多维随机变量及其分布.ppt

§3.3 多维随机变量函数的分布 3.3.1 多维离散随机变量函数的分布 (1) 设(X1, X2, ……, Xn) 是n维离散随机变量， 则 Z = g(X1, ……, Xn) 是一维离散随机变量. 3.3.2 最大值与最小值分布 一般情况 设 X1, X2, …… Xn, 独立同分布，其分布函数和密度函数分别为 FX(x) 和 pX(x). 3.3.3 连续场合的卷积公式 离散场合的卷积公式 卷积公式的应用 分布的可加性 二项分布的可加性 泊松分布的可加性 正态分布的可加性 独立正态变量的线性组合仍为正态变量 伽玛分布的可加性 ?2 分布的可加性 注 意 点 3.3.4 变量变换法 变量变换法的具体步骤 增补变量法 第三章 多维随机变量及其分布 华东师范大学 * 第*页 问题：已知二维随机变量 (X, Y) 的分布， 如何求出 Z=g (X, Y)的分布？ (2) 多维离散随机变量函数的分布是容易求的： i) 对(X1, X2, ……, Xn)的各种可能取值对， 写出 Z 相应的取值. ii) 对Z的 相同的取值，合并其对应的概率. 例3.3.1 设X与Y 独立，且 X, Y 等可能地取值 0 和1. 求 Z = max(X, Y) 的分布列. 解: X 0 1 P 1/2 1/2 Y 0 1 P 1/2 1/2 Z = max(X, Y) 的取值为: 0, 1 P(Z=0) = P(X=0, Y=0) = P(X=0)P(Y=0) =1/4 P(Z=1) = P(X=0, Y=1) + P(X=1, Y=0) + P(X=1, Y=1) = 3/4 若记 Y = max (X1, X2, …… Xn), Z = min (X1, X2, …… Xn) 则 Y 的分布函数为: FY (y) = [FX(y)]n Y 的密度函数为: pY(y) = n[FX(y)]n?1 pX(y) Z 的分布函数为: FZ(z) = 1?[1? FX(z)]n Z 的密度函数为: pZ(z) = n[1? FX(z)]n?1 pX(z) 定理3.3.1 设连续随机变量X与Y 独立， 则 Z=X+ Y 的密度函数为 设离散随机变量 X 与 Y 独立， 则 Z=X+ Y 的分布列为 例3.3.2 X与Y 是独立同分布的标准正态变 量，求 Z = X+ Y 的分布. 解： 所以 Z = X+ Y ? N(0, 2). 进一步的结论见后 若同一类分布的独立随机变量和的分布仍是此类分布，则称此类分布具有可加性. 若 X ? b(n1, p)，Y ? b(n2, p)， 注意：若 Xi ? b(1, p)，且独立，则 Z = X1 + X2 + …… + Xn ? b(n, p). 且独立， 则 Z = X+ Y ? b(n1+n2, p). 若 X ? P(?1) ，Y ? P(?2)， 注意： X ?Y 不服从泊松分布. 且独立， 则 Z = X+ Y ? P(?1+?2). 若 X ? N( )，Y ? N( ) ， 注意： X ?Y 不服从 N( ). 且独立， 则 Z = X ? Y ? N( ). X ?Y ? N( ). 独立正态变量的线性组合仍为正态变量. (见下) Xi ~ N(?i, ?i2), i =1, 2, ... n. 且 Xi 间相互独立, 实数 a1, a2, ..., an 不全为零, 则 若 X ? Ga(?1, ?)，Y ? Ga(?2, ?) ， 注意： X ?Y 不服从 Ga(?1??2, ? ). 且独立， 则 Z = X + Y ? Ga(?1+?2, ? ). 若 X ? ?2( n1 )，Y ? ?2( n2 ) ， 注意： (1) X ?Y 不服从 ?2 分布. 且独立， 则 Z = X + Y ? ?2( n1+n2). (2) 若 Xi ? N(0, 1)，且独立，则 Z = ? ?2( n ). (1) 独立的0-1分布随机变量之和服从二项分布. (2) 独立的指数分布随机变量之和服从伽玛分布. 例3.3.3 设 X 与 Y