概率论与数理统计 --- 第三章{多维随机变量及其分布} 第五节：两个随机变量的函数的分布精选.pptVIP

作业 习题3-5 1; 4; 5; 7; 8 概率论 概率论 第五节 两个随机变量的函数的分布 Z=X+Y 的分布 M=max(X,Y) 及 N=min(X,Y) 的分布 Z=XY 的分布 *Z=X/Y 的分布 *Z=X2+Y2 的分布 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 r=0,1,2, … 一、 的分布 1. (X, Y) 为二维离散型情形 解: 依题意: 例2 若X 和Y 相互独立, 它们分别服从参数为 λ1, λ2 的泊松分布, 证明: Z=X+Y服从参数为λ1+λ2的泊松分布. 于是: i = 0, 1, 2,…; j = 0, 1, 2, … r = 0, 1, … 即: Z=X+Y服从参数为 λ1+λ2的泊松分布. 已知设 X 和 Y 的联合密度为 f(x,y), 求 Z=X+Y 的概率密度. 这里积分区域 D = { (x, y) | x+y ≤z }, Z=X+Y 的分布函数是: 它是直线 x+y = z 及其左下方的半平面. 2. (X, Y) 为二维连续型情形 化成累次积分, 得: 固定 z 和 y, 对方括号内的积分作变量代换, 令 x=u-y, 得: 变量代换 交换积分次序 由概率密度与分布函数的关系, 即得 Z=X+Y 的概率密度为: 由 X 和 Y 的对称性, fZ (z) 又可写成: 特别地, 当 X 和 Y 独立, 设 (X, Y) 关于 X, Y 的边缘密度分别为 fX(x), fY(y), 则上述两式化为: 卷积公式 两个随机变量的和的概率密度的一般公式: 为确定积分限, 先找出使被积函数不为 0 的区域 例3 若 X 和Y 独立, 具有共同的概率密度: 求 Z=X+Y 的概率密度 . 解: 由卷积公式: 也即: 故: 当 或 时, 暂时固定 当 时, 于是: 当 时, 例4 若 X 和 Y 是两个相互独立的随机变量, 具有相同的分布 N(0, 1), 求 Z=X+Y 的概率密度. 解: 由卷积公式: 令 得: 可见 Z=X+Y 服从正态分布 N(0, 2). 用类似的方法可以证明: 若 X 和 Y 独立, 结论又如何呢? 此结论可以推广到 n 个独立随机变量之和的情形. 若 X 和 Y 独立, 具有相同的分布 N(0, 1), 则 Z=X+Y 服从正态分布 N(0, 2). 有限个独立正态变量的线性组合仍然服从正态分布. 更一般地, 可以证明: 二、M=max(X,Y) 及 N=min(X,Y) 的分布 设 X, Y 是两个相互独立的随机变量, 它们的分布函数分别为 FX(x) 和 FY(y), 我们来求 M = max(X,Y) 及 N = min(X,Y) 的分布函数. FM(z)=P(M≤z) =P(X≤z,Y≤z) 由于 X 和 Y 相互独立, 于是得到 M = max(X,Y) 的分布函数为: = P(X≤z)P(Y≤z) FM(z) 1. M = max(X,Y) 的分布函数 即有: FM(z) = FX(z)FY(z) 即有: FN(z) = 1－[1－FX(z)][1－FY(z)] =1-P(Xz,Yz) FN(z)=P(N≤z) =1-P(Nz) 2. N = min(X,Y) 的分布函数 由于 X 和 Y 相互独立, 于是得到 N = min(X,Y) 的分布函数为: = 1- P(Xz)P(Yz) FN(z) 设 X1, …, Xn 是 n 个相互独立的随机变量, 它们的分布函数分别为: 我们来求 M=max(X1, …, Xn) 和N=min(X1, …, Xn)的分布函数. (i = 1, …, n) 用与二维时完全类似的方法, 可得: N=min(X1, …, Xn)的分布函数是: M=max(X1, …, Xn)的分布函数为: 特别地, 当 X1, …, Xn相互独立且具有相同分布函数F(x)时, 有: 例5 设系统 L由两个相互独立的子系统 L1, L2连接而成, 连接的方式分别为: (i) 串联, (ii) 并联, (iii) 备用(当系统 L