二维随机变量函数的分布
3.6二维随机变量的函数的分布

Fmin (z) P{N z} 1 P{N z} 1 P{ X z,Y z} 1 P{ X z}P{Y z} 1 [1 P{ X z}][1 P{Y z}] 1 [1 FX (z)][1 FY (z)]
(2
2 z)2
,
z
0
.
0,
z0
二维随机变量的函数的分布
四、常见的二维随机变量的函数的分布
4、 Z XY 的分布
类似推导可得
fZ (z)
+
f
( x,
z) x
1 x
dx
当 X 与Y 独立时,
fZ (z)
+
fX (x)
fY
(
z) x
1 x
dx
二维随机变量的函数的分布
四、常见的二维随机变量的函数的分布
一、 二维随机变量的函数的分布引言
设( X ,Y )为一个二维随机变量,z g( x, y)为一个已知的二
元连续函数,则 Z g( x, y)是随机变量 X ,Y 的函数,它也是一
个随机变量.
边缘
分布
条件 分布
联合 分布
函数 分布
独立 性
二维随机变量的函数的分布
二、二维离散型随机变量的函数的分布
二维随机变量的函数的分布
推广到n个相互独立的随机变量,设 X1, X2 ,L , Xn是n个相互独立的随机变量
Fmax (z) FX1 (z)FX2 (z)L FXn (z) Fmin (z) 1 [1 FX1 (z)][1 FX2 (z)]L [1 FXn (z)]
当 X1, X 2 , , X n相互独立且具有相同分布函数F ( x)时,有
二维随机变量函数的分布

Fmin (z) 1 [1 FX1 (z)][1 FX2 (z)] [1 FXn (z)]. 若 X1, X2, , Xn相互独立且具有相同的分布函数 F(x) ,则
Fmax(z) [F (z)]n , Fmin (z) 1 [1 F (z)]n .
c
1
[
x
2
(2
x)
/
2]dx
=5c/24=1,
0
c =24/5
例1 设(X,Y)的概率密度是
cy(2 x), 0 x 1, 0 y x
f (x, y)
0,
其它
求 (1) c的值; (2) 两个边缘密度 注. 意积分限
y
解:
(2) fY
y=x
(
y
1
) y
24
24 y(2 5 y(3 2y
P{Z k} P{{ X 0,Y k} { X 1,Y k 1} { X k,Y 0}}
P{ X 0} P{Y k} P{ X 1} P{Y k 1}
P{ X k} P{Y 0}
k
P{ X m} P{Y k m}
m0
k
m
1 e1
km
Z
-1
0
1
pi 0.1344 0.7312 0.1344
(2)线性方程组只有零解,也就是Z≠0,故有
P{Z 0} 1 P{Z 0} 1 0.7312 0.2688
二、二维连续型随机变量的函数的分布
1、和的分布:Z=X+Y 设二维连续型随机变量(X,Y)的联合概率密度 为 f(x,y),则Z=X+Y的分布函数为
§3.4二维随机变量函数的分布

fX ( x) fY (z x)dx
z e (zx)dx 1 e z,
0
2020/4/12
17
ii) when z 1,
fZ (z)
fX ( x) fY (z x)dx
1 e(zx)dx ez (e 1)。
0
所以 Z X Y 的密度函数为:
0,
z 0,
fZ
(z)
1 e z,
fZ (x)
FZ (z)
z ln
2 z
.
(4)总结 Z的密度函数
f
Z
(
z
)
z
ln
2 z
,
0 。z 2
0,
else。
2020/4/12
Hale Waihona Puke 11Z aX bY 、连续型卷积公式
例 :设 X ,Y 的联合密度为 f (x, y),Z aX bY。
求 Z 的密度函数(a, b为不全为0的实常数)。
(1) 确定Y 的取值范围R(Y);
(2) 求出当 y R(Y ) 时Y 的分布函数 FY ( y) :
FY ( y) P(Y y) P( g( X ) y) P( X G( y))
f ( x)dx;
G( y)
其中 G( y)是满足 g( X ) y 的X 的取值范围;
(3) 求出当 y R(Y ) 时Y 的密度函数 fY ( y) :
0 z 1,
ez (e 1), z 1。
2020/4/12
18
ZX Y
类似于前面的卷积公式,我们有
定理 设二维连续型随机变量(X,Y)的联合
密度函数为 f ( x, y),则 Z X Y 的密度函数
二维随机变量的函数的分布

2 数值方法
根据函数的定义和已知分布,可以通过 求解方程来得到函数的分布。
当方程难以求解时,可以使用数值方法 如蒙特卡洛模拟来近似计算函数的分布。
常见的二维随机变量函数的分布
介绍一些常见的二维随机变量函数和它们的分布,以及它们在实际问题中的应用。
线性变换
对于服从正态分布的二维随机变量,经过线性 变换后,其分布也将趋于正态分布。
介绍二维随机变量函数的定义和应用场景,以及一些常见的例子。
定义
二维随机变量函数是将一个或多个随机变 量映射到另一个随机变量的数学函数。
例子
一个常见的二维随机变量函数的例子是计 算两个变量之间的相关性。
二维随机变量函数的分布求解方法
讲解如何通过求解方程或使用数值方法得到二维随机变量函数的分布。
1 方程求解
其他函数示例
还有许多其他类型的二维随机变量函数,如指 数函数、对数函数等。
函数转换法的应用与实例
通过实际应用案例,展示函数转换法在解决二维随机变量函数的分布问题中的应用。
1
应用实例
以金融市场中的投资组合优化问题为例,展示如何使用函数转换法来计算最优投 资组合的分布。
2
优势与局限
介绍函数转换法的优势和局限性,以及如何在实际问题中准确应用。
3
实用案例
分享其他实用案例,如信用评级、股票市场分析等,来展示函数转换法的广泛应 用。
二维随机变量的函数的分 布
随机变量及其函数的定义和性质介绍
二维随机变量的概念和例子
通过实际例子,介绍二维随机变量的定义和特点,以及它们在现实生活中的应用。
定义
二维随机变量是由两个随机变量构成,表示两 个相关事件的联合概率分布。
例子
二维随机变量的函数的分布

(2) 设连续型随机变量( X ,Y )的概率密度为f ( x, y) , 边缘概率密度分别为f X ( x) , fY ( y) ,则有
X 和Y 相互独立 f ( x, y) f X ( x) fY ( y).
在f ( x, y) , f X ( x) , fY ( y)的一切连续点(x, y)处
Z=X+Y的概率密度。
解
fX (x)
1
x2
e 2,
2
fY ( y)
1
y2
e 2 ,( x, y )
2
fZ (z) fX ( x) fY (z x)dx
t 2(x z ) 2
1
x2
e2
2
1 e dx
(
z x 2
0.1 0.3 0.3 0.1 0.2
X与Y独立,X,Y取0,1,2,…,则Z=X+Y Z=max(X,Y)
的分布律
设X与Y独立,分别服从参数为 1 ,2 的泊松分布, 证明Z=X+Y服从参数为 1 2 的泊松分布。
【注】分布具有可加性
二项分布的可加性(P89)
二、 连续型随机变量的函数的分布
例2 设随机变量X和Y相互独立,且X和Y都是(0,a) 上的均匀分布,求Z=X+Y的概率密度。
例2 在一简单电路中,两电阻R1和R2串联联接,设
R1, R2相f (互x)独 立1,050它x 们, 的0 概x率密10度, 均为 z
0,
其 它.
求总电阻R=R1+R2的概率密度.
z=x+10 z=x
0,
, x 0, 其它.
二维随机变量函数的分布

V min{X1 ,X2 , ,Xn} 的分布函数分别为
Fmax (u) FX1 (u)FX2 (u) FXn (u) ,
(3-34)
Fmin (v) 1 [1 FX1 (v)][1 FX2 (v)] [1 FXn (v)] .
(3-35)
特别地,当 X1 ,X2 , ,Xn 相互独立且有相同的分布函数 F(x) 时,有
0
0dt
z 1
z
1dt
z
;
0
当1
z 2 时, fZ (z)
z
z1 fX (t)dt
1
1dt
z 1
z 0dt 2 z ;
1
当 z
2 时, fZ (z)
z
z1 f X (t)dt
z 0dt 0 .
z 1
综上所述,随机变量 Z X Y 的概率密度为
z , 0 z 1, fZ (z) 2 z , 1 z 2 ,
二维随机变量函数的分布
1.1 二维离散型随机变量函数的分布
因此, X Y 的分布律如表 3-13 所示.
表 3-13
X Y
0
1
2
3
3
7
5
1
P
16
16
16
16
(2)同理, XY 的分布律如表 3-14 所示.
表 3-14
XY
0
1
2
13
1
1
P
16
8
16
多维随机变量及其分布
二维随机变量函数的分布
1.1 二维离散型随机变量函数的分布
多维随机变量及其分布
二维随机变量函数的分布
1.2 二维连续型随机变量函数的分布
概率统计10——二维随机变量函数分布

特殊情况,如果X与Y具有相同分布,
重庆大学数理学院
FZ1 ( z) F ( z) F ( z) F ( z)
2
即FX(z)=FY(z)记为F(z),则上述公式变为
FZ2 ( z) 1 [1 F ( z)][1 F ( z)] 1 [1 F ( z)]
2
推广: 若Z1=max(X1,X2,…,Xn), Z2=min(X1,X2,…,Xn),
P
14
14
16
18
18
1 12
重庆大学数理学院
( X,Y ) (-1,-1) (-1,0) (1,-1) (1,0) (2,-1) (2,0) -1 0 1 1 2 X +Y -2 X -Y XY
0
1 1
-1
0 0
2
-1 -1
1
0 0
3
-2 -1/2
2
0 0
Y/X
X+Y P
-2
-1
0
1
2
14
14
0
重庆大学数理学院
z x ( z x) xe ( z x)e dx, f Z ( z ) f ( x) f ( z x)dx 0 0, z3 z e , 6 0, z0 other z0 other
解:设 X i (i 1,2) 表示第i周需求量,且它们独立同分布, 则欲求 Y X1 X 2 的密度函数。
e
dx
1
2
e
z2 4
所以,X+Y~N(0, 2)。
一般地,X~N(μ1,σ12), Y~N(μ2,σ22), 则X+Y~N(μ1+μ2, σ12+σ22)。 称该性质为线性可加性,二项分布、泊松分布都 机变量的情形。
二维随机变量函数的分布

返回
退出
例1 设随机变量 ( X, Y ) 的联合分布列如下
Y
X0
1
2
3
4
5
0
0
0.01
0.03
0.05
0.07
0.09
1
0.01
0.02
0.04
0.05
0.06
0.08
2
0.01
0.03
0.05
0.05
0.05
0.06
3
0.01
0.02
0.04
0.06
0.06
0.05
试求 ZXY 的分布列.
解 Z 所有可能的取值显然为 0,1,2, ···, 8 . 在联合分布列中对使 Z 可取同一值的X 与Y的取值概率进行归并, 即得Y 的分布律如下
退出
退出
退出
Z = X+Y
1. 离散变量之和的分布列可用归并法求之
在离散量的分布列中, 对X , Y 所有能 使函数 Z 取同一值的全部取值概率进行 归并 ( 例如, 固定一个变量的取值, 然后 寻找另一变量与其之和为同一值的取值 概率), 所得之和即是函数 Z 在同一可取 之值上的取值概率.
那么, 其和变量 Z = X1 + X2 + … + X k
也是泊松量,且有
k
Z ~ P ( i ) i1
返回
退出
例2-4 两[ 0 ,1 ]上的均匀量 X 与Y 相互独立, 试求和变量
ZXY的概率密度.
解 Q X ~ R ( 0 , 1 ) ,Y ~ R ( 0 , 1 ) , 且相互独立 , ∴概率密度
x ty z
[ f(ty,y)d t]d y
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第三章多维随机变量及其分布
第五节
二维随机变量的函数分布
复习:已知一维随机变量X 的概率特性——分布函数或概率密度(分布律)
Y = g ( X )
求随机变量Y的概率特性
方法:将与Y有关的事件转化成X的事件
如果g (x k )中有一些是相同的,则Y 取该值的概率为所有g (x i )所对应的P i 之和.
一般,若X 是离散型r.v ,X 的概率函数为
X
n n p p p x x x 21
21
~则Y=g (X )~
n n p p p x g x g x g 21
21)()()
(一维离散型随机变量函数的分布
一维连续型随机变量函数的分布
X f x Y =g X 设为连续型随机变量,其概率密度为,则的概率密度的求解可通过求其分布函数得到.一般过程为:
方法一:分布函数法
Y 1.求出的分布函数.
1
-Y F y =P Y y =P g x y =P x g y
1-g y -=f x dx.
一、离散型分布的情形
问题: 已知二维离散型随机变量(X,Y )的分布律, g (x,y )为已知的二元函数, 则Z =g (X,Y )也是离散型随机变量,求Z 的分布律.
1k
k k i
j .Z =z =g x ,y
2.k k
i j k
k k k i j g x ,y =z P Z =z =
P X =x ,Y =y k =1,2,…
设X ~B (n 1, p ), Y ~B (n 2, p ), 且独立,具有可加性的两个离散分布 设X ~ P ( 1), Y ~ P ( 2), 且独立,则X + Y ~ B ( n 1+n 2,p )
则X + Y ~ P ( 1+ 2)
二、连续型分布的情形
问题:已知二维随机变量( X ,Y )的概率密度,g(x,y)为已知的二元函数,Z = g( X ,Y )求:Z 的概率密度函数.
方法:
1)从求Z 的分布函数出发,将Z 的分布函数转化为( X ,Y )的事件的概率(分布函数法). 2)代公式(公式法).
•z
•
z += z
x
(通过分布函数)
则
),
(z
F
Z
2,()
z F z
时
x 1
y o
解法二(公式法-------图形定限法)
其他,
02,10,3),(x
z x x x x z x f
dx
x z x f z f Z ),()(由公式(1)
其他,
00,10,3),(x
y x x y x f
正态随机变量的情形
1)若X ,Y 相互独立,)
,(~),,(~22
221
1 N Y N X 则),(~2221
21 N Y X 2)若(X ,Y ));,;,(~22
2211 N 则)
2,(~22
2121
21 N Y X n
i N X i
i i ,,2,1),,(~2 若n X X X ,,,21 相互独立
则
)
,(~1
21
1
n
i i
n i i n i i N X
(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F
X (x)和F
Y
(y),我们来求:
M=max(X,Y)及N=min(X,Y)
的分布函数.
由于M=max(X,Y)不大于z等价于X和Y都不大于z,故有
P(M≤z)=P(X≤z,Y≤z)
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
F M (z )= F X (z )F Y (z )
F M (z )=P (M ≤z )=P (X ≤z )P (Y ≤z )=P (X ≤z ,Y ≤z )类似地,可得N=min(X ,Y )的分布函数是:F N (z )=P (N ≤z )=1-P (N >z )
=1-P (X >z ,Y >z )=1-P (X >z )P (Y >z )
即有
F N (z)= 1-[1-F X (z )][1-F Y (z )]
推广:设X 1,…,X n 是n 个相互独立的随机变量,它们的分布函数分别为求M=max(X 1,…,X n )和N=min(X 1,…,X n )的分布函数,则:
)(x F i X (i =0,1,…, n ),N=min(X 1,…,X n )的分布函数为:
M=max(X 1,…,X n )的分布函数为:
111()[()]N X F z F z …1[()]
n X F z 1()()M X F z F z ()
n X F z …
特别,当X 1,…,X n 相互独立且具有相同分布函数F (x )时,有
F M (z )=[F (z )] n , F N (z )=1-[1-F (z )] n 若X 1,…,X n 是连续型随机变量,在求得M=max(X 1,…,X n )和N=min(X 1,…,X n )的分布函数后,不难求得M 和N 的密度函数.
例3设系统L 由相互独立的n 个元件组成,连接方式为:(1) 串联;(2) 并联;如果n 个元件的寿命分别为12,,,n X X X 12~(),,,,i X E i n 且求在以上2种组成方式下,系统L 的寿命X 的密度函数.解
0,(),
i x
X e x f x
其它10
0,(),
i x
X e x F x
其它
(1)
}
,,,min{21n X X X X n
i X X x F x F i 1
))
(1(1)(
,
00,
)(x x e
n x f x
n X
,
1,0,
)(1x x e x F x
X i (2)
}
,,,max{21n X X X X n
i X X x F x F i 1)()(
,0,
0,
)1(x x e n
x
,
00,
)1()(1
x x e e
n x f n x x
X
y=
y=
z
•z
•z
x +y =
z
z -11x
1•z
•z
1
x
y
z
2 2
1
x
= 1
-
z
= 1
-
z。