概率论与数理统计第12讲汇.pptVIP

第四节 相互独立的随机变量 随机变量的独立性 离散型随机变量的独立性 连续型随机变量的独立性 正态随机变量的独立性 一、随机变量的相互独立性 例1 三、小结 第五节　两个随机变量的函数的分布 一、问题的引入 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布 四、极值的分布 五、小结 一、问题的引入 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布 y 离散型分布的情形 例3 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 此即离散 卷积公式 r=0,1,2, … 例4 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). 1. Z=X+Y 的分布 设r.v.(X,Y)的联合概率密度为 f (x,y),求Z=X+Y的 概率密度. 这里积分区域D={(x, y): x+y ≤z} 是直线x+y =z 左下方的半平面. 则Z=X+Y的分布函数是: FZ(z)=P(Z≤z)=P(X+Y ≤ z) 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 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, 记为fX *fY。 下面我们用卷积公式来求Z=X+Y的 概率密度. 例5 设两个独立的随机变量 X 与Y 都服从标 准正态分布,求 Z=X+Y 的概率密度. 得 说明 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. 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. 为确定积分限,先找出使被积函数不为0的区域 例6 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 y 为确定积分限,先找出使被积函数不为0的区域 如图示: 也即 于是 y 设随机变量 X 与 Y 相互独立,且其分布密 度分别为 其它. 其它. 求随机变量 Z=2X+Y 的分布密度. 由于 X 与Y 相互独立,所以 ( X,Y ) 的分布密度函数为 解 例7 随机变量 Z 的分布函数为 y 所以随机变量 Z 的分布密度为 y 随机变量的独立性是概率论中的一 个重要概念.两随机变量独立的定义是： 设F(x,y)及FX(x),FY(y）分别是二维随机变 量（X，Y）的联合分布函数及边缘分布函数， —— 将事件独立性推广到 随机变量. 两事件A,B独立的定义是： 若P(AB)=P(A)P(B) 则称事件A,B独立 . 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 1.定义 用分布函数表示,即 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . 它表明，两个r.v相互独立时，它们的联合 分布函数等于两个边缘分布函数的乘积 . 设 X,Y是两个r.v，若对任意的x,y,有 则称X,Y相互独立 . X与Y 独立 即 连续型 说明:二维随机变量 ( X, Y ) 相互独立, 则边缘分布完全确定联合分布 对一切 i , j 有 离散型 X与Y 独立 对任何 x ,y 有 二维连续 r.v. ( X,Y ) 相互独立 相互独立 命题 (请同学们自学P91 ) 判断独立的一个重要命题 设 X ,Y 为相互独立的 r.v. u(x),v(y) 为连续函数, 则 U=u ( X ) , V=v (Y ) 也 相互独立. 即 独立 r.v.的连续函数仍然