[学习]概率论与数理统计ppt课件第三章随机向量及其独立性

1、§3.4　随机向量的函数的分布,设(X, Y)是二维随机变量,z = (x, y)是一个已知的二元函数,如果当(X, Y)取值为(x, y)时, 随机变量Z取值为z = (x, y),则称Z是二维随机变量的函数,记作Z = (X, Y)问题: 已知(X, Y)的分布, 求Z = (X, Y)的分布.,一、离散型随机向量函数的分布,例1,解,等价于,,,,,,,,,概率,,,,,例2,设两个独立的随机变量 X 与 Y

2、 的分布律为,求随机变量 Z=X+Y 的分布律.,解Z=X+Y的所有可能的取值是0,1,2,…,,例3,X, Y 相互独立,证明,由前面的例题可知,例4,例5,设X和Y相互独立，X~B(n1,p),Y~B(n2,p),求Z=X+Y 的分布.,我们可以按照前面的方法来求解，也可以换一种方法.,回忆第二章对服从二项分布的随机变量所作的直观解释:,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(

3、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).,解,（续）,从问题的背景出发得到的结果更直接，更容易理解.,更一般地，,二、连续型随机变量函数的概率分布,1. 已知(X,Y)~ f(x,y)，求Z =  (X,

4、Y)的概率分布.,若Z为连续型随机变量,则在f(z)的连续点处,解,例6,X,Y相互独立,设Z的分布函数和概率密度分别为,例7已知(X,Y) ~ f(x, y)，求Z=X+Y的概率密度.,解1,,由概率密度的定义可知，Z=X+Y的概率密度为,例7已知(X,Y) ~ f(x, y)，求Z=X+Y的概率密度.,解2,,由概率密度的定义可知，Z=X+Y的概率密度为,推论 设(X,Y)关于X,Y的边缘密度分别为fX(x) , fY

5、(y). 若X和Y独立, 则,两个随机变量和的概率密度的一般公式,解,例8,被积函数的非零域,,,,,10,(10,10),(10,20),,,20,,,,,,例9,解,,,,,,,,,,,被积函数的非零域,已知X, Y 相互独立且均服从标准正态分布，求Z=X+Y的概率密度.,解,例10,若X和Y 独立,具有相同的分布N(0,1),则Z=X+Y服从正态分布N(0,2).,有限个相互独立的正态随机变量的线性组合仍然服从正态分布.,一个

6、重要的结论,§3.5　极大极小值的分布,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), 求M=max(X,Y) 及 N=min(X,Y)的分布函数.,M=max(X,Y),FM(z) = P{M≤z} = P{max(X,Y)≤z},= P{X≤z,Y≤z},= P{X≤z} P{Y≤z},= FX(z) FY(z),类似地，可得N=min(X,Y)的分布函数是,=1-P{X>z,Y&g

7、t;z},FN(z) =P{N≤z} =P{min(X,Y) ≤z},=1 – P{min(X,Y) > z},=1- P{X>z}P{Y>z},= 1-[1-FX(z)][1-FY(z)],推论,例1,下面我们再举一例，说明当X1,X2为离散型随机变量时，如何求Y=max(X1,X2)的分布.,解1,记1-p=q，则P(Xi=k) = p q k-1 , k=1,2, … ( i =1,2),设随机变量X1,X

8、2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 .,例2,P(Y=n) = P(max(X1,X2)=n),= P(X1=n, X2≤n) + P( X2 =n, X1 <n),n=0,1,2,…,解2 P(Y=n)=P(Y≤n) - P(Y≤n-1),=P(max(X1,X2) ≤ n ) - P(max(X1,X2) ≤