茆诗松概率论与数理统计教程课件第三章 3.pptVIP

§3 多维随机变量函数的分布 1. 多维离散随机变量函数的分布 或写成表的形式为 由于X=xi,Y=yj时, Z=g(xi,yj), 故我们可以列出对应于(X,Y)取值的Z=g(X,Y)的取值表 例一. 已知(X,Y)的概率分布表为 2. 多维连续随机变量函数的分布 §3.3 作业 教材第172页 习题 2, 7 * * * 对n维随机变量(X1,X2,…,Xn),其函数Z= g(X1,X2,…,Xn) 是一个一维随机变量. 在实际应用中, 我们往往需要从已知的(X1,X2,…,Xn)的概率分布去求其函数Z=g(X1,X2,…,Xn)的概率分布. 这一类问题技巧性较强, 对离散和连续情形, 以及对不同的函数形式, 往往有不同的处理方法. 我们这里对这类问题的一些典型情形作讨论. 例如: 当n维随机变量(X1,X2,…,Xn)的取值较少时,我们往往可以通过列表的方式求得其函数Z= g(X1,X2,…,Xn)概率分布. 设二维离散随机变量(X,Y)得联合分布列为 … … … … … p22 p12 y2 … … p21 x2 p11 x1 y1 X Y … … … … … g(x2,y2) g(x1,y2) y2 … … g(x2,y1) x2 g(x1,y1) x1 y1 X Y 如果这些g(xi,yj)的值各不相同, 则将它们依值的大小排成一列, 并将对应的概率列于下方, 就得到 Z=g(X,Y)的概率分布列; 如果有些g(xi,yj)的值相同, 则将对应于这些相同值的概率相加作为Z取g(xi,yj)这个值的概率, 从而也就可得到Z=g(X,Y)的概率分布列. 2/9 1/18 3 1/9 1/9 2 1/3 2 1/6 1 1 X Y 试求: (1)Z1=X+Y (2)Z2=min(X,Y)的概率分布列 解: (1) Z1=X+Y的取值表为 5 4 3 4 3 2 3 2 2 1 1 X Y 4/9 3 2/9 5 1/6 4 1/6 P(Z1=z) 2 z 即 则Z1=X+Y的概率分布列为 1/9+1/3 3 2/9 5 1/18+1/9 4 1/6 P(Z1=z) 2 z (2) Z2=min(X,Y)的取值表为 2 1 3 2 1 2 1 2 1 1 1 X Y 1/3 2 2/3 P(Z2=z) 1 z 即 则Z2=min(X,Y)的概率分布列为 1/6+1/9+1/18+1/3 1 1/9+2/9 2 P(Z2=z) z 例二(泊松分布的可加性). 解: 故Z=X+Y的分布列为 评论: 从本题知, 两个独立的泊松分布变量之和的概率分布仍然是泊松分布, 这称为分布的可加性. 这一性质可以推广到任意有限个独立泊松变量之和的分布上去, 即如果Xi~P(λi), 且相互独立. 则 除了泊松分布外, 另一个常用离散分布二项分布也具有可加性. 二项分布的可加性描述如下, 具体证明过程类似于例二, 可参考教材p163. 分布函数法 “分布函数法”的基本步骤如下: 例三. 在[0,1]线段上随机投掷两点, 试求两点间距离Z的概率密度函数. 解: 以X,Y分别表示两投掷点的坐标, 则它们均服从U[0,1], 又由于两者独立, 所以(X,Y)的联合密度函数为 先求Z=|X-Y|的分布函数 所以Z=|X-Y|的密度函数为 对某些常用的简单的函数g, 可利用“分布函数法”导出pZ(z)和p(x,y)的关系式供我们直接使用. 我们将对以下情形作详细的讨论: 公式: (一). Z=X+Y的分布 公式简单的证明: 对两边同时关于z求导,得 例四(正态分布的可加性). 解: 由题知 所以由卷积公式有 注意: M的分布函数: (二). M=max{X,Y}和N=min{X,Y}的分布 N的分布函数: 类似地, 我们可以求得n个独立变量的最大值和最小值的分布函数. 例五. 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:(1)串联, (2)并联, (3)备用(当系统L1损坏时, 系统L2开始工作), 如图所示. 设L1和L2的寿命分别为X,Y, 其概率密度分别为 解: (1)串联时, Z=min(X,Y) 且有 由X,Y的密度可以求得它们的分布函数分别为 (2)并联时, Z=max(X,Y) 且有 (3)备用时, Z=X+Y 根据卷积公式有: * *