3.5-两个随机变量函数的分布.pptVIP

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) 设X1,…,Xn是n个相互独立的随机变量,它们的分布函数分别为 我们来求 M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数. (i =0,1，…, n) 用与二维时完全类似的方法，可得 特别，当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 N=min(X1,…,Xn)的分布函数是 M=max(X1,…,Xn)的分布函数为: FM(z)=[F(z)] n … … FN(z)=1-[1-F(z)] n 若X1,…,Xn是连续型随机变量，在求得M=max(X1,…,Xn)和N=min(X1,…,Xn)的分布函数后，不难求得M和N的密度函数. 当X1,…,Xn相互独立且具有相同分布函数F(x)时，有 FM(z)=[F(z)] n FN(z)=1-[1-F(z)] n 解一: P(Y=n)= P(max(X1,X2)=n) =P(X1=n, X2≤n)+P( X2 =n, X1 n) 记1-p=q 例8 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 . n=1,2,… * * 我们主要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 两个随机变量函数的分布 3.5.1 二维离散型随机变量函数的分布律 设(X,Y)是二维离散型随机变量，其分布律为 P{X=xi ,Y=yj}= pij , (i, j=1,2,…) 且二元函数z=g(x, y)对于不同的(xi, yj)有不同 函数值，则随机变量Z=g(X, Y)的分布律为 P{Z=g(xi ,yj)}= pij , (i, j=1,2,…) 例1 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: {X+Y =r } {X=0, X+Y =r } ∪{X=1, X+Y =r } ∪{X=r, X+Y =r } …… 且诸{X=i, X+Y =r },i=0，1,2, …,r互不相容 例1 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. 于是有: =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2 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3 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). 3.5.2 连续型分布的情形 1. Z=X+Y的分布 例4 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. 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