题目43
令 U 1 U_1 U1和 U 2 U_2 U2是 [ 0 , 1 ] [0,1] [0,1]上相互独立的均匀随机变量计算并画出 S = U 1 + U 2 S=U_1+U_2 S=U1+U2的密度函数
解题思路
f x ( x ) = { 1 0 ≤ x ≤ 1 0 其 它 f_x(x)=\left\{ \begin{aligned} 1 \quad 0\leq x \leq 1 \\ 0 \qquad \quad 其它 \end{aligned} \right. fx(x)={10≤x≤10其它
f
y
(
y
)
=
{
1
0
≤
y
≤
1
0
其
它
f_y(y)=\left\{ \begin{aligned} 1 \quad 0\leq y \leq 1 \\ 0 \qquad \quad 其它 \end{aligned} \right.
fy(y)={10≤y≤10其它
卷积公式
f
z
(
z
)
=
∫
−
∞
+
∞
f
(
u
,
z
−
u
)
d
u
=
∫
−
∞
+
∞
f
x
(
u
)
f
y
(
z
−
u
)
d
u
f_z(z)=\int_{-\infty}^{+\infty}f(u,z-u)du=\int_{-\infty}^{+\infty}f_x(u)f_y(z-u)du
fz(z)=∫−∞+∞f(u,z−u)du=∫−∞+∞fx(u)fy(z−u)du
计算时只要计算被积函数非零的部分
即
0
≤
u
≤
1
且
0
≤
z
−
u
≤
1
0\leq u \leq 1 且 0 \leq z-u \leq 1
0≤u≤1且0≤z−u≤1 可以以写成
0
≤
u
≤
1
且
z
−
1
≤
u
≤
z
0 \leq u \leq 1 且 z-1 \leq u \leq z
0≤u≤1且z−1≤u≤z
当
0
≤
z
≤
1
0\leq z \leq 1
0≤z≤1时
z
−
1
z-1
z−1最小可以为-1但根据
0
≤
u
0\leq u
0≤u这个条件所以
u
u
u的下限取0,上限取z
当
1
≤
z
≤
2
1\leq z \leq 2
1≤z≤2时
z
−
1
z-1
z−1最小可以0满足u必须大于0的要求,所以此时
u
u
u的下限为
z
−
1
z-1
z−1而上限
z
z
z最大可以取2不满足
u
≤
1
u\leq 1
u≤1的要求,取上限为1
f z ( z ) = ∫ − ∞ + ∞ f x ( u ) f y ( z − u ) d u = { ∫ 0 z 1 d u = z , 0 ≤ z ≤ 1 ∫ z − 1 1 1 d u = 2 − z , 1 ≤ z ≤ 2 0 , 其 它 f_z(z)=\int_{-\infty}^{+\infty}f_x(u)f_y(z-u)du=\left\{ \begin{aligned} &\int_0^z 1 du =z,0\leq z\leq 1\\ &\int_{z-1}^{1}1du = 2-z,1\leq z\leq 2\\ &0,其它 \end{aligned} \right. fz(z)=∫−∞+∞fx(u)fy(z−u)du=⎩⎪⎪⎪⎪⎪⎨⎪⎪⎪⎪⎪⎧∫0z1du=z,0≤z≤1∫z−111du=2−z,1≤z≤20,其它
题目44
假设 X X X和 Y Y Y是独立的离散的随机变量,并且取值0,1,2时的概率都是 1 3 \frac13 31,计算 X + Y X+Y X+Y的频率函数
解题思路
根据卷积定义
p
Z
(
z
)
=
∑
x
=
−
∞
∞
p
X
(
x
)
p
Y
(
z
−
x
)
p_Z(z)=\sum\limits_{x=-\infty}^{\infty}p_X(x)p_Y(z-x)
pZ(z)=x=−∞∑∞pX(x)pY(z−x)
本题主要是要确定x求合的范围
根据题意
Z
=
X
+
Y
Z=X+Y
Z=X+Y,则
0
≤
z
≤
4
0\leq z \leq 4
0≤z≤4并且要满足
0
≤
x
≤
2
0\leq x \leq2
0≤x≤2
当
z
≤
2
,
0
≤
x
≤
z
z\leq 2,0\leq x \leq z
z≤2,0≤x≤z
当
z
≥
2
,
z
−
2
≤
x
≤
2
z\geq 2,z-2\leq x \leq2
z≥2,z−2≤x≤2
所以,当
z
≤
2
z\leq 2
z≤2
p
Z
(
z
)
=
∑
x
=
0
z
p
X
(
x
)
p
Y
(
z
−
x
)
=
∑
x
=
0
z
1
3
⋅
1
3
=
(
z
+
1
)
⋅
1
9
=
1
9
z
+
1
9
\begin{aligned} p_Z(z)&=\sum\limits_{x=0}^{z}p_X(x)p_Y(z-x)\\ &=\sum\limits_{x=0}^{z}\frac13\cdot\frac13\\ &=(z+1)\cdot\frac19\\ &=\frac19z+\frac19 \end{aligned}
pZ(z)=x=0∑zpX(x)pY(z−x)=x=0∑z31⋅31=(z+1)⋅91=91z+91
当
z
≥
2
z\geq 2
z≥2
p
Z
(
z
)
=
∑
x
=
z
−
2
2
p
X
(
x
)
p
Y
(
z
−
x
)
=
∑
x
=
z
−
2
2
1
3
⋅
1
3
上
限
减
去
下
限
再
加
1
就
是
总
的
相
加
的
次
数
=
(
2
−
(
z
−
2
)
+
1
)
⋅
1
9
=
1
9
(
5
−
z
)
\begin{aligned} p_Z(z)&=\sum\limits_{x=z-2}^{2}p_X(x)p_Y(z-x)\\ &=\sum\limits_{x=z-2}^{2}\frac13\cdot\frac13\\ 上限减去下限再加1就是总的相加的次数\\ &=(2-(z-2)+1)\cdot\frac19\\ &=\frac19(5-z) \end{aligned}
pZ(z)上限减去下限再加1就是总的相加的次数=x=z−2∑2pX(x)pY(z−x)=x=z−2∑231⋅31=(2−(z−2)+1)⋅91=91(5−z)
题目45
对于泊松分布,假设事件用 A A A和 B B B独立的标识出来,且满足概率 p A + p B = 1 p_A+p_B=1 pA+pB=1.如果泊松分布的参数是 λ \lambda λ.证明:标识为 A A A事件数据服从参数为 p A λ p_A\lambda pAλ的泊松分布
解题思路
根据题意,假设做了100次实验发生了15次,在这15次中事件是A 是7次事件B是8次。而不是事件发生记作A,事件不发生记作B
且满足概率 p A + p B = 1 p_A+p_B=1 pA+pB=1,则表示发生若干次事件中,只有A和B不会再有其他的类型事件了
N = A + B ∼ P o i s s i o n ( λ ) 在 N 发 生 的 情 况 下 , A 事 件 只 是 按 固 定 概 率 发 生 , A 事 件 发 生 的 次 数 服 务 二 项 分 布 P ( A ∣ N ) ∼ B i n ( N , p A ) p ( A = a ) = ∑ 0 ∞ P ( A = a ∣ N = n ) = ∑ 0 ∞ ( n a ) p A a ( 1 − p a ) n − a ⋅ e − λ ⋅ λ n n ! = ∑ 0 ∞ n ! a ! ⋅ ( n − a ) ! ⋅ p A a ( 1 − p a ) n − a ⋅ e − λ ⋅ λ n n ! = ∑ 0 ∞ p A a ( 1 − P A ) n − a ⋅ e − λ ⋅ λ n a ! ⋅ ( n − a ) ! 把 λ n 分 成 λ n − a ⋅ λ a = ∑ 0 ∞ p A a ( 1 − P A ) n − a ⋅ e − λ ⋅ λ n − a ⋅ λ a a ! ⋅ ( n − a ) ! = ∑ 0 ∞ p A a ⋅ e − λ ⋅ λ a a ! ⋅ ( 1 − p A ) n − a ⋅ λ n − a ( n − a ) ! ⋅ e − ( 1 − p A ) λ e − ( 1 − p A ) λ = p A a ⋅ e − λ ⋅ λ a a ! ⋅ e − ( 1 − p A ) λ ⋅ ⎵ 前 ∑ 0 ∞ ( 1 − p A ) n − a ⋅ λ n − a ⋅ e − ( 1 − p A ) λ ( n − a ) ! ⋅ ⎵ 后 本 式 的 后 半 部 分 简 化 : 令 t = n − a ∑ t = 0 ∞ e − ( 1 − p A ) λ ⋅ [ ( 1 − p A ) λ ] t t ! = 1 本 式 前 半 部 分 简 化 后 ( 后 半 式 为 1 , 所 以 前 半 部 分 也 是 最 终 结 果 ) : ( λ p A ) a ⋅ e − p A λ a ! 所 以 本 题 结 果 是 服 务 参 数 为 p A λ 的 泊 松 分 布 \begin{aligned} &N=A+B \sim Poission(\lambda)\\ 在N发生的情况下,&A事件只是按固定概率发生,A事件发生的次数服务二项分布\\ &P(A|N)\sim Bin(N,p_A)\\ p(A=a)&=\sum\limits_0^{\infty}P(A=a|N=n)\\ &=\sum\limits_0^{\infty} {n\choose a}{p_A}^a(1-p_a)^{n-a}\cdot\frac{e^{-\lambda}\cdot \lambda^n}{n!}\\ &=\sum\limits_0^{\infty}\frac{n!}{a!\cdot(n-a)!}\cdot{p_A}^a(1-p_a)^{n-a}\cdot\frac{e^{-\lambda}\cdot \lambda^n}{n!}\\ &=\sum\limits_0^{\infty}\frac{{p_A}^a(1-P_A)^{n-a}\cdot e^{-\lambda}\cdot \lambda^n}{a!\cdot(n-a)!}\\ 把\lambda^n&分成\lambda^{n-a}\cdot\lambda^a\\ &=\sum\limits_0^{\infty}\frac{{p_A}^a(1-P_A)^{n-a}\cdot e^{-\lambda}\cdot \lambda^{n-a}\cdot \lambda^a}{a!\cdot(n-a)!}\\ &=\sum\limits_0^{\infty} \frac{{p_A}^a\cdot e^{-\lambda}\cdot\lambda^a}{a!}\cdot \frac{(1-p_A)^{n-a}\cdot \lambda^{n-a}}{(n-a)!}\cdot \frac{e^{-(1-p_A)\lambda}}{e^{-(1-p_A)\lambda}}\\ &=\underbrace{\frac{{p_A}^a\cdot e^{-\lambda}\cdot\lambda^a}{a!\cdot e^{-(1-p_A)\lambda}} \cdot}_{前} \underbrace{\sum\limits_0^{\infty}\frac{(1-p_A)^{n-a}\cdot \lambda^{n-a}\cdot e^{-(1-p_A)\lambda}}{(n-a)!\cdot }}_{后}\\ 本式&的后半部分简化:令t=n-a\\ &\sum\limits_{t=0}^{\infty}\frac{e^{-(1-p_A)\lambda}\cdot[(1-p_A)\lambda]^t}{t!}=1\\ 本式&前半部分简化后(后半式为1,所以前半部分也是最终结果):\\ &\frac{(\lambda p_A)^a\cdot e^{-p_A\lambda}}{a!}\\ 所以&本题结果是服务参数为p_A\lambda的泊松分布 \end{aligned} 在N发生的情况下,p(A=a)把λn本式本式所以N=A+B∼Poission(λ)A事件只是按固定概率发生,A事件发生的次数服务二项分布P(A∣N)∼Bin(N,pA)=0∑∞P(A=a∣N=n)=0∑∞(an)pAa(1−pa)n−a⋅n!e−λ⋅λn=0∑∞a!⋅(n−a)!n!⋅pAa(1−pa)n−a⋅n!e−λ⋅λn=0∑∞a!⋅(n−a)!pAa(1−PA)n−a⋅e−λ⋅λn分成λn−a⋅λa=0∑∞a!⋅(n−a)!pAa(1−PA)n−a⋅e−λ⋅λn−a⋅λa=0∑∞a!pAa⋅e−λ⋅λa⋅(n−a)!(1−pA)n−a⋅λn−a⋅e−(1−pA)λe−(1−pA)λ=前 a!⋅e−(1−pA)λpAa⋅e−λ⋅λa⋅后 0∑∞(n−a)!⋅(1−pA)n−a⋅λn−a⋅e−(1−pA)λ的后半部分简化:令t=n−at=0∑∞t!e−(1−pA)λ⋅[(1−pA)λ]t=1前半部分简化后(后半式为1,所以前半部分也是最终结果):a!(λpA)a⋅e−pAλ本题结果是服务参数为pAλ的泊松分布
题目46
令 T 1 T_1 T1和 T 2 T_2 T2分别是参数为 λ 1 \lambda_1 λ1和 λ 2 \lambda_2 λ2的独立指数分布,计算 T 1 + T 2 T_1+T_2 T1+T2的密度函数
解题思路
根据卷积公式
f
z
(
z
)
=
∫
−
∞
+
∞
f
x
(
x
)
f
y
(
z
−
x
)
d
x
f_z(z)=\int_{-\infty}^{+\infty}f_x(x)f_y(z-x)dx
fz(z)=∫−∞+∞fx(x)fy(z−x)dx
接下来确定x的积分范围,根据指数分布前提x>0 然后 z-x>0,即 x<z,所以x的积分范围是从0到z
f
z
(
z
)
=
∫
0
z
f
x
(
x
)
f
y
(
z
−
x
)
d
x
=
∫
0
z
λ
1
e
−
λ
1
x
⋅
λ
2
e
−
λ
2
(
z
−
x
)
d
x
=
λ
1
λ
2
∫
0
z
e
−
λ
1
x
⋅
e
−
λ
2
(
z
−
x
)
d
x
=
λ
1
λ
2
∫
0
z
e
−
λ
1
x
−
λ
2
(
z
−
x
)
d
x
=
λ
1
λ
2
∫
0
z
e
−
λ
1
x
−
λ
2
z
+
λ
2
x
d
x
=
λ
1
λ
2
e
−
λ
2
z
∫
0
z
e
λ
2
x
−
λ
1
x
d
x
=
λ
1
λ
2
e
−
λ
2
z
∫
0
z
e
(
λ
2
−
λ
1
)
x
d
x
=
λ
1
λ
2
e
−
λ
2
z
⋅
1
λ
2
−
λ
1
∫
0
z
e
(
λ
2
−
λ
1
)
x
d
(
(
λ
2
−
λ
1
)
x
)
=
λ
1
λ
2
λ
2
−
λ
1
⋅
e
−
λ
2
z
⋅
e
(
λ
2
−
λ
1
)
x
∣
0
z
=
λ
1
λ
2
λ
2
−
λ
1
e
−
λ
2
z
(
e
(
λ
2
−
λ
1
)
z
−
1
)
=
λ
1
λ
2
λ
2
−
λ
1
(
e
−
λ
1
z
−
e
−
λ
2
z
)
\begin{aligned} f_z(z)&=\int_{0}^{z}f_x(x)f_y(z-x)dx\\ &=\int_{0}^{z}\lambda_1 e^{-\lambda_1 x} \cdot \lambda_2e^{-\lambda_2(z-x)}dx\\ &=\lambda_1\lambda_2\int_{0}^{z}e^{-\lambda_1x}\cdot e^{-\lambda_2(z-x)}dx\\ &=\lambda_1\lambda_2\int_{0}^{z}e^{-\lambda_1x-\lambda_2(z-x)}dx\\ &=\lambda_1\lambda_2\int_{0}^{z}e^{-\lambda_1x-\lambda_2z+\lambda_2x}dx\\ &=\lambda_1\lambda_2e^{-\lambda_2z}\int_{0}^{z}e^{\lambda_2x-\lambda_1x}dx\\ &=\lambda_1\lambda_2e^{-\lambda_2z}\int_{0}^{z}e^{(\lambda_2-\lambda_1)x}dx\\ &=\lambda_1\lambda_2e^{-\lambda_2z}\cdot \frac{1}{\lambda_2-\lambda_1}\int_{0}^{z}e^{(\lambda_2-\lambda_1)x}d((\lambda_2-\lambda_1)x)\\ &=\frac{\lambda_1\lambda_2}{\lambda_2-\lambda_1}\cdot e^{-\lambda_2z}\cdot e^{(\lambda_2-\lambda_1)x} \bigg |_0^z\\ &=\frac{\lambda_1\lambda_2}{\lambda_2-\lambda_1}e^{-\lambda_2z}(e^{(\lambda_2-\lambda_1)z}-1)\\ &=\frac{\lambda_1\lambda_2}{\lambda_2-\lambda_1}(e^{-\lambda_1z}-e^{-\lambda_2z}) \end{aligned}
fz(z)=∫0zfx(x)fy(z−x)dx=∫0zλ1e−λ1x⋅λ2e−λ2(z−x)dx=λ1λ2∫0ze−λ1x⋅e−λ2(z−x)dx=λ1λ2∫0ze−λ1x−λ2(z−x)dx=λ1λ2∫0ze−λ1x−λ2z+λ2xdx=λ1λ2e−λ2z∫0zeλ2x−λ1xdx=λ1λ2e−λ2z∫0ze(λ2−λ1)xdx=λ1λ2e−λ2z⋅λ2−λ11∫0ze(λ2−λ1)xd((λ2−λ1)x)=λ2−λ1λ1λ2⋅e−λ2z⋅e(λ2−λ1)x∣∣∣∣0z=λ2−λ1λ1λ2e−λ2z(e(λ2−λ1)z−1)=λ2−λ1λ1λ2(e−λ1z−e−λ2z)
题目47
令 X X X和 Y Y Y是独立的标准的正态随机变量,计算 Z = X + Y Z=X+Y Z=X+Y的密度,并证明: Z Z Z 也是正态分布(提示在积分过程 中利用配方技术)
解题思路
利用卷积公式
f
z
(
z
)
=
∫
−
∞
+
∞
f
x
(
x
)
f
y
(
z
−
x
)
d
x
=
∫
−
∞
+
∞
1
2
π
e
−
x
2
2
⋅
1
2
π
e
−
(
z
−
x
)
2
2
=
1
2
π
∫
−
∞
+
∞
e
−
x
2
2
−
(
z
−
x
)
2
2
d
x
=
1
2
π
∫
−
∞
+
∞
e
(
−
x
2
−
1
2
z
2
+
x
z
)
d
x
=
1
2
π
∫
−
∞
+
∞
e
−
(
x
−
z
2
)
2
−
1
4
z
2
d
x
=
1
2
π
e
z
2
2
∫
−
∞
+
∞
e
−
(
x
−
z
2
)
2
d
x
令
u
=
(
x
−
z
2
)
则
:
=
1
2
π
e
z
2
2
∫
−
∞
+
∞
e
−
u
2
d
u
∫
−
∞
+
∞
e
−
u
2
d
u
与
z
没
有
关
系
所
以
算
出
来
是
一
个
常
数
c
=
c
1
2
π
e
z
2
2
\begin{aligned} f_z(z)&=\int_{-\infty}^{+\infty}f_x(x)f_y(z-x)dx\\ &=\int_{-\infty}^{+\infty}\frac{1}{\sqrt{2\pi}}e^{-\frac{x^2}{2}}\cdot\frac{1}{\sqrt{2\pi}}e^{-\frac{(z-x)^2}{2}}\\ &=\frac{1}{2\pi}\int_{-\infty}^{+\infty}e^{-\frac{x^2}{2}-\frac{(z-x)^2}{2}}dx\\ &=\frac{1}{2\pi}\int_{-\infty}^{+\infty}e^{(-x^2-\frac12z^2+xz)}dx\\ &=\frac{1}{2\pi}\int_{-\infty}^{+\infty}e^{-(x-\frac{z}{2})^2-\frac14z^2}dx\\ &=\frac{1}{2\pi}e^{\frac{z^2}{2}}\int_{-\infty}^{+\infty}e^{-(x-\frac{z}{2})^2}dx\\ 令u=(x-\frac{z}{2})则:\\ &=\frac{1}{2\pi}e^{\frac{z^2}{2}}\int_{-\infty}^{+\infty}e^{-u^2}du\\ \int_{-\infty}^{+\infty}e^{-u^2}du与z没有关系所以算出来是一个常数c\\ &=c\frac1{2\pi}e^{\frac{z^2}{2}} \end{aligned}
fz(z)令u=(x−2z)则:∫−∞+∞e−u2du与z没有关系所以算出来是一个常数c=∫−∞+∞fx(x)fy(z−x)dx=∫−∞+∞2π1e−2x2⋅2π1e−2(z−x)2=2π1∫−∞+∞e−2x2−2(z−x)2dx=2π1∫−∞+∞e(−x2−21z2+xz)dx=2π1∫−∞+∞e−(x−2z)2−41z2dx=2π1e2z2∫−∞+∞e−(x−2z)2dx=2π1e2z2∫−∞+∞e−u2du=c2π1e2z2
所以本题结果是一个均值为0标准差为1的正态分布
题目48
令 N 1 N_1 N1和 N 2 N_2 N2是独立随机变量,分别服从参数为 λ 1 \lambda_1 λ1和 λ 2 \lambda_2 λ2,证明: N = N 1 + N 2 N=N_1+N_2 N=N1+N2的分布是参数为 λ 1 + λ 2 \lambda_1+\lambda_2 λ1+λ2的泊松分布
解题思路
利用卷积公式
根据题意确定上下限,
x
≥
0
且
z
−
x
≥
0
x\geq0且z-x\geq0
x≥0且z−x≥0,所以
x
≤
z
x\leq z
x≤z
p
Z
(
z
)
=
∑
x
=
−
∞
∞
p
X
(
x
)
p
Y
(
z
−
x
)
=
∑
x
=
0
z
λ
1
x
e
−
λ
1
x
!
⋅
λ
2
z
−
x
e
−
λ
2
(
z
−
x
)
!
=
∑
x
=
0
z
e
−
λ
1
−
λ
2
λ
1
x
λ
2
z
−
x
x
!
(
z
−
x
)
!
=
e
−
λ
1
−
λ
2
∑
x
=
0
z
1
x
!
(
z
−
x
)
!
⋅
λ
1
x
λ
2
z
−
x
=
e
−
λ
1
−
λ
2
∑
x
=
0
z
(
z
x
)
z
!
⋅
λ
1
x
λ
2
z
−
x
=
e
−
λ
1
−
λ
2
z
!
∑
x
=
0
z
(
z
x
)
⋅
λ
1
x
λ
2
z
−
x
=
e
−
λ
1
−
λ
2
z
!
⋅
(
λ
1
+
λ
2
)
z
=
e
−
(
λ
1
+
λ
2
)
(
λ
1
+
λ
2
)
z
z
!
\begin{aligned} p_Z(z)&=\sum\limits_{x=-\infty}^{\infty}p_X(x)p_Y(z-x)\\ &=\sum\limits_{x=0}^{z}\frac{\lambda_1^xe^{-\lambda_1}}{x!}\cdot\frac{\lambda_2^{z-x}e^{-\lambda_2}}{(z-x)!}\\ &=\sum\limits_{x=0}^{z}\frac{e^{-\lambda_1-\lambda_2}\lambda_1^x\lambda_2^{z-x}}{x!(z-x)!}\\ &=e^{-\lambda_1-\lambda_2}\sum\limits_{x=0}^{z}\frac{1}{x!(z-x)!}\cdot \lambda_1^x\lambda_2^{z-x}\\ &=e^{-\lambda_1-\lambda_2}\sum\limits_{x=0}^{z} \frac{z\choose x}{z!}\cdot \lambda_1^x\lambda_2^{z-x}\\ &=\frac{e^{-\lambda_1-\lambda_2}}{z!}\sum\limits_{x=0}^{z} {z\choose x}\cdot \lambda_1^x\lambda_2^{z-x}\\ &=\frac{e^{-\lambda_1-\lambda_2}}{z!}\cdot(\lambda_1+\lambda_2)^z\\ &=\frac{e^{-(\lambda_1+\lambda_2)}(\lambda_1+\lambda_2)^z}{z!} \end{aligned}
pZ(z)=x=−∞∑∞pX(x)pY(z−x)=x=0∑zx!λ1xe−λ1⋅(z−x)!λ2z−xe−λ2=x=0∑zx!(z−x)!e−λ1−λ2λ1xλ2z−x=e−λ1−λ2x=0∑zx!(z−x)!1⋅λ1xλ2z−x=e−λ1−λ2x=0∑zz!(xz)⋅λ1xλ2z−x=z!e−λ1−λ2x=0∑z(xz)⋅λ1xλ2z−x=z!e−λ1−λ2⋅(λ1+λ2)z=z!e−(λ1+λ2)(λ1+λ2)z
题目49
计算 Z = X + Y Z=X+Y Z=X+Y的密度函数,其中 X 和 Y X和Y X和Y的联合密度由3.3节中的3.3.4给出
解题思路
找到书中对应的密度函数
f
(
x
,
y
)
=
{
λ
2
e
−
λ
y
0
≤
x
≤
y
,
λ
>
0
0
其
它
情
况
f(x,y)=\left\{ \begin{aligned} &\lambda^2e^{-\lambda y} \quad 0\leq x \leq y,\lambda >0\\ &0 \quad \quad \quad 其它情况 \end{aligned} \right.
f(x,y)={λ2e−λy0≤x≤y,λ>00其它情况
分析条件y=z-x 且 x<y 则
x
<
z
−
x
=
>
x
<
z
2
x<z-x => x<\frac{z}2
x<z−x=>x<2z
f Z ( z ) = ∫ 0 z 2 f ( x , z − x ) d x = ∫ 0 z 2 λ 2 e − λ ( z − x ) d x = λ 2 ⋅ 1 − λ ⋅ − 1 ∫ 0 z 2 e − λ ( z − x ) d ( − λ ( z − x ) ) = λ ⋅ ( e − λ z 2 − e − λ z ) \begin{aligned} f_Z(z)&=\int_0^{\frac z2}f(x,z-x)dx\\ &=\int_0^{\frac z2}\lambda^2e^{-\lambda(z-x)}dx\\ &=\lambda^2\cdot\frac1{-\lambda\cdot -1}\int_0^{\frac z2}e^{-\lambda(z-x)}d(-\lambda(z-x))\\ &=\lambda\cdot(e^{-\lambda\frac z2}-e^{-\lambda z}) \end{aligned} fZ(z)=∫02zf(x,z−x)dx=∫02zλ2e−λ(z−x)dx=λ2⋅−λ⋅−11∫02ze−λ(z−x)d(−λ(z−x))=λ⋅(e−λ2z−e−λz)
题目50
令X和Y是且有联合分布的连续随机变量,求Z=X-Y的密度表达式
解题思路
思路1:
F
Z
(
z
)
=
P
(
Z
≤
z
)
=
P
(
X
−
Y
≤
z
)
=
∬
x
−
y
≤
z
f
(
x
,
y
)
d
x
d
y
=
∫
−
∞
∞
∫
−
∞
y
+
z
f
(
x
,
y
)
d
x
d
y
=
∫
−
∞
∞
[
∫
−
∞
y
+
z
f
(
x
,
y
)
d
x
]
d
y
令
u
=
x
−
y
=
∫
−
∞
∞
[
∫
−
∞
z
f
(
y
+
u
,
y
)
d
u
]
d
y
f
Z
(
z
)
=
F
Z
′
(
z
)
=
∫
−
∞
∞
f
(
y
+
z
,
y
)
d
y
\begin{aligned} F_Z(z)&=P(Z\leq z)=P(X-Y\leq z)\\ &=\iint\limits_{x-y\leq z}f(x,y)dxdy\\ &=\int_{-\infty}^{\infty}\int_{-\infty}^{y+z}f(x,y)dxdy\\ &=\int_{-\infty}^{\infty}\left[ \int_{-\infty}^{y+z}f(x,y)dx \right]dy\\ 令u&=x-y\\ &=\int_{-\infty}^{\infty}\left[ \int_{-\infty}^{z}f(y+u,y)du \right] dy\\ f_Z(z)&=F_Z^{'}(z)=\int_{-\infty}^{\infty}f(y+z,y)dy \end{aligned}
FZ(z)令ufZ(z)=P(Z≤z)=P(X−Y≤z)=x−y≤z∬f(x,y)dxdy=∫−∞∞∫−∞y+zf(x,y)dxdy=∫−∞∞[∫−∞y+zf(x,y)dx]dy=x−y=∫−∞∞[∫−∞zf(y+u,y)du]dy=FZ′(z)=∫−∞∞f(y+z,y)dy
参考:https://wenku.baidu.com/view/d86049500c22590102029df1.html
思路2:
F
Z
(
z
)
=
P
(
Z
≤
z
)
=
P
(
X
−
Y
≤
z
)
=
∬
x
−
y
≤
z
f
(
x
,
y
)
d
x
d
y
=
∫
−
∞
∞
∫
x
−
z
∞
f
(
x
,
y
)
d
y
d
x
=
∫
−
∞
∞
[
∫
x
−
z
∞
f
(
x
,
y
)
d
y
]
d
x
令
u
=
x
−
y
=
∫
−
∞
∞
[
∫
z
−
∞
f
(
x
,
x
−
u
)
d
u
⋅
−
1
]
d
x
=
∫
−
∞
∞
[
∫
−
∞
z
f
(
x
,
x
−
u
)
d
u
]
d
x
f
Z
(
z
)
=
F
Z
′
(
z
)
=
∫
−
∞
∞
f
(
x
,
x
−
z
)
d
x
\begin{aligned} F_Z(z)&=P(Z\leq z)=P(X-Y\leq z)\\ &=\iint\limits_{x-y\leq z}f(x,y)dxdy\\ &=\int_{-\infty}^{\infty}\int_{x-z}^{\infty}f(x,y)dydx\\ &=\int_{-\infty}^{\infty}\left[ \int_{x-z}^{\infty}f(x,y)dy \right]dx\\ 令u=x-y\\ &=\int_{-\infty}^{\infty}\left[ \int_{z}^{-\infty}f(x,x-u)du\cdot -1 \right]dx\\ &=\int_{-\infty}^{\infty}\left[ \int_{-\infty}^{z}f(x,x-u)du\right]dx\\ f_Z(z)&=F_Z^{'}(z)=\int_{-\infty}^{\infty}f(x,x-z)dx \end{aligned}
FZ(z)令u=x−yfZ(z)=P(Z≤z)=P(X−Y≤z)=x−y≤z∬f(x,y)dxdy=∫−∞∞∫x−z∞f(x,y)dydx=∫−∞∞[∫x−z∞f(x,y)dy]dx=∫−∞∞[∫z−∞f(x,x−u)du⋅−1]dx=∫−∞∞[∫−∞zf(x,x−u)du]dx=FZ′(z)=∫−∞∞f(x,x−z)dx
题目51
令
X
X
X和
Y
Y
Y是且有联密度函数
f
(
x
,
y
)
,
Z
=
X
Y
f(x,y),Z=XY
f(x,y),Z=XY证明:Z的密度函数为
f
Z
(
z
)
=
∫
−
∞
∞
f
(
y
,
z
y
)
1
∣
y
∣
d
y
f_Z(z)=\int_{-\infty}^{\infty}f(y,\frac zy)\frac{1}{|y|}dy
fZ(z)=∫−∞∞f(y,yz)∣y∣1dy
解题思路
P ( Z ≤ z ) = P ( X Y ≤ z ) = P ( X ≤ z y ∣ Y > 0 ) + P ( X > z y ∣ Y < 0 ) = ∫ 0 ∞ d y ∫ − ∞ z y f ( x , y ) d x + ∫ − ∞ 0 d y ∫ z y ∞ f ( x , y ) d x 因 此 : f Z ( z ) = ∫ 0 ∞ d y ⋅ 1 y f ( z y , y ) − ∫ − ∞ 0 d y ⋅ 1 y f ( z y , y ) 如 果 lim y → 0 f ( z y , y ) y 有 限 , 则 上 式 可 以 简 写 成 f Z ( z ) = ∫ − ∞ ∞ f ( z y , y ) 1 ∣ y ∣ d y \begin{aligned} P(Z\leq z)&=P(XY\leq z)\\ &=P(X\leq \frac zy|Y>0)+P(X>\frac zy|Y<0)\\ &=\int_0^{\infty}dy\int_{-\infty}^{\frac zy}f(x,y)dx+\int_{-\infty}^{0}dy\int_{\frac zy}^{\infty}f(x,y)dx\\ 因此:\\ f_Z(z)&=\int_0^{\infty}dy \cdot\frac1yf(\frac zy,y)-\int_{-\infty}^{0}dy \cdot\frac1yf(\frac zy,y)\\ 如果\lim\limits_{y\rightarrow0}\frac{f(\frac zy,y)}{y}有限,&则上式可以简写成\\ f_Z(z)&=\int_{-\infty}^{\infty}f(\frac zy,y)\frac1{|y|}dy \end{aligned} P(Z≤z)因此:fZ(z)如果y→0limyf(yz,y)有限,fZ(z)=P(XY≤z)=P(X≤yz∣Y>0)+P(X>yz∣Y<0)=∫0∞dy∫−∞yzf(x,y)dx+∫−∞0dy∫yz∞f(x,y)dx=∫0∞dy⋅y1f(yz,y)−∫−∞0dy⋅y1f(yz,y)则上式可以简写成=∫−∞∞f(yz,y)∣y∣1dy
题目52
计算两个独立随机变量商的密度
解题思路
假定两个变量是标准的均匀密度即在【0,1】之间
根据书中公式
f
Z
(
z
)
=
∫
−
∞
∞
∣
x
∣
f
X
(
x
)
f
Y
(
x
z
)
d
x
f_Z(z)=\int_{-\infty}^{\infty}|x|f_X(x)f_Y(xz)dx
fZ(z)=∫−∞∞∣x∣fX(x)fY(xz)dx
标准密度即
f
Z
(
x
)
=
1
,
f
Y
(
y
)
=
1
f_Z(x)=1,f_Y(y)=1
fZ(x)=1,fY(y)=1,根据题意
0
≤
x
≤
1
0\leq x \leq 1
0≤x≤1
f
Z
(
z
)
=
∫
0
1
x
⋅
1
⋅
1
d
x
=
1
2
\begin{aligned} f_Z(z)&=\int_0^1x\cdot1\cdot 1dx\\ &=\frac12 \end{aligned}
fZ(z)=∫01x⋅1⋅1dx=21
题目53
考虑用两种方法构建两个矩形,令 U 1 , U 2 , U 3 U_1,U_2,U_3 U1,U2,U3是 [ 0 , 1 ] [0,1] [0,1]上独立的均匀随机变量,一个矩形的连长为 U 1 和 U 2 U_1和U_2 U1和U2,另一个是连长为 U 3 U_3 U3的正方形,计算正方形面积大于矩形面积的概率
解题思路
根据题意:
P
(
U
3
2
>
U
2
U
3
)
=
P
(
U
2
>
U
2
U
1
)
P(U_3^2>U_2U_3)=P(U_2>\sqrt{U_2U_1})
P(U32>U2U3)=P(U2>U2U1)
P
(
U
2
>
U
2
U
1
)
=
∫
0
1
∫
0
1
∫
u
2
u
1
1
f
(
u
1
,
u
2
,
u
3
)
d
u
3
d
u
2
d
u
1
=
∫
0
1
∫
0
1
∫
u
2
u
1
1
d
u
3
d
u
2
d
u
1
=
∫
0
1
∫
0
1
1
−
u
2
⋅
u
1
d
u
2
d
u
1
=
∫
0
1
[
u
2
−
2
u
1
u
2
3
2
3
]
0
1
d
u
1
=
∫
0
1
1
−
2
u
1
3
d
u
1
=
[
u
1
−
2
3
⋅
2
u
1
3
2
3
]
0
1
=
5
9
\begin{aligned} P(U_2>\sqrt{U_2U_1})&=\int_0^1\int_0^1\int_{\sqrt{u_2u_1}}^1f(u_1,u_2,u_3)du_3du_2du_1\\ &=\int_0^1\int_0^1\int_{\sqrt{u_2u_1}}^1du_3du_2du_1\\ &=\int_0^1\int_0^11-\sqrt u_2\cdot \sqrt u_1 du_2du_1\\ &=\int_0^1\left[ u_2-\frac{2\sqrt{u_1}{u_2}^{\frac32}}{3} \right]_0^1du_1\\ &=\int_0^11-\frac{2\sqrt{u_1}}{3}du_1\\ &=\left[u_1-\frac23\cdot\frac{2{u_1}^{\frac32}}{3} \right]_0^1\\ &=\frac59 \end{aligned}
P(U2>U2U1)=∫01∫01∫u2u11f(u1,u2,u3)du3du2du1=∫01∫01∫u2u11du3du2du1=∫01∫011−u2⋅u1du2du1=∫01[u2−32u1u223]01du1=∫011−32u1du1=[u1−32⋅32u123]01=95