应用概率统计 主讲:刘剑平.

Slides:



Advertisements
Similar presentations
1 §2.2 离 散 型 随 机 变 量 §2.1 随 机 变 量 的 概 念 §2.3 超几何分布 · 二项分布 · 泊松分布 1. “0-1” 分布 ( 两点分布 ) 3. 二项分布 4. Poisson 分布 2. 超几何分布 n →∞ , N→∞ , (x = 0, 1, 2, , n) (x.
Advertisements

第二章 导数与微分 习题课 主要内容 典型例题 测验题. 求 导 法 则求 导 法 则 求 导 法 则求 导 法 则 基本公式 导 数 导 数 微 分微 分 微 分微 分 高阶导数 高阶微分 一、主要内容.
目录 上页 下页 返回 结束 习题课 一、导数和微分的概念及应用 二、导数和微分的求法 导数与微分 第二章.
第八章 第四节 机动 目录 上页 下页 返回 结束 一个方程所确定的隐函数 及其导数 隐函数的微分法.
2.6 隐函数微分法 第二章 第二章 二、高阶导数 一、隐式定义的函数 三、可微函数的有理幂. 一、隐函数的导数 若由方程 可确定 y 是 x 的函数, 由 表示的函数, 称为显函数. 例如, 可确定显函数 可确定 y 是 x 的函数, 但此隐函数不能显化. 函数为隐函数. 则称此 隐函数求导方法.
2.5 函数的微分 一、问题的提出 二、微分的定义 三、可微的条件 四、微分的几何意义 五、微分的求法 六、小结.
第二章 导数与微分. 二、 微分的几何意义 三、微分在近似计算中的应用 一、 微分的定义 2.3 微 分.
全微分 教学目的:全微分的有关概念和意义 教学重点:全微分的计算和应用 教学难点:全微分应用于近似计算.
2.3 函数的微分. 四川财经职业学院 课前复习 高阶导数的定义和计算方法。 作业解析:
1 概率论与数理统计第 9 讲 本幻灯片可在如下网站下载: www. 应用数学.cn.
第三章 多维随机变量及其分布 3.1 二维随机变量 3.2 边缘分布 3.3 条件分布 3.4 随机变量的独立性
第二章 随机变量及其分布 在第一章里,我们研究了随机事件及其概率.而对于一个随机试验,我们除了对某些特定的事件发生的概率感兴趣外,往往还会关心某个与试验结果相联系的变量.由于这一变量依赖于试验结果,因而这一变量的取值具有随机性,这种变量被称为随机变量.本章将着重介绍两类随机变量——离散型随机变量和连续型随机变量及其分布.
概率论与数理统计 课件制作:应用数学系 概率统计课程组.
第四章 多维随机变量及其分布.
§4 二维随机变量及其分布.
清仓处理 跳楼价 满200返160 5折酬宾.
例题 教学目的: 微积分基本公式 教学重点: 牛顿----莱布尼兹公式 教学难点: 变上限积分的性质与应用.
高等数学电子教案 第五章 定积分 第三节 微积分基本定理.
第五节 微积分基本公式 、变速直线运动中位置函数与速度 函数的联系 二、积分上限函数及其导数 三、牛顿—莱布尼茨公式.
第四章 定积分及其应用 4.3 定积分的概念与性质 微积分基本公式 定积分的换元积分法与分部积分法 4.5 广义积分
第四章 函数的积分学 第六节 微积分的基本公式 一、变上限定积分 二、微积分的基本公式.
第四章 一元函数的积分 §4.1 不定积分的概念与性质 §4.2 换元积分法 §4.3 分部积分法 §4.4 有理函数的积分
第5章 定积分及其应用 基本要求 5.1 定积分的概念与性质 5.2 微积分基本公式 5.3 定积分的换元积分法与分部积分法
主要内容 § 3.1 多维随机变量及联合分布 联合分布函里数 联合分布律 联合概率密度 § 3.2 二维随机变量的边缘分布
第二章 导数与微分 第二节 函数的微分法 一、导数的四则运算 二、复合函数的微分法.
第三章 导数与微分 习 题 课 主要内容 典型例题.
第四章 随机变量的数字特征 第一节 数学期望 第二节 方差 第三节 协方差及相关系数 第四节 矩、协方差矩阵.
第5章 §5.3 定积分的积分法 换元积分法 不定积分 分部积分法 换元积分法 定积分 分部积分法.
第三章 多维随机变量及其分布 §2 边缘分布 边缘分布函数 边缘分布律 边缘概率密度.
例1 :甲击中的环数; X :乙击中的环数; Y 平较高? 试问哪一个人的射击水 : 的射击水平由下表给出 甲、乙两人射击,他们
第三章 多维随机变量及其分布 §3.1 多维随机变量及其联合分布 §3.2 边际分布与随机变量的独立性 §3.3 多维随机变量函数的分布
本次课讲授:第二章第十一节,第十二节,第三章第一节, 下次课讲第三章第二节,第三节,第四节; 下次上课时交作业P29—P30
计算机数学基础 主讲老师: 邓辉文.
§2 求导法则 2.1 求导数的四则运算法则 下面分三部分加以证明, 并同时给出相应的推论和例题 .
第一章 函数 函数 — 研究对象—第一章 分析基础 极限 — 研究方法—第二章 连续 — 研究桥梁—第二章.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
连续型随机变量及其概率密度 一、概率密度的概念与性质 二、常见连续型随机变量的分布 三、小结.
第七章 参数估计 7.3 参数的区间估计.
习题 一、概率论 1.已知随机事件A,B,C满足 在下列三种情况下,计算 (1)A,B,C相互独立 (2)A,B独立,A,C互不相容
抽样和抽样分布 基本计算 Sampling & Sampling distribution
实数与向量的积.
第三章 多维随机变量及其分布.
概 率 论.
概 率 统 计 主讲教师 叶宏 山东大学数学院.
5.2 常用统计分布 一、常见分布 二、概率分布的分位数 三、小结.
复习.
第三章 多维随机变量及其分布 主讲教师:董庆宽 副教授 研究方向:密码学与信息安全
在第一章中,我们介绍了条件概率的概念 . 在事件B发生的条件下事件A发生的条件概率 推广到随机变量
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
§6.7 子空间的直和 一、直和的定义 二、直和的判定 三、多个子空间的直和.
第三章 多元随机变量及其分布 关键词:二元随机变量 联合分布 边际分布 条件分布 随机变量的独立性 随机变量函数的分布.
第三章 随机变量的数字特征 (一)基本内容 一、一维随机变量的数学期望 定义1:设X是一离散型随机变量,其分布列为:
概 率 统 计 主讲教师 叶宏 山东大学数学院.
第三章 函数的微分学 第二节 导数的四则运算法则 一、导数的四则运算 二、偏导数的求法.
学习任务三 偏导数 结合一元函数的导数学习二元函数的偏导数是非常有用的. 要求了解二元函数的偏导数的定义, 掌握二元函数偏导数的计算.
第3章 多维随机向量及其分布 3.1 随机向量及其联合分布函数 3.2 二维离散型随机向量 3.3 二维连续型随机向量
第三章 多维随机变量及其分布 第一节 二维随机变量 第二节 边缘分布 第三节 条件分布 第四节 相互独立的随机变量
第四节 随机变量函数的概率分布 X 是分布已知的随机变量,g ( · ) 是一个已知 的连续函数,如何求随机变量 Y =g(X ) 的分布?
第一部分:概率 产生随机样本:对分布采样 均匀分布 其他分布 伪随机数 很多统计软件包中都有此工具 如在Matlab中:rand
第15讲 特征值与特征向量的性质 主要内容:特征值与特征向量的性质.
§5.2 抽样分布   确定统计量的分布——抽样分布,是数理统计的基本问题之一.采用求随机向量的函数的分布的方法可得到抽样分布.由于样本容量一般不止2或 3(甚至还可能是随机的),故计算往往很复杂,有时还需要特殊技巧或特殊工具.   由于正态总体是最常见的总体,故本节介绍的几个抽样分布均对正态总体而言.
§2 方阵的特征值与特征向量.
定义 设连续型随机变量 概率密度为 分布函数是 特别地, 其概率密度为 一、正态分布的相关内容:.
难点:连续变量函数分布与二维连续变量分布
欢迎大家来到我们的课堂 §3.1.1两角差的余弦公式 广州市西关外国语学校 高一(5)班 教师:王琦.
节目录 第五章 随机变量的数字特征 5.1 数学期望 5.2 方差 5.3 协方差与相关系数 5.4 原点矩与中心矩 5.1 数学期望.
第四节 向量的乘积 一、两向量的数量积 二、两向量的向量积.
第三章 从概率分布函数的抽样 (Sampling from Probability Distribution Functions)
概率论与数理统计.
§4.1数学期望.
Presentation transcript:

应用概率统计 主讲:刘剑平

离散型随机变量函数的概率分布分以下两步来求: 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 ... xn ... g(X) g(x1) g(x2) … g(xn) … P p1 p2 ... 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:

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 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: X x1 x2 … x i y1 y2 … y j … p11 p12 … p1j … p21 p22 … p2j … … … … … … pi1 pi2 … p i j … … … … … … Y 因“五.一”放假,超级链接用于复习基本知识点,以方便后继课 联合概率分布性质 ① pij≥0 ;i,j=1,2,… ②∑∑pij = 1; 计算P{(X,Y)∈D }=

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 (i=1,2,...) 同理 (j=1,2,...) 一般地,记: P(X=xi) Pi . P(Y=yj) P. j 概率分布表如下:

Y X .

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

P{X=xi,Y=yj) ≠P(X=xi)P(Y=yj ) 不放回 放回 Y2 1 Y1 0 1 3/10 3/10 3/10 1/10 Y2 1 Y1 0 1 9/25 6/25 6/25 4/25 Y1 0 1 P 3/5 2/5 Y1 0 1 P 3/5 2/5 Y2 0 1 P 3/5 2/5 Y2 0 1 P 3/5 2/5 P{X=xi,Y=yj) ≠P(X=xi)P(Y=yj ) P{X=xi,Y=yj)=P(X=xi)P(Y=yj ) 不独立 独立

例2 二维随机向量(X,Y)的联合概率分布为: -1 1 Y 0 1 2 0.05 0.1 0.1 0.1 0.2 0.1 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}= 得 P(X≥0,Y≤1)= 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} P{X≥0,Y≤1} X -1 1

求:(1)X,Y的边缘分布; (2)X+Y的概率分布. -1 1 Y 0 1 2 0.05 0.1 0.1 0.1 0.2 0.1 0.1 0.2 0.05 解 (1)由分析得: X -1 0 1 P 0.25 0.4 0.35 Y 0 1 2 P 0.25 0.5 0.25 (2)X+Y的取值为-1,0,1,2,3, 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 X+Y -1 0 1 2 3 P 0.05 0.2 0.4 0.3 0.05 所以

例4 设随机变量X和Y相互独立,试将下表补充完整. Y y1 y2 y3 1/8 1/6 1 1/24 1/4 1/12 1/4 3/8 3/4 1/2 1/3

第3.2节 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

二维联合分布函数区域演示图: Y y (x,y) { , } X≤x Y≤y X x

联合分布函数性质 (4)如果(X,Y)为离散型随机向量,其联合概率分布为 则 F(x,y)=P{X≤x,Y≤y}=

Y y2 (x1,y2) (x2,y2) y1 (x1,y1) (x2,y1) X x1 x2

3. 连续型随机向量的联合概率密度 性质 (1) f(x,y)≥0 ,(x,y)∈R2 其中D为任意可度量区域. 特别 在f(x,y)的连续点有

例5设(X,Y)~ 试求:(1)常数 A ;(2)P{ X<2, Y<1}; (3)P{(X,Y)∈D},其中D为 2x+3y≤6. (4) P(X≤x,Y≤y). 解 (1) =A/6 =1 所以, A=6

X Y 所以,P{ X<2,Y<1}= 1 {X<2, Y<1} 2

(3)P{(X,Y)∈D},其中D为 2x+3y≤6. X Y 2 2x+3y=6 3

X Y (4) y x 所以, 当x≥0,y≥0时, 即:

解 (1)x<0,或y<0时,F(x,y)=0 (2)x≥1,y≥1时,F(x,y)=1 (3)0≤x≤1,0≤y≤1时, 本张幻灯片以后为习题课内容 (4)0≤x≤1,y>1时,F(x,y)= 综合即得: (5)x>1,0≤y≤1时,F(x,y)=

联合分布函数与边缘分布函数的关系 定义 设二维随机向量(X,Y)的联合分布函数为 F(x,y),则称 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。 事实上, (1)f1(x)≥0, (2) 若a<b,则 P{a<X<b}= P{a<X<b,-∞<Y<+∞}= 所以,f1(x)是X的概率密度,同理可证f2(y).

随机变量的相互独立性 定理1 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 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 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). 解 (1)由题意得: X Y 当|x|>1时,f(x,y)=0,所以,f1(x)=0 -1 1 当|x|≤1时, 均匀分布的边缘密度不再是一维均匀分布 所以, 同理, 不独立

(2) 二维正态分布 定义 如果(X,Y)的联合密度函数为 其中 则称(X,Y)服从参数为 的二维正态分布,简记为

可以证明 若 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 求(X,Y)关于X,Y的边缘概率密度. 解 即 同理可得 X,Y的边缘概率密度为一维正态分布. 所以,边缘概率密度为一维正态分布的二维随机向量不一定是二维正态分布.

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 0 1 P 1/4 3/4

2. 已知随机向量(X,Y)的联合密度为 (1)问X与Y是否独立?(2)求概率P{X<Y}. 解 (1) 所以,X,Y独立. (2)P(X<Y)=

3. 设二维随机变量(X,Y)的概率密度为 ⑴ 求随机变量X的密度函数; ⑵ 求概率P{X+Y≤1}. 解 (1)x≤0时,f1(x)=0; x>0时,f1(x)= y=x x+y=1 所以, 1/2 ⑵ P{X+Y≤1}=

小结: 联合概率分布 X x1 x2 … x i y1 y2 … y j … p11 p12 … p1j … p21 p22 … p2j … … … … … … pi1 pi2 … p i j … … … … … … Y 因“五.一”放假,超级链接用于复习基本知识点,以方便后继课 联合概率分布性质 ① pij≥0 ;i,j=1,2,… ②∑∑pij = 1; 计算P{(X,Y)∈D }=

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 .

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 (4)如果(X,Y)为离散型随机向量,其联合概率分布为 则 F(x,y)=P{X≤x,Y≤y}=

连续型随机向量的联合概率密度 性质 (1) f(x,y)≥0 ,(x,y)∈R2 其中D为任意可度量区域. 特别 在f(x,y)的连续点有

联合分布函数与边缘分布函数的关系 定义 设二维随机向量(X,Y)的联合分布函数为 F(x,y),则称 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。

随机变量的相互独立性 定理1 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

(2) 二维正态分布 定义 如果(X,Y)的联合密度函数为 其中 则称(X,Y)服从参数为 的二维正态分布,简记为

可以证明 若 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 分布和 ,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 由 得 所以Y=X1+X2服从二项分布

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) ... (xn,ym) ... g(X,Y) g(x1,y1) g(x1,y2) … g(xn,ym) … P p11 p12 ... 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: 求:(1)X+Y,XY,X2+Y2的概率分布. -1 Y 0 1 2 0.4 0.1 0.1 0.1 0.2 0.1 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 P 0.4 0.1 0.1 0.1 0.2 0.1

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 X2+Y2 0 1 2 4 5 P 0.1 0.6 0.1 0.1 0.1

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 (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 解 (X,Y)的联合密度函数为 所以,

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 同理

例14 设随机向量(X,Y)的概率密度为.

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. 解 由题意得 X和Y相互独立,故

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 不全为零,则 特别, 若X1,X2, ...Xn独立同服从正态分布N(μ,σ2) ,记: 则

例16 设随机变量X与Y独立,概率密度函数为

另解:

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 独立 同理 独立

例18 设随机向量(X,Y)的概率密度为.

另解

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 独立

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.

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 独立 同理 独立

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.

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 独立 同理 独立

例23 系统如图,每个元件寿命服从 , 求系统 寿命的概率密度. L23 L21 L22 L11 L13 L12 解

L23 L21 L22 L11 L13 L12

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 0 1 P 1/4 3/4

课堂练习 2 1:已知二维随机变量 的概率分布为 1 2 1/2 1/4 求:1. , 的边缘概率分布。 2. 是否相互独立?为什么? 1 1:已知二维随机变量 的概率分布为 1 2 1/2 1/4 求:1. , 的边缘概率分布。 2.  是否相互独立?为什么? 1 2 3/4 1/4 1 2 3/4 1/4

离散型随机向量函数Z=g(X,Y)的概率分布: 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) ... (xn,ym) ... g(X,Y) g(x1,y1) g(x1,y2) … g(xn,ym) … P p11 p12 ... 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 X+Y~B(n1+n2,p) 二项分布的可加性 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 正态分布的可加性 X+Y~N(μ1+ μ2,σ12+ σ22)

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 (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 同理

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 独立 同理 独立

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 独立

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 独立 同理 独立

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 独立 同理 独立