17、常见随机变量的特性与应用

常见随机变量的特性与应用

在概率统计领域，不同类型的随机变量有着各自独特的性质和广泛的应用场景。下面将详细介绍几种常见的随机变量。

对数正态随机变量

对数正态随机变量与大量独立随机变量的乘积密切相关。假设有大量独立随机变量 (Y_1, \cdots, Y_N)，随机变量 (X) 等于这些变量的乘积，即 (X = \prod_{i = 1}^{N} Y_i)。对其两边取自然对数可得 (\ln X = \sum_{i = 1}^{N} \ln Y_i)。根据中心极限定理，(\sum_{i = 1}^{N} \ln Y_i) 可近似为一个正态随机变量 (Y)，即 (Y \approx \sum_{i = 1}^{N} \ln Y_i)，进而有 (\ln X \approx Y)，也就是 (X \approx e^Y)。这表明 (X) 是一个对数正态变量，它代表了多个独立变量的乘积。

对数正态概率密度函数（PDF）可用于描述许多半导体组件的寿命分布，这些组件的故障往往是由材料疲劳引起的裂纹所致。

从数学表达式上，通过特定公式还可得到对数正态随机变量的均值和均方值：
- 均值 (m_1 = m_X = X = e^{m_Y + \frac{\sigma_Y^2}{2}})
- 均方值 (m_2 = X^2 = e^{2m_Y + 2\sigma_Y^2})
- 方差 (\sigma_X^2 = m_2 - m_1^2 = e^{2m_Y + \sigma_Y^2}(e^{\sigma_Y^2} - 1))

瑞利随机变量

密度函数

瑞利密度函数定义为：
[