§3.5多维随机变量函数及其分布.pptVIP

* * 我们已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 二维随机变量函数的分布 一、离散型分布的情形 若(X,Y)的联合概率函数为: P(X= xi ,Y=yj) =pij , i,j =0,1,2,…, Z=g(X,Y)的所有取值为 g (xi , yj), i,j =0,1,2,…, 则: Z=g(X,Y)的概率函数为: 解：依题意 例1 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. 由于X,Y独立 i=0,1,2,… j=0,1,2,… 所以 即Z服从参数为 的泊松分布. r =0,1，… 例2 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+n2, p)为参数的二项随机变量，即Z ~ B(n1+n2, p). 设X和Y的联合密度为 f (x,y),求Z=g(X,Y)的密度. Z=g(X,Y)的分布函数是: FZ(z)=P(Z≤z)=P(g(X,Y) ≤ z) 若(X,Y)独立 二、连续型分布的情形 求得FZ(z)后 1. Z=X+Y的分布. FZ(z)=P(Z≤z)=P(X+Y ≤ z) 下面通过例子说明处理问题的一般方法 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 以上两式即是两个随机变量和的概率密度的一般公式. 特别，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: 这两个公式称为卷积公式 . 下面我们用卷积公式来求Z=X+Y的概率密度 解: 例3 若X和Y 独立,均服从[ -a, +a ] 上的均匀分布,求: Z=X+Y的概率密度 . 下面根据 Z的取值范围,分四种情形讨论 . 例4 若X和Y 独立,具有相同的分布N(0,1),证明 Z=X+Y~N(0,2). 所以 Z=X+Y~N(0,2). 用类似的方法可以证明: 若X和Y 独立, 此结论可以推广到n个独立正态随机变量之和的情形,请自行写出结论. 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: 例如，设X、Y独立，都具有正态分布， 则 3X+4Y+1也具有正态分布. 设(X,Y)的密度函数为f(x,y) 特别:X与Y独立时: o x y 例5 设X，Y独立， X~N(0,1), Y~N(0,1) 4、M=max(X,Y)及N=min(X,Y)的分布 设X，Y分布函数分别为FX(x)和FY(y), FM(z)=P(M≤z) =P(X≤z,Y≤z) =P(X≤z)P(Y≤z) 即有 FM(z)= FX(z)FY(z) 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)