概率论及数理统计3.3+3.4+3.5.pptVIP

例：已知X 和Y 相互独立，且 X ~ N(0,1)， Y ~ N(0,1)，试求 Z = X + Y 的概率密度． 解： 于是 即有Z ~ N(0,2) ． 由已知 结论： 若X 和Y 相互独立，X ~ N(0,1)， Y ~ N(0,1)，则 X + Y ~ N(0,2)． 进一步推广：若 X1, X2, …, Xn 相互独立，且 Xi ~ N(mi , si2)， i = 1, 2, …, n， 记 ，则 推论： 若X 和Y 相互独立，X ~ N(m1, s12)，Y ~ N(m2, s22) ， 则X + Y ~ N(m1 + m2, s12 +s22) ． 2.商的分布 设 的概率密度为 的分布函数 为 概率密度为 则 其中 为由 确定的平面区域, 为由 确定的平面区域,如图所示.令 则有 从而 的概率密度为 特别地， 与 相互独立时, 的概率密度为 其中 与 分别为 的边缘概率密度. 例5 随机变量 相互独立, 均服从参数 为 的指数分布,求 的密度函数. 解 由题可得 由 相互独立,所以 当 时, 当 时, 从而 3.一般情况 对于更一般的情况,如果 是二维连续型 随机变量,概率密度为 则 的 分布函数为 其中 为平面区域 通过二重积分 求出分布函数 然后再求导得到 的概率 密度 当X 和Y 相互独立时， M = max (X,Y) 及N = min (X,Y)的分布 设 X1, X2, …, Xn 相互独立，则 M = max (X1, X2, …, Xn ) 及 N = min (X1, X2, …, Xn ) 的分布函数为 推广 若 X1, X2, …, Xn 相互独立且具有相同分布函数 F(x) ，则 §3 随机变量的相互独立性 回顾：独立事件 定义：设 A, B 是两个事件，若 P(AB) = P(A)P(B)，则称事件 A, B 相互独立，简称 A, B 独立． 定理1：若 P(A) 0 ，则事件 A, B 独立的充要条件是 或（若 P(B) 0） 定理2：若事件 A与B 相互独立，则下列三对事件也独立： 定义：若对于所有的实数 x, y，有 P{X≤x, Y≤y} = P{X≤x} P{Y≤y}， 则称随机变量X 和Y 是相互独立的． 设 F(x, y)及FX (x)，FY (y)分别是二维随机变量(X,Y)的分布函数及边缘分布函数，则上式可记作 F (x, y) = FX (x) FY (y) ． 设 f(x, y)及 fX (x)，fY (y)分别是二维连续型随机变量(X,Y)的概率密度及边缘概率密度，则上式也可记作 f(x, y) = fX (x) fY (y) 若(X,Y) 是二维离散型随机变量，则对于(X,Y) 的所有可能取值 ( xi , yj ) ，有 P{ X = xi , Y = yj } = P{X = xi } P{Y = yj } ． （在平面上几乎处处成立） 例 设 的联合分布列为 证明 与 分布相互独立。 容易算得证明 与 的边缘分布列为： 容易验证： 类似可以验证： 对所有的 成立，所以 与 分布相互独立。 例：设二维正态随机变量 (X, Y) 的概率密度为 其中 m1, m2, s12, s22, r 都是常数，且 s1 0， s2 0， 0| r |1． X ~ N(m1, s12) Y ~ N(m2, s22) 证明：对于二维正态随机变量 (X, Y) ， X 和Y 相互独立的充分必要条件是 r = 0 ． 若 r = 0，则对于所有的实数 x, y，有 f(x, y) = fX (x) fY (y) ，即 X 和Y 相互独立． 若X 和Y 相互独立，因为 f(x, y) , fX (x), fY (y) 是连续函数，所以对于所有的实数 x, y，有 f(x, y) = fX (x) fY (y) ． 特别地，令 x = m1，y = m2，那么 从而 r =