李永乐复习全书概率论与数理统计 第三章 多维随机变量及其分布

3.3  二维均匀分布和二维正态分布

例4  设随机变量$X$的概率密度为$f(x)=\{\begin{array}{ll}\frac{1}{9}{x}^2,& 0<x<3,\\ 0,& 其他.\end{array}$令随机变量$Y=\{\begin{array}{ll}2,& X⩽1,\\ X,& 1<X<2,\\ 1,& 2⩽X.\end{array}$

（1）求$Y$的分布函数；

解  $Y=\{\begin{array}{ll}2,& X⩽1,\\ X,& 1<X<2,\\ 1,& 2⩽X,\end{array}$显然$Y$是随机变量$X$的函数，只是这函数是分段表示的，$Y$的取值：$1⩽Y⩽2$。所以讨论$Y$的分布函数$F_Y(y)$用分段讨论。
  当$y<1$时， F Y ( y ) = P { Y ⩽ y } ⩽ P { Y < 1 } = 0 F_Y(y)=P\{Y\leqslant y\}\leqslant P\{Y<1\}=0 FY​(y)=P{Y⩽y}⩽P{Y<1}=0；
  当$1⩽y<2$时，
F Y ( y ) = P { Y ⩽ y } = P { Y < 1 } + P { Y = 1 } + P { 1 < Y ⩽ y } = 0 + P { X ⩾ 2 } + P { 1 < X ⩽ y } = ∫ 2 3 1 9 x 2 d x + ∫ 1 y 1 9 x 2 d x = y 3 + 18 27 . \begin{aligned} F_Y(y)&=P\{Y\leqslant y\}=P\{Y<1\}+P\{Y=1\}+P\{1<Y\leqslant y\}\\ &=0+P\{X\geqslant2\}+P\{1<X\leqslant y\}\\ &=\displaystyle\int^3_2\cfrac{1}{9}x^2\mathrm{d}x+\displaystyle\int^y_1\cfrac{1}{9}x^2\mathrm{d}x=\cfrac{y^3+18}{27}. \end{aligned} FY​(y)​=P{Y⩽y}=P{Y<1}+P{Y=1}+P{1<Y⩽y}=0+P{X⩾2}+P{1<X⩽y}=∫23​91​x2dx+∫1y​91​x2dx=27y3+18​.​
  当$2⩽y$时， F Y ( y ) = P { Y ⩽ y } = P { Y ⩽ 2 } = 1 F_Y(y)=P\{Y\leqslant y\}=P\{Y\leqslant2\}=1 FY​(y)=P{Y⩽y}=P{Y⩽2}=1。
  总之，$Y$的分布函数为$F_Y(y)=\{\begin{array}{ll}0,& y<1,\\ \frac{y^3+18}{27},& 1<X<2,\\ 1,& 2⩽y.\end{array}$

（2）求概率 P { X ⩽ Y } P\{X\leqslant Y\} P{X⩽Y}。

解  因为$Y=\{\begin{array}{ll}2,& X⩽1,\\ X,& 1<X<2,\\ 1,& 2⩽X.\end{array}$
P { X ⩽ Y } = P { X = Y } + P { X < Y } = P { 1 < X < 2 } + P { X ⩽ 1 } = P { X < 2 } = ∫ 0 2 1 9 x 2 d x = 8 27 . \begin{aligned} P\{X\leqslant Y\}&=P\{X=Y\}+P\{X<Y\}\\ &=P\{1<X<2\}+P\{X\leqslant1\}\\ &=P\{X<2\}=\displaystyle\int^2_0\cfrac{1}{9}x^2\mathrm{d}x=\cfrac{8}{27}. \end{aligned} P{X⩽Y}​=P{X=Y}+P{X<Y}=P{1<X<2}+P{X⩽1}=P{X<2}=∫02​91​x2dx=278​.​
（这道题主要利用了二维正态分布求解）

例5  设$(X,Y)\sim N(\mu ,\mu ;{\sigma }^2,{\sigma }^2;0)$，则 P { X < Y } = P\{X<Y\}= P{X<Y}=______。

解   P { X < Y } = ∬ x < y 1 2 π σ 2 e − 1 2 σ 2 [ ( x − μ ) 2 + ( y − μ ) 2 ] d x d y P\{X<Y\}=\displaystyle\iint\limits_{x<y}\cfrac{1}{2\pi\sigma^2}e^{-\frac{1}{2\sigma^2}[(x-\mu)^2+(y-\mu)^2]}\mathrm{d}x\mathrm{d}y P{X<Y}=x<y∬​2πσ21​e−2σ21​[(x−μ)2+(y−μ)2]dxdy，用极坐标$\{\begin{array}{l}x-\mu =\rho \cos \theta ,\\ y-\mu =\rho \sin \theta ,\end{array}$上式化为 P { X < Y } = 1 2 π σ 2 ∫ π 4 5 4 π d θ ∫ 0 + ∞ e − ρ 2 2 σ 2 ρ d ρ = 1 2 P\{X<Y\}=\cfrac{1}{2\pi\sigma^2}\displaystyle\int^{\frac{5}{4}\pi}_{\frac{\pi}{4}}\mathrm{d}\theta\displaystyle\int^{+\infty}_0e^{-\frac{\rho^2}{2\sigma^2}}\rho\mathrm{d}\rho=\cfrac{1}{2} P{X<Y}=2πσ21​∫4π​45​π​dθ∫0+∞​e−2σ2ρ2​ρdρ=21​。
  如果把 P { X < Y } P\{X<Y\} P{X<Y}化成 P { X − Y < 0 } P\{X-Y<0\} P{X−Y<0}，则$X-Y\sim N(0,2{\sigma }^2)$，根据对称性 P { X − Y < 0 } = 1 2 P\{X-Y<0\}=\cfrac{1}{2} P{X−Y<0}=21​。
  如果注意到$(X,Y)$中$X$与$Y$的对称性，则也有 P { X < Y } = P { Y < X } = 1 2 P\{X<Y\}=P\{Y<X\}=\cfrac{1}{2} P{X<Y}=P{Y<X}=21​，因 P { X = Y } = 0 P\{X=Y\}=0 P{X=Y}=0。（这道题主要利用了概率密度函数的对称性求解）

3.4  两个随机变量函数$Z=g(X,Y)$的分布

例1  设随机变量$X$和$Y$相互独立，服从同一参数为$\lambda$的泊松分布，试求：随机变量$Z=X+Y$的分布律。

解  因为$X$和$Y$相互独立且服从同一参数为$\lambda$的泊松分布，所以
P { Z = k } = P { X + Y = k } = ∑ i = 0 k P { X = i , Y = k − i } = ∑ i = 0 k λ i e − λ i ! ⋅ λ k − i e − λ ( k − i ) ! = e − 2 λ ∑ i = 0 k λ k i ! ( k − i ) ! = e − 2 λ ∑ i = 0 k k ! i ! ( k − i ) ! ⋅ λ k k ! = e − 2 λ ⋅ λ k k ! ∑ i = 0 k C k i = e − 2 λ ⋅ λ k k ! ( 1 + 1 ) k = ( 2 λ ) k k ! e − 2 λ , k = 0 , 1 , 2 , ⋯ \begin{aligned} P\{Z=k\}&=P\{X+Y=k\}=\displaystyle\sum^k_{i=0}P\{X=i,Y=k-i\}=\displaystyle\sum^k_{i=0}\cfrac{\lambda^ie^{-\lambda}}{i!}\cdot\cfrac{\lambda^{k-i}e^{-\lambda}}{(k-i)!}\\ &=e^{-2\lambda}\displaystyle\sum^k_{i=0}\cfrac{\lambda^k}{i!(k-i)!}=e^{-2\lambda}\displaystyle\sum^k_{i=0}\cfrac{k!}{i!(k-i)!}\cdot\cfrac{\lambda^k}{k!}\\ &=e^{-2\lambda}\cdot\cfrac{\lambda^k}{k!}\displaystyle\sum^k_{i=0}\mathrm{C}^i_k=e^{-2\lambda}\cdot\cfrac{\lambda^k}{k!}(1+1)^k\\ &=\cfrac{(2\lambda)^k}{k!}e^{-2\lambda},k=0,1,2,\cdots \end{aligned} P{Z=k}​=P{X+Y=k}=i=0∑k​P{X=i,Y=k−i}=i=0∑k​i!λie−λ​⋅(k−i)!λk−ie−λ​=e−2λi=0∑k​i!(k−i)!λk​=e−2λi=0∑k​i!(k−i)!k!​⋅k!λk​=e−2λ⋅k!λk​i=0∑k​Cki​=e−2λ⋅k!λk​(1+1)k=k!(2λ)k​e−2λ,k=0,1,2,⋯​
  故$Z=X+Y$服从参数为$2\lambda$的泊松分布。（这道题主要利用了二次项展开式求解）

习题三

9.设随机变量$X$和$Y$相互独立，$X\sim B(n,p),Y\sim B(m,p)$，试求$X+Y$的分布。

解  $X\sim B(n,p),Y\sim B(m,p)$，$X$和$Y$独立，可将$X$看成$n$次独立重复试验中成功次数。令$X_i=\{\begin{array}{ll}1,& 在X的n次试验中第i次试验成功,\\ 0,& 在X的n次试验中第i次试验失败,\end{array}i=1,\cdots ,n$，显然$X=X_1+\cdots +X_n$。同样，令$Y_j=\{\begin{array}{ll}1,& 在Y的m次试验中第j次试验成功,\\ 0,& 在Y的m次试验中第j次试验失败,\end{array}j=1,\cdots ,n$，显然$Y=Y_1+\cdots +Y_n$。由于$X$和$Y$独立，所以$X_1,x_2,\cdots ,X_n,Y_1,Y_2,\cdots ,Y_m$是相互独立的。$X+Y=X_1+x_2+\cdots +X_n+Y_1+Y_2+\cdots +Y_m$可看成每次成功率均为$p$的$n+m$次独立重复试验中成功的次数，所以$X+Y\sim B(n+m,p)$。（这道题主要利用了独立重复试验求解）

写在最后

  如果觉得文章不错就点个赞吧。另外，如果有不同的观点，欢迎留言或私信。
   欢迎非商业转载，转载请注明出处。