概率论与数理统计(3.5) 两个随机变量函数的分布

最新推荐文章于 2023-01-14 13:00:51 发布
最新推荐文章于 2023-01-14 13:00:51 发布
阅读量9.8k 收藏 42
点赞数 7
文章标签： 概率论
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weirdo_cy/article/details/105588987
版权
本文详细探讨了离散型和连续型随机变量函数的分布，包括Z=X+Y, Z=X/Y, Z=XY以及最大值最小值情况。通过例题解析，展示了如何确定新变量的概率分布，特别强调了当随机变量相互独立时的应用和积分计算的重要性。" 90369897,6918425,WPF与GDI+：图像选中边框绘制技巧,"['WPF开发', '图形图像处理', '用户交互', '控件定制']
摘要由CSDN通过智能技术生成

文章目录

一、离散型随机变量函数的分布

1.结论

在这里插入图片描述
解题思路
这也是对结论的解释。
首先确定由二维随机变量经过函数变化构造出来的新变量。
然后对应着原来的概率即是新变量的概率，但应该注意的是合成的新变量如果有相同，相对应的概率应相加。

2.例题

在这里插入图片描述
首先进行转换，方便与观察。也是等价的。
在这里插入图片描述
然后根据函数，确定新的变量Z
在这里插入图片描述
对应概率抄写，出现新的相同变量要把概率合并。
在这里插入图片描述

二、连续性随机变量函数的分布

1.Z&#

最低0.47元/天 解锁文章
怪就怪在
关注
两个随机变量的函数的分布.doc
09-17
两个随机变量的函数的分布.doc
两个随机变量的函数分布
User
04-18 2045
总结多维随机变量的函数的分布计算方法（离散型、连续型） 离散型 若联合分布率为P{X=xi,Y=yi}=pijP\{X=x_i,Y=y_i\} = p_{ij}P{X=xi​,Y=yi​}=pij​，$ i,j=1,2,\cdots$ 则随机变量函数Z=g(X,Y)Z=g(X,Y)Z=g(X,Y)的分布率为 P{Z=zi}=P{g(X,Y)=zk}=∑zk=g(xi,yi)pijP\{Z=z_i\}=P\{g(X,Y)=z_k\} = \sum_{z_k=g(x_i,y_i)}p_{ij}P{Z=zi​
两个随机变量的函数的分布
chbxw
04-05 2626
一、前言： 一维随机变量的函数的分布 二、二维随机变量的函数的分布 2.1、Z=X+YZ=X+YZ=X+Y的分布 2.2、Z=XYZ = \frac{X}{Y}Z=YX​的分布、Z=XYZ = XYZ=XY的分布 2.3、M=min(X,Y)的分布、N=min(X,Y)的分布M = min{(X,Y)}的分布、N= min(X, Y)的分布M=min(X,Y)的分布、N=min(X,Y)的分布 ...
第五节 两个随机变量函数的分布
arcsin_90的博客
07-08 439
第三章 多维随机变量及其分布 3.5 两个随机变量的函数分布
Deam_swan_goose的博客
06-20 636
第三章 多维随机变量及其分布 3.5 两个随机变量的函数分布 文章目录第三章 多维随机变量及其分布 3.5 两个随机变量的函数分布Z=X+Y分布Z = X + Y分布Z=X+Y分布Z=XY、Z=X/Y的分布Z = XY 、Z = X/Y的分布Z=XY、Z=X/Y的分布M = max{X,Y} 及N = max {X,Y} 的分布 Z=X+Y分布Z = X + Y分布Z=X+Y分布 当XXX 和 YYY相互独立时可化为： 例： 解： 又如： Z=XY、Z=X/Y的分布Z = XY 、Z = X/
概率论与数理统计：3_5两个随机变量函数的分布.ppt
09-17
"概率论与数理统计：3_5两个随机变量函数的分布" 概率论与数理统计是数学的一个分支，它研究随机事件的概率和随机变量的统计特性。在这个领域中，了解两个随机变量函数的分布是非常重要的。 在离散型随机变量中，...
Matlab概率论与数理统计分析_Matlab概率论与数理统计分析_概率matlab_
10-02
在概率论与数理统计分析中，Matlab是一款强大的工具，它提供了丰富的库函数和用户友好的界面，使得数据处理、统计建模以及随机过程模拟变得简单易行。本资源包"Matlab概率论与数理统计分析"显然是为了帮助学习者深入...
概率论与数理统计课件二维随机变量的函数的分布PPT学习教案.pptx
10-05
概率论与数理统计课件二维随机变量的函数的分布PPT学习教案 概率论与数理统计是统计学的基础课程，涉及到随机事件、随机变量、概率分布、统计推断等方面的内容。今天，我们要学习的内容是二维随机变量的函数的分布...
概率论与数理统计 第二章 随机变量
最新发布
02-25
《概率论与数理统计》第二章主要讲解的是随机变量，它是概率论中的核心概念之一。随机变量可以分为离散型和连续型两种类型。 离散型随机变量是指那些只能取到有限个或可数无限多个离散数值的随机变量。例如，抛硬币...
【概率论与数理统计 Probability and Statistics 10】—— 二维随机变量函数的分布（离散型+连续型）
凝望，划过星空的博客
04-05 5797
文章目录一、二维离散型随机变量函数的分布二、二维连续型随机变量函数的分布和分布密度 一、二维离散型随机变量函数的分布 二、二维连续型随机变量函数的分布和分布密度 首先，我们有两个随机变量 X, Y。它们的概率密度函数已知：f(x,y)f(x, y)f(x,y)，现在有一个 Z=g(X,Y)Z = g(X, Y)Z=g(X,Y)。那么如何计算 fZ(x,y)f_Z(x, y)fZ​(x,y) 这种题...
概论_第3章_重点_两个随机变量的函数的分布__卷积公式
华工的专栏
01-14 4106
前面， 我详细介绍了，本文开始介绍两个随机变量的函数。注意，不能写成 两个随机变量函数， 那就会误认为 两个函数本文主要介绍两个连续型随机变量的函数， 至于离散型，由读者自行了解。
两连续型随机变量得到复合随机变量的分布函数及密度函数
梧桐
08-28 4024
分布函数法 X，YX，YX，Y为两个连续型随机变量，并且(X,Y)∼f(x,y)(X,Y)\sim f(x,y)(X,Y)∼f(x,y)，f为二维随机变量(X,Y)(X,Y)(X,Y)的密度函数； 对于Z=g(X,Y)Z=g(X,Y)Z=g(X,Y)，求Z的分布函数和概率密度； FZ(z)=p{Z≤z}=P{g(X,Y)≤z}=∬g(x,y)≤zf(x,y)dxdy\displaystyle F_Z(z)=p\{Z\leq z\}=P\{g(X,Y)\leq z\}=\iint _{g(x,y)\leq z
概率统计学习笔记（１１）——随机变量的函数的分布
啊呜兮兮的博客
01-16 1585
随机变量的函数的分布 定理 设随机变量XXX具有概率密度fX(x),−∞<x<∞f_X(x),-\infty<x<\inftyfX​(x),−∞<x<∞,又设函数g(x)g(x)g(x)处处可导且恒有g′(x)>0g'(x)>0g′(x)&a
漫步数理统计十五——两个随机变量的分布
蜗牛
04-13 3716
接下里我们讨论两个随机变量的例子。连续掷三次硬币并考虑有序数对(前两次HH的个数，三次中HH的个数)，其中H,TH,T 分别表示正面与反面，那么样本空间是C={c:c=ci,i=1,2,…,8}\textbf{C}=\{c:c=c_i,i=1,2,\ldots,8\}，其中c1c_1是TTTTTT，c2c_2是TTHTTH，c3c_3是THTTHT，c4c_4是HTTHTT，c5c_5是THHTHH
Skellam分布（两泊松分布变量差的分布）
qq_32515081的博客
05-08 8395
一般来说，两个具有泊松分布的随机变量之和组成的新变量还是泊松分布，而两个的差却并不再是泊松分布，而是Skellam分布，这个是与两项分布和正态分布不同的地方，后两者具有随机变量和与差的再生性质。 泊松分布变量和的再生性 一般用随机分布的特征函数来证明一个随机分布是否具有再生性。下面先证明泊松分布的和的再生性。 泊松分布的概率密度函数为： 其中为平均值，。一般用来表示泊松分布。 泊松分布的特征函数可以用特征函数的定义来求： 利用特征函数的性质，若相互独立： 则有 即相互独立随机
离散型随机变量及其分布
chbxw
09-18 1万+
离散型随机变量的定义： 若随机变量X的取值为有限个或可数 离散, 则称X为离散型随机变量。 二、分布 2.1、0-1分布
数学概率之max(x,y)和min(x,y)的分布
热门推荐
AndyJ的学习之旅
08-20 3万+
max(X,Y)和min(X,Y)的分布 例题 求max(x,y)的期望 由期望的定义 带入概率密度函数即可，x*2x在0到1上的积分，结果为2/3 最小值可以利用上面的公式进行计算，也可以用1-2/3=1/3
模板：min-max容斥&离散随机变量的几何分布（洛谷P3175：[HAOI2015]按位或）
BUG_Creater_jie的博客
01-05 639
神奇的期望处理技巧
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值