概率论与数理统计第三章随机向量及其独立性02.ppt

解2 P(Y=n)=P(Y≤n) - P(Y≤n-1) =P(max(X1,X2) ≤ n ) - P(max(X1,X2) ≤n-1) =P(X1≤ n, X2≤n) - P( X1 ≤ n-1, X2 ≤ n-1) n=0,1,2,… 作业 3.4，3.24，3.31， 3.32 * 例7 已知(X,Y) ~ f(x, y)，求Z=X+Y的概率密度. 解1 由概率密度的定义可知，Z=X+Y的概率密度为 例7 已知(X,Y) ~ f(x, y)，求Z=X+Y的概率密度. 解2 由概率密度的定义可知，Z=X+Y的概率密度为 推论 设(X,Y)关于X,Y的边缘密度分别为fX(x) , fY(y). 若X和Y独立, 则 两个随机变量和的概率密度的一般公式 解 例8 被积函数的非零域 10 (10,10) (10,20) 20 20 例9 解 被积函数的非零域 已知X, Y 相互独立且均服从标准正态分布， 求Z=X+Y的概率密度. 解 例10 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). 有限个相互独立的正态随机变量的线性组合仍然服从正态分布. 一个重要的结论 §3.5　极大极小值的分布 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), 求M=max(X,Y) 及 N=min(X,Y)的分布函数. M=max(X,Y) FM(z) = P{M≤z} = P{max(X,Y)≤z} = P{X≤z,Y≤z} = P{X≤z} P{Y≤z} = FX(z) FY(z) 类似地，可得N=min(X,Y)的分布函数是 =1-P{Xz,Yz} FN(z) =P{N≤z} =P{min(X,Y) ≤z} =1 – P{min(X,Y) z} =1- P{Xz}P{Yz} = 1-[1-FX(z)][1-FY(z)] 推论 例1 下面我们再举一例，说明当X1,X2为离散型随机变量时，如何求Y=max(X1,X2)的分布. 解1 记1-p=q，则 P(Xi=k) = p q k-1 , k=1,2, … ( i =1,2) 设随机变量X1,X2相互独立,并且有相同的几何分布 P(Xi=k)=p(1-p)k-1 , k=1,2, … ( i =1,2) 求Y=max(X1,X2)的分布 . 例2 P(Y=n) = P(max(X1,X2)=n) = P(X1=n, X2≤n) + P( X2 =n, X1 n) n=0,1,2,… §3.4　随机向量的函数的分布 设(X, Y)是二维随机变量,z =? (x, y)是一个已知的二元函数,如果当(X, Y)取值为(x, y)时, 随机变量Z取值为z =? (x, y),则称Z是二维随机变量的函数,记作Z =? (X, Y) 问题: 已知(X, Y)的分布, 求Z =? (X, Y)的分布. 一、离散型随机向量函数的分布 例1 概率 解 等价于 概率 例2 设两个独立的随机变量 X 与 Y 的分布律为 求随机变量 Z=X+Y 的分布律. 得 因为 X 与 Y 相互独立, 所以 解 可得 所以 解 Z=X+Y的所有可能的取值是0,1,2,…, 例3 X, Y 相互独立 证明 由前面的例题可知 例4 例5 设X和Y相互独立，X~B(n1,p),Y~B(n2,p),求Z=X+Y 的分布. 我们可以按照前面的方法来求解，也可以换一种方法. 回忆第二章对服从二项分布的随机变量所作的直观解释: 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). 解 （续） 从问题的背景出发得到的结果更直接，更容易理解. 更一般地， 二、连续型随机变量函数的概率分布 1. 已知(X,Y)~ f(x,y)，求Z = ? (X,Y)的概率分布. 若Z为连续型随机变量,则在f(z)的连续点处 解 例6 X,Y相互独立 设Z的分布函数和概率密度分别为 *