Z=X+Y的密度函数 解 由于?=0，所以X与Y相互独立，且 所以Z的密度函数为 令 此式说明Z~N(0,2) 一般地，(1) 且X与Y相互独立，则 (2)Y=aX+b，(a,b为常数，且a≠0)， 则 (3) X与