北理工 概率论 田第10讲(2012)..pptVIP

3. 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. 又由于X和Y 相互独立,于是得到M=max(X,Y)的分布函数为: 即有 FM(z)= FX(z)FY(z) FM(z)=P(M≤z) =P(X≤z)P(Y≤z) =P(X≤z,Y≤z) 由于M=max(X,Y)不大于 z 等价于X和Y都不大于z，故有 分析： P(M≤z)=P(X≤z,Y≤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) 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的概率分布. 解: =a0br+a1br-1+…+arb0 由独立性 此即离散 卷积公式 r=0,1,2, … 解：依题意 例4 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. 由卷积公式 i=0,1,2,… j=0,1,2,… 由卷积公式 即Z服从参数为 的泊松分布. r =0,1，… 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. 回忆二项分布直观背景, 设在一次试验中事件A出现的概率为p. 将该试验分别独立重复n1次和n2次, 设 X 是n1次试验中A出现的次数, 设Y 是n2次试验中A出现的次数. 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: 例6 则 例6说明, 如果 Xi 服从二项分布B(mi, p), i=1,2, …,n. X1,…,Xn相互独立，则 Z=X1+…+Xn~B(m1+…+mp, p) 2. 连续型随机变量(X, Y)函数Z =? (X, Y)的分布 设已知(X, Y)的概率密度f(x, y), 求 Z =? (X, Y)的分布。 当Z为离散型随机变量时，求Z的分布律即可。 例7 设X、Y的联合概率密度概率函数为 其中?，?为大于0的常数。引入随机变量 求Z的分布 例7 设X、Y的联合概率密度概率函数为 其中?，?为大于0的常数。引入随机变量 求Z的分布 解： y=x 求Z的分布 解： 当Z= ?（X，Y）为连续型随机变量时，求Z的分布函数或密度函数。 ? FZ(z)=P(Z? z) =P{ ?（X，Y）? z} 解: 由于 例8 且X,Y 相互独立, 所以 设Z的分布函数和概率密度分别为 采取极坐标变量替换 对应的雅可比行列式为 综合可得 于是, Z的概率密度为 我们称上述分布或概率密度为瑞利分布. 例9 设X和Y的联合密度为 f (x,y),求Z=X+Y的密度. 解: Z=X+Y的分布函数是: FZ(z)=P(Z≤z)=P(X+Y ≤ z) 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. 将上述积分化成累次积分,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 y u=z u 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 . 例10 设X和Y是两个相互 独立的随机变量,它们都服从N(0,1)，求Z=X+Y的概率密度 。 解: 由卷积公式 例10 设X和Y是两个相互 独立的随机变量,它们都服从N(0,1)，求Z=X+Y的概率密度 。 所以， Z=X+Y~ 则有 可以类似地证明，若X和Y 独立, 此结论可以推广到两个独立随机变量线性组合的情形. 可以证明: 若X和Y 独立, 更一般地, 可以证明: