3.5(二维随机变量函数的分布)

合集下载

§3.5 随机变量函数的分布

§3.5 随机变量函数的分布

( ii ) 若Y = X 2 , 则有 1 fY ( y ) = [ f X ( y ) + f X ( − y )], y ∈ R(Y ). 2 y 这里a , b为常数 且a ≠ 0, R(Y )为Y的值域 .
证明 由于 R(Y ) = [0,+∞ ), 取 y ≥ 0, 有
FY ( y ) = P ( X ≤ y ) = P ( − y ≤ X ≤
2 2 ∑ ci X i ~ N ( ∑ ci µi , ∑ ci σ i ). n i =1 n i =1 n i =1
其中, 为常数. 其中 c1 , c2 ,⋯, cn为常数
3.5.2 二维随机变量函数的分布 一、一般方法 是二维连续型随机变量,其联合密 设 ( X ,Y )是二维连续型随机变量 其联合密 的函数, 度为 f ( x , y ).又设Z = g( X ,Y ) 是 ( X ,Y ) 的函数 又设 类似于一维,求 的密度的一般方法为 的密度的一般方法为: 类似于一维 求Z的密度的一般方法为 (i)确定 的值域 R(Z ); 确定Z的值域 确定 (ii)对任意 z ∈ R(Z ), 对任意 求出Z的分布函数 的分布函数; 求出 的分布函数;
f Z ( z ) = ∫− ∞ f ( x , z − x )dx,或 f Z ( z ) = ∫− ∞ f ( z − y , y )dy .
+∞ +∞
当 X与Y 独立时 则 与 独立时,则
f Z ( z ) = ∫− ∞ f X ( x ) fY ( z − x )dx,或 f Z ( z ) = ∫− ∞ f X ( z − y ) fY ( y )dy .
−1 −1
用上述定理求例3.5.1中Y的密度函数 例3.5.3 用上述定理求例 中 的密度函数

二维随机变量及其分布

二维随机变量及其分布

7/27, 19/27, 25/27, 26/27, 26/27, 8/27, 20/27, 26/27, 1,
2 x <3, 0 y < 1, 2 x <3, 1 y < 2, 2 x <3, 2 y < 3, 2 x <3, y 3, 2 x <3, y 3, x 3, 0 y < 1, x 3, 1 y < 2, x 3, 2 y < 3, x 3, y 3
PX x,Y
F (x,)
x
x
y
FY ( y) PY y
y
PX ,Y y
F (, y)
x
例2 设二维随机变量(X ,Y )的联合分布函数为
F
(
x,
y)
A
B
arctan
x 2
C
arctan
y 2
x , y 其中A , B , C 为常数.
(1) 确定A , B , C ; (2) 求X 和Y 的边沿分布函数;
i, j, 1,2,
二维离散型随机变量的边沿分布律
记作
P( X xi ) pij pi• , i 1,2,
j1 记作
P(Y y j ) pij p• j , j 1,2,
i1
已知联合分布律可以求出边沿分布律;
已知边沿分布律一般不能唯一地求出联合
分布律
例3 把三个球等可能地放入编号为1,2,3 的 三个盒子中,每盒容纳的球数无限. 记 X 为落入 1 号盒的球数,Y 为落入 2 号盒的 球数,求
PX a,Y c 1 F(a,c)
(a,+)
PX a,Y c
y
P(a X ,c Y )

二维随机变量函数的分布

二维随机变量函数的分布

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Xn n p p p x x x 2121~则Y=g (X )~n n p p p x g x g x g 2121)()()(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 y1-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.1kk k ij .Z =z =g x ,y2.k ki j kk 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 += zx(通过分布函数)则),(zFZ2,()z F z时x 1y o解法二(公式法-------图形定限法)其他,02,10,3),(xz x x x x z x fdxx z x f z f Z ),()(由公式(1)其他,00,10,3),(xy x x y x f正态随机变量的情形1)若X ,Y 相互独立,),(~),,(~222211 N Y N X 则),(~222121 N Y X 2)若(X ,Y ));,;,(~222211 N 则)2,(~22212121 N Y X ni N X ii i ,,2,1),,(~2 若n X X X ,,,21 相互独立则),(~1211ni in 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FX (x)和FY(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 xX e x f x其它100,(),i xX e x F x其它(1)},,,min{21n X X X X ni X X x F x F i 1))(1(1)(,00,)(x x en x f xn X,1,0,)(1x x e x F xX i (2)},,,max{21n X X X X ni X X x F x F i 1)()(,0,0,)1(x x e nx,00,)1()(1x x e en x f n x xXy=y=z•z•zx +y =zz -11x1•z•z1xyz2 21x= 1-z= 1-z。

二维随机变量的函数的分布

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

二维随机变量的函数的分布
即 pij pi p j .
(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。

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

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

概率论:二维随机变量的函数的分布


( X ,Y ) Z X Y
(1, 2 ) (1,4 ) ( 3, 2 ) ( 3 ,4 )
3 5 5 7
所以
Z X Y P
3
0.18
5
7
0.54
0.28
具有可加性的两个离散分布
设 X ~B (n1, p), Y ~B (n2, p), 且独立, 则 X + Y ~ B ( n1+n2, p) 设 X ~ P (1), Y ~ P (2), 且独立, 则 X + Y ~ P(1+ 2)
证明过程见73页例3.21
三、连续型随机变量函数的分布
问题 已知二维随机变量( X ,Y )的密度函数, g(x,y)为已知的二元函数, 求 Z= g( X ,Y ) 的密度函数. 方法 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
连续型随机变量函数的分布主要形式
(1) Z X Y 的分布

卷积计算思路
f Z ( z) f X ( x) fY ( z x)dx


在xoz平面上确定被积函数及其非零区域D;
参照D就z在(-∞,+∞)上进行分段;
对上述各分段中取定的z值,就x从- ∞积分至 +∞,实际只需在非零区域D上一段积分. 注意:上述也是一般参量积分的计算方法。

x2 2
e
( z x)2 2
dx
1 e z 2 t x
2
z 2 z ( x ) 2 4 2
e
dx
1 e 2
z 2 t 2 4
e
dt
1 e 2 z 1 2( 2 ) e ( z ). 2 2

《概率论与数理统计》第3章 二维随机变量及其分布


23 April 2012
第三章 多维随机变量及其分布
注意点
第32页
(1) X 与Y是独立的其本质是: 任对实数a, b, c, d,有
Pa X b, c Y d Pa X b Pc Y d
(2) X 与Y 是独立的,则g(X)与h(Y)也是独立的.
23 April 2012
0
=A/6
所以, A=6
23 April 2012
第三章 多维随机变量及其分布
第22页
例3.3.2

(X,
Y)

p( x,
y)
6e(2x3y) , 0,
x 0, y 0 其它
试求 P{ X< 2, Y< 1}.
23 April 2012
第三章 多维随机变量及其分布
第23页
y
解: P{ X<2, Y<1} p(x, y)dxdy
3.1.2 联合分布函数
定义3.1.2 (以下仅讨论两维随机变量)
任对实数 x 和 y, 称 F(x, y) = P( X x, Y y)
为(X, Y) 的联合分布函数.
注意:
F(x, y)为(X, Y)落在点(x, y)的左下区域的概率.
23 April 2012
第三章 多维随机变量及其分布
x1 x2 … xi …
23 April 2012
y1 y2 … yj …
p11 p12 … p1j … p21 p22 … p2j … … … ……… pi1 pi2 … pi j … … … ………
第三章 多维随机变量及其分布
第9页
联合分布列的基本性质
(1) pij 0, i, j = 1, 2,… (非负性)

3.5两个随机变量的函数的分布


1
2
x2 y2 z
x2 y2
e 2 dxdy
x2 y2 z
作极坐标变换 x r cos , y r sin , 则有
FZ
z
1
2
z r2
z r2
d e 2 rdr e 2 rdr
2 0 0
0
z r2
FZ
z
0
e
2 rdr 0
z0 z0
Z= X2 +Y2的概率密度
f
Z
z
ze
Fm ax( z )
FX
( z ) FY
(z)
(1 0,
ez
)(1
e z
),
z 0, z 0.
于是Z的概率密度为
fmax(z)
ez
0,
e z
(
)
e(
)z
,
z 0, z 0.
(3)备用的情况
由于这时当系统L1损坏时系统L2才开始工作, 因此整个系统L的寿命Z是L1,L2两者寿命之和, 即 Z=X+Y 按(5.3)式, 当z>0时Z=X+Y的概率密度为
f (z)
fX (z y) fY ( y) d y
e (z y) ey d y
ez
z 0
e( ) y
d
y
[ez
ez ].
当z0时, f(z)=0, 于是Z=X+Y的概率密度为
f
(
z
)
[ez
e
z
],
z 0,
0,
z 0.
作业 第三章习题
第106-108页 第19、21题
PX 10 PY 6 0.3 0.6 0.5 0.4 0.38 PZ=17 PX 10,Y 7 PX 11,Y 6 PX 10 PY 7

3.5 两个随机变量的函数的分布

第五节
两个随机变量的函数的分布
一、问题的引入 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布 四、小结
一、问题的引入
有一大群人 , 令 X 和 Y 分别表示一个人的 年龄和体重, Z 表示该人的血压 ,并且已知 Z 与
X , Y 的函数关系 Z = g ( X ,Y ),如何通过 X ,Y 的分
(iii)备用的情况
由于这时当系统 L1 损坏时,系统 L2 才开始工 作, 因此整个系统 L 的寿命 Z 是 L1 , L2 两者之和: 两者之和:
Z = X +Y
当 z > 0 时 Z = X + Y 的概率密度为
f (z ) = ∫

−∞
f X ( z − y ) fY ( y ) d y
= ∫ αe − α ( z − y ) βe − βy d y
(1 − e − αz )(1 − e − βz ), z > 0, Fmax ( z ) = FX ( z ) ⋅ FY ( z ) = 0, z ≤ 0.
Z = max{ X , Y }的概率密度为
αe − αz + βe − βz − (α + β )e −( α + β ) z , z > 0, f max ( z ) = z ≤ 0. 0,
分布函数为
Fmax ( z ) = P { M ≤ z } = P { X ≤ z ,Y ≤ z }
=P { X ≤ z } P {Y ≤ z }.
即有 Fmax ( z ) = FX ( z )FY ( z ). 类似地, 类似地
可得 N = min{ X , Y }的分布函数为
Fmin (z ) = P { N ≤ z } = 1 − P{ N > z } (z
  1. 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. 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. 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)。
600z 60z 2 z 3 15000
z
例2-续3
10 z 20
10 x 10 z x f Z ( z) dx 50 50 z 10 10 1 (100 10z zx x 2 )dx 2500z 10
10
(20 z )3 15000
Z3 = min{X,Y} -1
0
1
-1
3.5.1
P (X,Y)
二维离散型随机变量函数的分布
0.2 (1,-1) 0.1 (1,0) 0.1 (1,1) 0.1 (2,-1) 0 (2,0) 0.1 0 0.3 (3,0) 0.1 (3,1) (2,1) (3,-1)
Z1 = X
Z2 = Y/X Z3 = min{X, Y}
n
3.5.2
二维连续型随机变量函数的分布
推广1
(X,Y)的概率密度为f(x,y),Z=kX+Y的概率密度.
f Z ( z)
f X ( x ) fY ( y ), 和

f ( x, z kx)dx
特别地,当X和Y独立时, X,Y的概率密度分别为

f X fY

f X ( x) fY ( z kx)dx
计算卷积: 函数自变量为z,积分变量为x,当z取值范围确 定后,x由-∞积分至+ ∞(只需在非零区域内一段上积 分).

z
0 z 10
10 x 10 z x f Z ( z) dx 50 50 0 1 (100 10z zx x 2 )dx 2500 0
z 0或z 20 因为 所以
f X ( x) fY ( z x) 0, f Z ( z) 0.
例2-续4
综上可得:
600z 60z 2 z 3 , 0 z 10, 15000 (20 z )3 f Z ( z) , 10 z 20, 15000 0 其它.
P{( X ,Y ) DZ } f ( x , y )dxdy
其中 DZ {( x, y) g( x, y) z}.
(2)FZ(z)对z求导数,得Z的概率密度为
DZ
d f Z ( z ) FZ ' ( z ) f ( x, y )dxdy dz DZ
3.5.2
3.5.1
二维离散型随机变量函数的分布,
(1 2 )k ( 1 2 ) k k! 1 i 2 k i P{ Z k } e i!(k i )! ( ) ( ) k! i 0 1 2 1 2 (1 2 )k ( 1 2 ) 1 2 k e ( ) k! 1 2 1 2
3.5.2
二维连续型随机变量函数的分布
【 例 3.23】 ( 正 态 分 布 的 可 加 性 ) 设 X 和 Y 都 服 从 N(0,1)且相互独立,求Z = X + Y的概率密度.
解:由卷积公式 f Z ( z ) f X ( x ) fY ( z x )dx
1 ( x ) ( z x )dx 2
3.5.2
二维连续型随机变量函数的分布
推广2
(X,Y)的概率密度为f(x,y),Z=X+kY的概率密度.
f Z ( z)
f X ( x ) fY ( y ), 和

f ( z ky, y)dy
特别地,当X和Y独立时, X,Y的概率密度分别为

f X fY

f X ( z ky) fY ( y)dy
1/3 0.1
1/2 0.1
1 0.1
3.5.1
二维离散型随机变量函数的分布,
【例3.21】设 X ~ P(1 ),Y ~ P(2 ) , 且 X与Y独立,证 明 Z X Y ~ P(1 2 ) . 证:
Z X Y
取值为0,1,2,…,
i j k
{Z=k}={ X+Y=k}
2 x t z 42
z ( x )2x 2 2 2
e dx dx
即Z~N(0,2).
3.5.2
二维连续型随机变量函数的分布
结论:X,Y相互独立,且 X ~ N ( 1 , 12 ) , ~ N (2 , 2 2 ) Y 2 则 X Y ~ N ( 1 2 , 12 2 ) 推广

分布函数法: P{( X , Y ) G } f ( x , y)dxdy
由于参数 z 的取值范围 (, ) ,对 z 进行分段步骤如下 (1)将f (x , y)非零区域为边界线的所有交点求出,不妨设
G
(x1,y),(x2 ,y2), ,(xn ,yn) 1
(2)将上述坐标进行运算,例如 z=2X+Y
fZ ( z )

f X ( z y) fY ( y)dy 和 fZ ( z ) f X ( x ) fY ( z x )dx


这两个公式称为卷积公式,记为:
f X fY

f X ( z y ) fY ( y )dy

f X ( x ) fY ( z x )dx
Zi 2 X i Yi
将它们按从小到大的顺序进行排列
z1 z2 z3 z4
(3)对 z 分段
3.5.2
二维连续型随机变量函数的分布
【例3.26】设随机变量X与Y相互独立,且同服从
(0,1)上的均匀分布,试求Z = | X – Y |的概率密度.
解:因为 FZ ( z ) P{| X Y | z}
【例2】(典型题)
10 t , 0 t 10, f (t ) 50 0, 其它, 求Z=X+Y概率密度。
积公式计算:
设随机变量X,Y相互独立,且概率密度均为:
〖 解〗因为X,Y独立,所以和分布概率密度可由卷

f Z ( z) f X ( x) fY ( z x)dx
二维连续型随机变量函数的分布
设(X,Y)的概率密度为f(x,y),Z=X+Y的概率密度.
f Z (z)

f ( z y, y )dy
f Z (z)


f ( x, z x )dx
特别地,当X和Y独立时, X,Y的概率密度分别为 和 f X ( x ) fY ( y ),则上述两式可分别写成
第3章 多维随机变量及其分布
3.5 二维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
设(X,Y)为二维离散型随机变量,
则函数 Z g( X ,Y ) 是一维离散型随机变量.
若已知(X,Y)的分布律,
如何得到 Z g( X ,Y )的分布律?
3.5.1
二维离散型随机变量函数的分布
[


z y

对积分

z y
z y
f ( x, y )dx 作变量变换x = u – y得:
f ( x, y )dx
z
z


f (u y, y )du
z
于是 FZ ( z ) [ f ( u y, y)du]dy [ f ( u y, y)dy]du
k
{ X i, Y j}
i
{ X i, Y k i}, i 0,1, , k
P{Z k} P{ X i}P{Y k i}
(
i 0
i 0 k
1
i
i!
e 1 )(
2
k i
( k i )!
e 2 )
(1 2 )k ( 1 2 ) k k! 1 i 2 k i e i!(k i )! ( ) ( ) k! i 0 1 2 1 2
10 x , 0 x 10, f X ( x) 50 0, 其它,
故得:
10 x 10 ( z x) , 0 x 10, x z 10 x f X ( x) fY ( z x) 50 50 0, 其它,
例2-续2
X Y ~ B(n1 n2 , p)
X ~ P(1 ),Y ~ P(2 )
X Y ~ P(1 2 )
3.5.2
二维连续型随机变量函数的分布
设(X,Y)为二维连续型随机变量,其概率密度为 Z f(x,y), g( X ,Y )为X,Y的函数,它也是连续型随机 变量. 求Z的概率密度的一般按下面两步进行: (1)求Z的分布函数 FZ ( z ) P{ Z z} P{ g( X ,Y ) z}
3.5.2
二维连续型随机变量函数的分布
z
由 FZ ( z ) [
f ( u y, y)dy]du 对z求导数得

f Z (z)

f ( z y, y )dy
由X,Y的对称性,又有:
f Z (z)

f ( x, z x )dx
3.5.2
1
-1 -1
1
0 0
1
1 1
2
-1/2 -1
2
0 0
2
1/2 1
3
-1/3 -1
3
0 0
3
1/3 1
易得到下列随机变量的分布律(取相同值的概率给以合并):
Z1 pi Z2 pj -1 0.2 1 0.4 2 0.2 3 0.4 Z3 -1 0 1
pk
0.3
0.4
0.3
相关文档
最新文档