Transcript ppt下载
应用概率统计
主讲:刘剑平
2.3. 随机变量函数的分布
离散型随机变量函数的概率分布:
X
x1
x2
...
g(X) g(x1) g(x2)
…
P
...
p1
p2
xn
...
g(xn) …
pn
...
注意
离散型随机变量函数的概率分布分以下两步来求:
(1)由y=g(x)计算出随机变量Y的所有取值y1,y2,...,yn,...;
(2)P(Y=yn)为yn 对应的随机变量X的取值的概率和.
连续型随机变量函数的概率密度函数
定理1 设X~fX(x),y=g(x)是x的单调可导函数,其导数不为0,
值域为(a,b),-∞<a<b<+∞,记x=h(y)为y=g(x)的反函数,则
Y=g(X)的概率密度函数为:
f X [ h( y )] | h( y ) |
fY ( y )
0
a yb
其它
第3章
随机向量
•随机向量及其概率分布
•随机向量的联合分布函数
•随机变量函数的分布
第3.1节
随机向量及其概率分布
例如射击一次.问击中否?击中几环?击中点的坐标?击中
点到靶心的距离?
1. n 维随机向量
以 n 个随机变量 X1,X2,…,Xn 为分量的向量
X=(X1,X2,…,Xn)称为n维随机向量。
以下主要研究二维离散型及连续型随机向量的情形。
2. 二维离散型随机向量的联合概率分布、边缘概率分布
定义 如果二维随机向量(X,Y)的全部取值数对为有限
个或至多可列个,则称随机向量(X,Y)为离散型的。
易见,二维随机向量(X,Y)为离散型的等价于它的每个分量
X与Y分别都是一维离散型的。
联合概率分布
称pij=P(X=xi,Y=yj),(i,j=1,2,…,)为(X,Y)的联合概率分布.其
中E={(xi,yj),i,j=1,2,...}为(X,Y)的取值集合,表格形式如下:
Y
X
x1
x2
…
xi
…
y1
p11
p21
…
pi1
…
联合概率分布性质
① pij≥0 ;i,j=1,2,…
y2
p12
p22
…
pi2
…
…
…
…
…
…
…
yj …
p1j …
p2j …
… …
p ij …
… …
②∑∑pij = 1;
计算P{(X,Y)∈D }=
p
( xi , y j )D
ij
边缘概率分布
(1) 定义 随机向量X=(X1,X2,…,Xn)中每一个Xi的分布,
称为X关于Xi的边缘分布。
(2) 边缘分布列
对于离散型随机向量(X,Y),分量X,Y的分布列称为
边缘分布列。
若(X,Y)的联合概率分布为pij=P{X=xi,Y=yj),i,j=1,2,...,则
P ( X xi ) P{( X xi ) [ (Y y j )]}
(i=1,2,...)
j
P{( X xi ) (Y y j )} P ( X xi , Y y j )
j
同理
P (Y y j ) pij
j
(j=1,2,...)
i
一般地,记: P(X=xi)
概率分布表如下:
Pi .
P(Y=yj)
P. j
p
j
ij
Y
X
y1 y2 y j P
. i
x1
p11 p12 p1 j
p1.
x2
p 21 p 22 p 2 j
p 2.
xi
P. j
pi 1 pi 2 pij
pi.
p.1 p.2 p. j
独立性 若(X,Y)的联合概率分布满足
P{X=xi,Y=yj)=P(X=xi)P(Y=yj )
称X与Y独立。
例1 某盒子中有形状相同的2个白球, 3个黑球。从中
一个个取球,令
第i次取白球
1
Yi
i 1,2
第i次取黑球
0
分放回或不放回情形
求 : (1)(
(Y 1,Y 2) 的联合概率分布;
( 2)边缘概率分布;
( 3)讨论Y1与Y2的独立性。
不放回 Y1
0
Y2
1
放回
Y1
Y2
0
1
0
3/10
3/10
0
9/25
6/25
1
3/10
1/10
1
6/25
4/25
Y1
0
1
Y1
0
1
P
3/5
2/5
P
3/5
2/5
Y2
0
1
Y2
0
1
P
3/5
2/5
P
3/5
2/5
P{X=xi,Y=yj) ≠P(X=xi)P(Y=yj )
不独立
P{X=xi,Y=yj)=P(X=xi)P(Y=yj )
独立
例2 二维随机向量(X,Y)的联合概率分布为:
X Y
0
1
2
-1
0.05
0.1
0.1
0
0.1
0.2
0.1
1
a
0.2
0.05
求:(1)常数a的取值;
(2)P(X≥0,Y≤1);
(3) P(X≤1,Y≤1)
解 (1)由∑pij=1得: a=0.1
(2)由P{(X,Y)∈D}=
p 得 P(X≥0,Y≤1)=
( xi , y j )D
ij
P(X=0,Y=0)+
P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.1+0.2+0.1+0.2 =0.6
(3)P(X≤1,Y≤1)
=P(X=-1,Y=0)+P(X=-1,Y=1)+P(X=0,Y=0)
+P(X=0,Y=1)+P(X=1,Y=0)+P(X=1,Y=1) =0.75
二维随机向量区域概率图:
Y
2
1
P(X≤1,Y≤1}
-1
P{X≥0,Y≤1}
0
1
X
例3 设(X,Y)的联合概率分布为:
X Y
0
1
2
-1
0.05
0.1
0.1
0
0.1
0.2
0.1
1
0.1
0.2
0.05
求:(1)X,Y的边缘分布;
(2)X+Y的概率分布.
解 (1)由分析得:
X
-1
0
1
P
0.25
0.4
0.35
Y
0
1
2
(2)X+Y的取值为-1,0,1,2,3,
P
0.25
0.5
0.25
P(X+Y=-1)=P(X=-1,Y=0)=0.05
P(X+Y=0)=P(X=0,Y=0)+P(X=-1,Y=1)=0.2
P(X+Y=1)=P(X=0,Y=1)+P(X=1,Y=0) +P(X=-1,Y=2)=0.4
同理,P(X+Y=2)=0.3, P(X+Y=3)=0.05
所以
X+Y -1
P
0
0.05 0.2
1
2
3
0.4 0.3 0.05
例4 设随机变量X和Y相互独立,试将下表补充完整.
X
x1
x2
p j
Y
y1
y2
y3
pi
1/24
1/8
1/12 1/4
1/8
3/8
1/4
3/4
1/6
1/2
1/3
1
第3.2节
定义
随机向量的联合分布函数
二维随机向量(X,Y)的联合分布函数为
F(x,y )=P{X≤x,Y≤y} (x,y)∈R2
二维联合分布函数区域演示图:
Y
y
{ X≤x
, Y≤y
(x,y)
}
x
X
联合分布函数性质
(1) 0 F ( x, y) 1;
( 2) F ( ,) 1, F ( ,) F ( , y ) F ( x ,) 0;
(3) P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y2 ) F ( x1 , y1 )
(4)如果(X,Y)为离散型随机向量,其联合概率分布为
P( X xi , Y y j ) pij (i 1,2, , j 1,2,)
则 F(x,y)=P{X≤x,Y≤y}=
p
xi x y j y
ij
(3) P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y2 ) F ( x1 , y1 )
Y
y2
(x1,y2) (x2,y2)
y1
(x1,y1)
(x2,y1)
x1
x2
X
3. 连续型随机向量的联合概率密度
F(x, y) P{X x, Y y}
x
y
性质
f ( s ,t ) dtds
(1) f(x,y)≥0 ,(x,y)∈R2
f ( x , y )dxdy 1
计算 P{(X, Y) D} f(x, y)dxdy
D
特别
其中D为任意可度量区域.
在f(x,y)的连续点有
F ( x, y )
f ( x, y )
xy
2
Ae ( 2 x 3 y ) , x 0 , y 0
例5设(X,Y)~f ( x , y )
0,
其它
试求:(1)常数 A ;(2)P{ X<2, Y<1};
(3)P{(X,Y)∈D},其中D为 2x+3y≤6.
解 (1)
0
0
Ae
( 2 x 3 y )
(4) P(X≤x,Y≤y).
dxdy
0
b
d
b
d
a
c
a
c
0
2 x 3 y
Ae e
据 dx f ( x )g( y )dy f ( x )dx g( y )dy得
A e dx e
2 x
0
0
=A/6 =1
所以,
A=6
3 y
1 2 x 1 3 y
dy A( e ) ( e )
0
0
2
3
dxdy
(2) P{(X, Y) D} f(x, y)dxdy
Y
D
所以,P{ X<2,Y<1}= f(x, y)dxdy
{X 2,Y 1}
2
1
dx 6 e
0
( 2 x 3 y )
0
2
6 e
0
2 x
dy
1
{X<2, Y<1} 0
1
dx e 3 y dy
0
1 2 x 2 1 3 y 1
4
3
6( e ) ( e ) (1 e )(1 e )
2
0 3
0
2
X
(3)P{(X,Y)∈D},其中D为 2x+3y≤6.
Y
P{(X, Y) D} f(x, y)dxdy
D
f(x, y)dxdy
2
2x+3y=6
2x 3y 6
1
( 6 2 x )
3
0
3
dx
dy
0
1
3
(6 2 x )
1 3 y
2 x
6 e ( e ) 3
dx
0
3
0
2 (e
3
0
2 x
6e
( 2 x 3 y )
6
e )dx 1 7 e
6
0
3
X
Y
(4) F(x, y) P{X x, Y y}
x
y
f (s, t ) dtds
所以, 当x≥0,y≥0时,
x
y
0
0
x
6 e
0
即:
2 s
y
0
x
X
6e ( 2 s 3t ) dtds
y
ds e
0
3t
1 2 s x 1 3t y ( 1 e 2 x )( 1 e 3 y )
dt 6( e ) ( e )
0 3
0
2
(1 e 2 y )(1 e 3 x )
P ( X x,Y y )
0
x 0, y 0
其它
0 x 1,0 y 1
4 xy
例6 设(X,Y)~ f ( x , y )
0
其它
求(X,Y)的联合分布函数.
Y
解 (1)x<0,或y<0时,F(x,y)=0
1
y
(2)x≥1,y≥1时,F(x,y)=1
(3)0≤x≤1,0≤y≤1时,
F(x,y)=
x
y
0
0
ds
4xy
x 1
2 2
x
y
4stdt
x
1
2
0
x
0
或
y
0
ds 4stdt x
(4)0≤x≤1,y>1时,F(x,y)=
2 20
0
x y 1 0 xy 1,0 y 1
2
2
综合即得:
F
(
x
,
y
)
x
0
x
1
,
y
1
ds
4
stdt
y
(5)x>1,0≤y≤1时,F(x,y)=
y 2 0 x 10,0 y 1
1
x 1, y 1
X
联合分布函数与边缘分布函数的关系
定义
则称
设二维随机向量(X,Y)的联合分布函数为 F(x,y),
FX ( x) F ( x,) P( X x, Y ) P( X x)
x
x
x
f (s, t )dtds ( f (s, t )dt )ds f
X
( s)ds
FY ( y ) F (, y ) P( X , Y y ) P(Y y )
y
y
y
f (s, t )dsdt ( f (s, t )ds)dt f
Y
(t )dt
分别为(X,Y)关于X和Y的边缘分布函数.
边缘密度函数
对于连续型随机向量(X,Y)~f(x,y),分量X,Y的密度函数称
为边缘密度函数。
已知联合密度函数,容易求出边缘密度函数。
f X ( x) f1 ( x)
f ( x, y ) dy
f Y ( y) f 2 ( y)
f ( x, y ) dx
(2) 若a<b,则
事实上, (1)f1(x)≥0,
b
P{a<X<b}=P{a<X<b,-∞<Y<+∞}= dx f ( x , y )dy
b
a
f 1 ( x )dx 所以,f1(x)是X的概率密度,同理可证f2(y).
a
随机变量的相互独立性
定理1
离散型
pij pi . p. j
随机变量X与Y是相互独立的
f ( x , y ) f 1 ( x ) f 2 ( y ) 连续型
定理2
若X与Y相互独立,则它们的连续函数g(X )与h(Y)也相互
独立。
特别有 aX+b与cY+d相互独立.
例7: 已知X , Y的分布函数为
x
y
F ( x , y ) A( B arctan )(C arctan ).
2
3
求: 1)A , B , C;
2) ( X , Y )的概率密度;
3) 边缘概率密度和边缘分布函数;
4) 讨论的独立性。
(1) A
1
2
,B
2
,C
2
;
6
(2)( X , Y )的概率密度f ( x, y) = 2
;
2
2
(4 x )(9 y )
2
1
x
( 3) f X( x) =
, F(
+ar ct an ) ;
X x) = (
2
(4 x )
2
2
3
1
y
f Y( y) =
, F(
+ar ct an ) ;
Y y) = (
2
(9 y )
2
3
( 4) f ( x, y) =f X( x) f Y( y) or F( x, y) =F(
X x) F(
Y y) 独立.
常见的二维连续型随机向量
(1) 均匀分布 若二维随机向量(X,Y)的联合概率密度为
1
f ( x, y ) S D
0
( x, y ) D
其它
其中:D为可度量的平面区域,SD为区域D的面积.
则称(X,Y)服从区域D上的均匀分布.
对于D中任意可度量子区域G有
P{( x, y) G}
G
SG
1
f ( x, y)dxdy
dxdy
SD
SD
G
其中:SG为区域G的面积.
例8 设随机向量(X,Y)服从区域D上的均匀分布,
其中 D={(x,y),x2+y2≤1},求X,Y的边缘密度函数f1(x)和f2(y).
1
解 (1)由题意得: f ( x , y )
0
x2 y2 1
其它
f 1 ( x ) f ( x , y )dy
y 1 x2
Y
当|x|>1时,f(x,y)=0,所以,f1(x)=0
-1
当|x|≤1时,
1 x
1 x
均匀分布的边缘密度不再是一维均匀分布
f (x) [
] f ( x , y )dy
1
1 x 2
1
1 x
2
2
dy
2
1 x2
2
1 x 2
所以,
1
1 x 2
y 1 x2
2
2
2
2
1
x
|
x
|
1
1
y
| y | 1
f 1 ( x )
不独立
同理,f 2 ( y )
0
0
| x | 1
| y | 1
X
(2) 二维正态分布
定义 如果(X,Y)的联合密度函数为
f ( x, y )
1
21 2
1
exp{
2
2
2
(
1
)
1
x 1 2
x 1 y 2 y 2 2
[(
) 2
(
) ]}
1
1
2
2
其中 1 , 2 , 1 0, 2 0, | | 1,
2
2
则称(X,Y)服从参数为 1 , 2 , 12 , 2 2 , 的二维正态分布,
简记为
( X , Y ) ~ N ( 1 , 2 , 1 , 2 , )
2
2
可以证明 若
( X , Y ) ~ N ( 1 , 2 , 1 , 2 , )
2
2
则X,Y的边缘概率密度分别为
X~N(μ1,σ12), Y~ N(μ2,σ22);
即 二维正态分布(X,Y)的边缘概率密度是一维正态分布.
由此可知随机向量的联合概率密度完全决定了它的边缘概
率密度,反之不一定成立.
例9 设二维随机向量(X,Y)的联合概率密度为
1
f ( x, y)
e
2
x2 y2
2
(1 xy) ( x, y )
求(X,Y)关于X,Y的边缘概率密度.
解
f X ( x)
x2 y2
2
x2 y2
2
同理可得
Y
1
f ( x, y)dy
2
2
2
e
(1 xy)dy
x yx 2
y2
1 1 2
1
2
(fxy()ydy
)
e 2
即 fX ( x) e e dy e
2 2
2
x2
y2
y2
1 2 2
2
X,Y的边缘概率密度为一维正态分布.
e
e
dy
x
e
y
dy
2
2
x2
y2
所以,边缘概率密度为一维正态分布的二维随机向量不
x
1 2 1 2
1 2
一定是二维正态分布.
e
e dy
e
2
2
2
课堂练习
1. 设随机变量X,Y是相互独立的,且X,Y等可能地
取0,1为值,求随机变量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
(X,Y)的取值数对为(0,0),(0,1),(1,0),(1,1),
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
所以,Z的分布列为 Z
P
0
1
1/4
3/4
2.
已知随机向量(X,Y)的联合密度为
e x y , x 0 , y 0;
f ( x, y )
其他.
0,
(1)问X与Y是否独立?(2)求概率P{X<Y}.
解 (1)
( x y )
y
e ( x y ) dy e x x 0
e
dx
e
y 0
0
f2( y )
f 1 ( x ) 0
0
y0
0
x0
f ( x, y ) f 1 ( x ) f 2 ( y )
(2)P(X<Y)=
x y
f ( x , y )dxdy
所以,X,Y独立.
0
dx e
x
( x y )
1
dy
2
3.
设二维随机变量(X,Y)的概率密度为
e y , 0 x y ⑴ 求随机变量X的密度函数;
f ( x, y )
其他
⑵ 求概率P{X+Y≤1}.
0,
解 (1)x≤0时,f1(x)=0;
ey
x>0时,f1(x)= f ( x , y )dy
所以,
e x
f1( x )
0
⑵ P{X+Y≤1}=
1/ 2
0
x
e dy e x
y
x 0
x0
dx
1 x
x
1 e 1 2 e
y=x
x+y=1
1/2
e y dy
1
2
小结:
联合概率分布
Y
X
x1
x2
…
xi
…
y1
p11
p21
…
pi1
…
联合概率分布性质
① pij≥0 ;i,j=1,2,…
y2
p12
p22
…
pi2
…
…
…
…
…
…
…
yj …
p1j …
p2j …
… …
p ij …
… …
②∑∑pij = 1;
计算P{(X,Y)∈D }=
p
( xi , y j )D
ij
边缘概率分布
(1) 定义 随机向量X=(X1,X2,…,Xn)中每一个Xi的分布,
称为X关于Xi的边缘分布。
(2) 边缘分布列
对于离散型随机向量(X,Y),分量X,Y的分布列称为
边缘分布列。
Y
X
y1 y2 y j P
. i
x1
p11 p12 p1 j
p1.
x2
p 21 p 22 p 2 j
p 2.
xi
P. j
pi 1 pi 2 pij
pi.
p.1 p.2 p. j
随机向量的联合分布函数
定义
二维随机向量(X,Y)的联合分布函数为
F(x,y )=P{X≤x,Y≤y} (x,y)∈R2
联合分布函数性质
(1) 0 F ( x, y) 1;
( 2) F ( ,) 1, F ( ,) F ( , y ) F ( x ,) 0;
(3) P( x1 X x2 , y1 Y y2 )
F ( x2 , y2 ) F ( x2 , y1 ) F ( x1 , y2 ) F ( x1 , y1 )
(4)如果(X,Y)为离散型随机向量,其联合概率分布为
P( X xi , Y y j ) pij (i 1,2, , j 1,2,)
则 F(x,y)=P{X≤x,Y≤y}=
p
xi x y j y
ij
连续型随机向量的联合概率密度
F(x, y) P{X x, Y y}
x
y
性质
f ( s ,t ) dtds
(1) f(x,y)≥0 ,(x,y)∈R2
f ( x , y )dxdy 1
计算 P{(X, Y) D} f(x, y)dxdy
D
其中D为任意可度量区域.
特别
在f(x,y)的连续点有 F ( x, y ) f ( x, y )
2
xy
联合分布函数与边缘分布函数的关系
定义
则称
设二维随机向量(X,Y)的联合分布函数为 F(x,y),
FX ( x) F ( x,) P( X x, Y ) P( X x)
x
x
x
f (s, t )dtds ( f (s, t )dt )ds f
X
( s)ds
FY ( y ) F (, y ) P( X , Y y ) P(Y y )
y
y
y
f (s, t )dsdt ( f (s, t )ds)dt f
Y
(t )dt
分别为(X,Y)关于X和Y的边缘分布函数.
边缘密度函数
对于连续型随机向量(X,Y)~f(x,y),分量X,Y的密度函数
称为边缘密度函数。
已知联合密度函数,容易求出边缘密度函数。
f X ( x) f1 ( x)
f ( x, y ) dy
f Y ( y) f 2 ( y)
f ( x, y ) dx
随机变量的相互独立性
定理1
离散型
pij pi . p. j
随机变量X与Y是相互独立的
f ( x , y ) f 1 ( x ) f 2 ( y ) 连续型
定理2
若X与Y相互独立,则它们的连续函数g(X )与h(Y)也相互
独立。
特别有 aX+b与cY+d相互独立.
常见的二维连续型随机向量
(1) 均匀分布 若二维随机向量(X,Y)的联合概率密度为
1
f ( x, y ) S D
0
( x, y ) D
其它
(2) 二维正态分布
定义 如果(X,Y)的联合密度函数为
f ( x, y )
1
21 2
1
exp{
2
2
2
(
1
)
1
x 1 2
x 1 y 2 y 2 2
[(
) 2
(
) ]}
1
1
2
2
1 , 2 , 1 0, 2 0, | | 1,
2
2
其中
则称(X,Y)服从参数为 1 , 2 , 12 , 2 2 , 的二维正态分布,
简记为
( X , Y ) ~ N ( 1 , 2 , 1 , 2 , )
2
2
可以证明 若
( X , Y ) ~ N ( 1 , 2 , 1 , 2 , )
2
2
则X,Y的边缘概率密度分别为
X~N(μ1,σ12), Y~ N(μ2,σ22);
即 二维正态分布(X,Y)的边缘概率密度是一维正态分布.
由此可知随机向量的联合概率密度完全决定了它的边缘概
率密度,反之不一定成立.
应用概率统计
主讲:刘剑平
3.3 随机向量函数的分布
离散型随机向量函数的分布
例10设随机变量X1与X2相互独立,分别服从二项 B(n1 , p)
分布和 B(n2 , p),求Y=X1+X2的概率分布.
解 依题知X+Y的可能取值为0,1,2,...,n1+n2,因此
对于k (k= 0,1,2,...,n1+n2),由独立性有
P( X
P (Y k )
k1 k 2 k
1
k1 , X 2 k 2 )
k1
k2
k1
n1 k1
k2
n2 k 2
C
p
(
1
p
)
C
p
(
1
p
)
n1
n2
k1 k 2 k
C
k1 k 2 k
k1
n1
C p (1 p)
k2
n2
k
n1 n2 k
k1
k2
k
k
C
C
C
由 n1 n2
P
(
Y
k
)
C
n1 n2 得
n1 n2
k1 k 2 k
p k (1 p) n1 n2 k
所以Y=X1+X2服从二项分布 B(n1 n2 , p)
即:
若X与Y相互独立,X~B(n1,p),Y~B(n2,p),
则
X+Y~B(n1+n2,p)
二项分布的可加性
类似可得:
若X,Y相互独立,X~P(λ1),Y~P(λ2),
则
X+Y~P(λ1+λ2)
Possion分布的可加性
离散型随机向量函数Z=g(X,Y)的概率分布:
(X,Y)
( x1,y1 )
(x1,y2)
g(X,Y) g(x1,y1)
g(x1,y2)
P
p11
p12
...
(xn,ym)
...
… g(xn,ym)
…
...
pnm
...
注:g(x1,y1) , … g(xn,ym) …从小到大排,相同的并在一起
例11 设(X,Y)的联合概率分布为:
0
1
2
-1
0.4
0.1
0.1
0
0.1
0.2
0.1
X
Y
求:(1)X+Y,XY,X2+Y2的概
率分布.
(X,Y) (-1,0) (-1,1) (-1,2) (0,0) (0,1) (0,2)
X+Y
-1
0
1
0
1
2
XY
0
-1
-2
0
0
0
X2+Y2
1
2
5
0
1
4
0.4
0.1
0.1
0.1
0.2
0.1
P
X+Y
-1
0
1
2
P
0.4
0.2
0.3
0.1
XY
-2
-1
0
P
0.1
0.1
0.8
1
2
4
0.6
0.1
0.1 0.1
X2+Y2 0
P
0.1
5
随机变量函数的概率密度函数求法----分布函数法
设随机向量(X,Y)的联合密度函数为f(x,y),记Z=g(X,Y).
(1) 求Z的分布函数
F ( z ) P( Z z ) P( g ( X , Y ) z )
f ( x, y)dxdy
g ( x , y ) z
(2) 对F(z)求导即得Z的概率密度函数f(z).
例12 设随机变量X与Y独立,概率密度函数为
2 x2
e
f X ( x)
0
2 y2
x0
e
, fY ( y )
0
其他
求Z X 2 Y 2的概率密度函数.
4 ( x
e
解 (X,Y)的联合密度函数为 f ( x, y )
y0
其他
2
y2 )
0
(1) z 0 时, FZ ( z ) P(Z z ) P( X 2 Y 2 z ) 0
2 ze z z 0 4
(2)所以,
z 0时, FZ ( z ) fZ ( z ) f ( x, y )dxdy
0
z0
2
2
x y z
x 0, y 0
其他
f Z ( z) 0
2
z
4 2
z2
r 2
d e rdr 1 e
0
0
e
( x 2 y 2 )
X 2 Y 2 z
f Z ( z ) 2 ze
z2
dxdy
连续型随机变量和的概率密度函数
例13 设随机变量X和Y相互独立,概率密度函数分别为f1(x)
和f2(y),求Z= X+Y的概率密度函数.
解
z x
f ( x , y )dy dx
FZ ( z ) P{ X Y z } f ( x , y )dxdy
x y z
f Z (z)
独立
f ( x , z x )dx
f1 ( x)f 2 ( z x )dx
同理
z y
f ( x , y )dx dy
FZ ( z ) P{ X Y z } f ( x , y )dxdy
x y z
f Z (z)
独立
f ( z y , y )dy
f1 ( z y)f 2 ( y )dy
例14 设随机向量(X,Y)的概率密度为.
2e ( x 2 y ) x 0, y 0
f ( x, y)
其他
0
解:F
Z
, 求Z X Y 的概率密度
( z ) P{ X Y z }
f ( x, y )dxdy
x y z
0
z
x z x 2 y
e dx 2e dy
0
0
z0
0
z0
z
2 z
z0
1
2
e
e
z0
z0
0
f Z (z) z
z
2
e
(
1
e
) z0
例15 设随机变量X和Y相互独立,且均服从标准正态分布
N~(0,1),求Z= X+Y的概率密度函数.
Z ~ N (0,2)
解 由题意得
f1 ( x )
1
e
2
x2
2
, f2 ( y)
1
e
2
y2
2
X和Y相互独立,故
f Z (z)
z2
4
1
f1 ( x ) f 2 ( z x )dx
2
x2
2
e
e
( z x )2
2
z
t
z
( x )2
1
令
x
e e 2 dx
2
2
2
2
z2
t2
z
1
1 4
4
2
e e dt
e
2 2
2
dx
结论 两个独立正态分布随机变量的和仍服从正态分布.
即:若X1~N(μ1,σ12), X2~N(μ2,σ22), X,Y独立,则
X+Y~N(μ1+ μ2,σ12+ σ22)
正态分布的可加性
推论 有限个独立的正态分布的线性函数仍服从正态分布.
即:若Xi~N(μi,σi2), (i=1,2,...n), X1,X2, ...Xn相互独立,
实数 a1 , a2 , an 不全为零,则
n
a X
i 1
i
i
n
n
i 1
i 1
~ N ( ai i , ai i )
2
2
特别, 若X1,X2, ...Xn独立同服从正态分布N(μ,σ2) ,记:
1 n
X Xi ,
n i 1
则
2
X ~ N( ,
)
n
例16 设随机变量X与Y独立,概率密度函数为
1
f X (x)
0
0 x 1
e y y 0
, f Y ( y)
其他
y0
0
求Z 2X Y的概率密度f Z (z ).
1
解:f 2 X ( x ) 2
0
f Z ( z)
0 x 2
,
其他
e y
fY ( y )
0
y0
y0
f 2 X ( x) fY ( z x)dx
z0
0
z 1
1
( z x)
e
dx (1 e z ) 0 z 2
2
0 2
21
1
( z x)
e
dx (e2 1)e z z 2
2
0 2
另解:
FZ ( z )
2 x y z
z0
0
z
z
2 z 2 x
e
1
z
y
0 z2
f X ( x ) fY ( y )dxdy dx e dy
2 2 2
0
0
1 z2x
z
2
e
1)
e
(
dx e y dy 1
z2
2
0
0
f Z ( z ) F 'Z ( z )
0
1 e z
2
(e2 1)e z
2
z0
0 z2
z2
例17 设随机变量X和Y相互独立,概率密度函数分别为f1(x)
和f2(y),求Z= X-Y的概率密度函数.
解
FZ ( z ) P{ X Y z}
f ( x, y )dxdy
x y z
fZ ( z)
独立
f ( y z, y )dy
y z
f1 ( y z)f 2 ( y )dy
同理
fZ ( z)
独立
f ( x, x z )dx
f ( x, y )dx dy
f1 ( x) f 2 ( x z )dx
例18 设随机向量(X,Y)的概率密度为.
e ( x y ) x 0, y 0
f ( x, y)
其他
0
解:FZ ( z ) P{ X Y z}
, 求Z X Y 的概率密度
f ( x, y )dxdy
x y z
y y z x
z
e
z0
e dy e dx
z
0
2
yz
z
e
e y dy e x dx
1
z
0
2
0
0
ez
z0
z
2
e
fZ ( z) z
2
e
z0
2
z0
z0
另解
fZ ( z)
fZ ( z)
e
z
f ( y z , y )dy
( y z y )
z
e
dy
2
z0
z
e
( y z y )
dy
0 e
2
z0
e
z
2
例19 设随机变量X和Y相互独立,概率密度函数分别为f1(x)
和f2(y),求Z= X/Y的概率密度函数.
解 FZ ( z ) P{ X / Y z}
0
fZ ( z)
x / y z
yz
f ( x, y )dxdy
f ( x, y)dx dy
0
独立
y f ( yz, y )dy
yz
f ( x, y)dx dy
y f1 ( yz)f 2 ( y )dy
例20 设随机变量X与Y独立,同服从N(0,1),求Z=X/Y的
概率密度.
解:f Z ( z )
y2
2
1
ye e
2
( z )
独立
y f ( yz , y )dy
( yz )2
2
(1 z 2 ) y 2
2
dy
1
0
ye
y f1 ( yz)f 2 ( y )dy
1
dy
(1 z 2 )
例21 设随机变量X和Y相互独立,概率密度函数分别为f1(x)
和f2(y),求Z= XY的概率密度函数.
解
FZ ( z ) P{ XY z}
0
fZ ( z)
xy z
z/x
f ( x, y )dxdy
f ( x, y)dy dx
独立
1
z
f ( x, )dx
x
x
z/x
0
f ( x, y )dy dx
1
z
f1 ( x) f 2 ( )dx
x
x
同理
fZ ( z)
独立
1
z
f ( , y)dy
y
y
1
z
f1 ( ) f 2 ( y)dy
y
y
例22 设随机变量X与Y独立,同服从 U(0,1),求Z=XY的
概率密度.
解:f Z ( z )
独立
1
z
f ( x, )dx
x
x
0
1 1
11dx ln z
z x
1 1
1 0dx 0
0 x
1
z
f1 ( x) f 2 ( )dx
x
x
z0
ln z
0 z 1
0
z 1
0 z 1
其他
极值分布 设随机变量X和Y相互独立, 分布函数分别为
FX(x)和FY(y),求Z=max(X,Y), Z=min(X,Y) 的分布函数.
解 FZ ( z ) P{max( X , Y ) z} P{ X z , Y z}
独立
P{ X z}P{Y z} FX ( z ) FY ( z )
同理
FZ ( z ) P{min( X , Y ) z} 1 P{ X z , Y z}
独立
1 P{ X z}P{Y z} 1 (1 FX ( z ))(1 FY ( z ))
例23 系统如图,每个元件寿命服从E ( ) , 求系统
寿命的概率密度.
L11
L12
L13
L21
L22
L23
1 e
Lij ~ E ( ), Fij ( x)
解
0
i min( Li1 , Li 2 , Li 3 ), i 1, 2
x
x0
;
x0
3 x
x0
1 e
3
Fi ( y ) 1 (1 F ( x))
;
x0
0
L11
L12
L13
L21
L22
L23
max{1 ,2 },
(1 e3 z )2 z 0
F ( z ) F1 ( y ) F2 ( y )
;
z0
0
3 z
3 z
6 e (1 e ) z 0
'
f ( z ) F ( z )
.
z0
0
1. 设随机变量X,Y是相互独立的,且X,Y等可能地
取0,1为值,求随机变量Z=max(X,Y)的概率分布。
解
X
0
1
P
1/2
1/2
Y
0
1
P
1/2 1/2
(X,Y)的取值数对为(0,0),(0,1),(1,0),(1,1),
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
所以,Z的分布列为 Z
P
0
1
1/4
3/4
课堂练
习
1:已知二维随机变量 ( , ) 的概率分布为
1
2
1
1/2
1/4
2
1/4
0
求:1. , 的边缘概率分布。
2. , 是否相互独立?为什么?
1
2
P
3/4
1/4
1
2
P
3/4
1/4
1
3 3 9
P{ 1, 1} P{ 1}P{ 1} ; 不独立
2
4 4 16
小结:
离散型随机向量函数Z=g(X,Y)的概率分布:
(X,Y)
( x1,y1 )
(x1,y2)
g(X,Y) g(x1,y1)
g(x1,y2)
P
p11
p12
...
(xn,ym)
...
… g(xn,ym)
…
...
pnm
...
注:g(x1,y1) , … g(xn,ym) …从小到大排,相同的并在一起
若X与Y相互独立,X~B(n1,p),Y~B(n2,p),
则
二项分布的可加性
X+Y~B(n1+n2,p)
若X,Y相互独立,X~P(λ1),Y~P(λ2),
则
X+Y~P(λ1+λ2)
Possion分布的可加性
结论 两个独立正态分布随机变量的和仍服从正态分布.
即:若X1~N(μ1,σ12), X2~N(μ2,σ22), X,Y独立,则
X+Y~N(μ1+ μ2,σ12+ σ22)
正态分布的可加性
随机变量函数的概率密度函数求法----分布函数法
设随机向量(X,Y)的联合密度函数为f(x,y),记Z=g(X,Y).
(1) 求Z的分布函数
F ( z ) P( Z z ) P( g ( X , Y ) z )
f ( x, y)dxdy
g ( x , y ) z
(2) 对F(z)求导即得Z的概率密度函数f(z).
连续型随机变量和的概率密度函数
设随机变量X和Y相互独立,概率密度函数分别为f1(x)和
f2(y),求Z= X+Y的概率密度函数.
解
z x
f ( x , y )dy dx
FZ ( z ) P{ X Y z } f ( x , y )dxdy
x y z
f Z (z)
独立
f ( x , z x )dx
f1 ( x)f 2 ( z x )dx
同理
z y
f ( x , y )dx dy
FZ ( z ) P{ X Y z } f ( x , y )dxdy
x y z
f Z (z)
独立
f ( z y , y )dy
f1 ( z y)f 2 ( y )dy
设随机变量X和Y相互独立,概率密度函数分别为f1(x)和
f2(y),求Z= X-Y的概率密度函数.
解
FZ ( z ) P{ X Y z}
f ( x, y )dxdy
x y z
fZ ( z)
独立
f ( y z, y )dy
y z
f1 ( y z)f 2 ( y )dy
同理
fZ ( z)
独立
f ( x, x z )dx
f ( x, y )dx dy
f1 ( x) f 2 ( x z )dx
设随机变量X和Y相互独立,概率密度函数分别为f1(x)和
f2(y),求Z= X/Y的概率密度函数.
解 FZ ( z ) P{ X / Y z}
0
fZ ( z)
x / y z
yz
f ( x, y )dxdy
f ( x, y)dx dy
0
独立
y f ( yz, y )dy
yz
f ( x, y)dx dy
y f1 ( yz)f 2 ( y )dy
设随机变量X和Y相互独立,概率密度函数分别为f1(x)和
f2(y),求Z= XY的概率密度函数.
解
FZ ( z ) P{ XY z}
0
fZ ( z)
xy z
z/x
f ( x, y )dxdy
f ( x, y)dy dx
独立
1
z
f ( x, )dx
x
x
z/x
0
f ( x, y )dy dx
1
z
f1 ( x) f 2 ( )dx
x
x
同理
fZ ( z)
独立
1
z
f ( , y)dy
y
y
1
z
f1 ( ) f 2 ( y)dy
y
y
极值分布 设随机变量X和Y相互独立, 分布函数分别为
FX(x)和FY(y),求Z=max(X,Y), Z=min(X,Y) 的分布函数.
解 FZ ( z ) P{max( X , Y ) z} P{ X z , Y z}
独立
P{ X z}P{Y z} FX ( z ) FY ( z )
同理
FZ ( z ) P{min( X , Y ) z} 1 P{ X z , Y z}
独立
1 P{ X z}P{Y z} 1 (1 FX ( z ))(1 FY ( z ))