前言:这节课继续上节课,讲如何求g(X)的分布,这回扩展到多个input,g(X,Y) 的分布。介绍了当g(X) 是严格单调情况的简化算法。以及当W = X + Y; X,Y independent 这种特殊情况的算法
如图算得
E
[
Z
]
=
∞
E[Z]= \infty
E[Z]=∞,可见一些分布的期望可以是无限的。
因为上题中X 和 Y 是独立的,所以
Y
和
1
X
Y 和 \frac{1}{X}
Y和X1也是独立的。所以第二个等式正确。
记住这些公式的前提是要严格单调
假设x均匀分布,当g(x)趋近于0 时,有很多x落在这个范围,所以
f
Y
(
y
)
f_Y(y)
fY(y)比较大,同理当g(x)趋近于2 时,由公式可见
f
Y
(
y
)
f_Y(y)
fY(y)与g(x) 的斜率成反比。
当x 和y在一个椭圆上时joint PDF 是个常数
通过convolution计算,两个独立的正太分布的和也是正态分布
协方差的概念和推导,注意期望的加和不要求独立,方差加和要求独立。