在前面的文章记录了二元随机变量的定义、离散型二元随机变量的联合分布律/联合概率密度函数、边际分布律/边际概率密度函数、条件分布律/条件概率密度 ,以及对应的 联合分布函数、边际分布函数、条件分布函数。这篇文档介绍二元随机变量函数的分布。
二元随机变量函数的分布=二元随机变量函数的函数=g(X,Y)的分布。
二元离散型随机变量函数的分布
设二元离散型随机变量(X,Y)具有概率分布律
P(X=xi,Y=yj),i,j=1,2,3...
。
(1)如果
U=g(X,Y),则U的分布律是什么?
。
(2)如果
U=g(X,Y),V=v(X,Y)
则(U,V)的分布律是什么?
对于(1),先确定U的取值
ui,i=1,2...
,接着找到
(U=Ui)=(X,Y)∈D
,从而计算分布律。
对于(2),先确定(U,V)的取值
(ui,vj)
i,j=1,2,3...
,接着找到
(U=ui,V=vj)=(X,Y)∈D
,从而计算分布律。
二元连续型随机变量函数的分布
设二元连续型随机变量(X,Y)具有概率分布函数
f(x,y)
,Z是X,Y的函数,
Z=g(X,Y)
。
(1)Z的分布函数
(2)Z的概率密度函数
对于(1),
FZ(z)=P(Z≤z)=P(g(X,Y)≤z)=∫∫g(X,Y)≤zf(x,y)dxdy
对于(2),
fZ(z)=F′Z(z)
Z=X+Y的分布
设(X,Y)的概率密度函数为f(x,y),则Z=X+Y的分布函数为
FZ(z)=∫∫x+y≤zf(x,y)dxdy
,进一步计算得到
fZ(z)=∫+∞−∞f(z−y,y)dy
,或者
fZ(z)=∫+∞−∞f(x,z−z)dx
。这两个公式称为
fX
,
fY
的卷积公式。
连续型随机变量中
正态分布:n个独立的正态随机变量的线性组合仍然服从正态分布。
均匀分布:
指数分布:
Γ
分布。如果
X1,X2,...Xn
相互独立,切
Xi
服从参数为
αi,β(i=1,2,3....n)
的
Γ
分布,则
∑ni=1Xi
,服从参数为
∑ni=1αi,β
的
Γ
分布。这一性质称为
Γ
分布的可加性。
离散型随机变量中
二项分布:如果
X1,X2,...Xn
相互独立,且都服从B(n,p),则
X1+X2+...+Xn
~B(n,p)。如果X~B(
n1
,p),Y~B(
n2
,p),两者相互独立,则X+Y~
B(n1+n2,p)
。
泊松分布:如果X~
π(λ1)
,Y~
π(λ2)
,两者相互独立,则X+Y~
π(λ1+λ2)
。
max(X,Y)的分布
如果X,Y是两个相互独立的随机变量,它们的函数分布分为为
FX(x)
,
FY(y)
,则
Fmax(z)=FX(z)FY(z)
。 可以扩展到n个相互独立的随机变量。
min(X,Y)的分布
如果X,Y是两个相互独立的随机变量,它们的函数分布分为为
FX(x)
,
FY(y)
,则
Fmin(z)=1−(1−FX(z))(1−FY(z))
。可以扩展到n个相互独立的随机变量。