15. 随机变量函数的分布

随机变量函数的分布

开篇先引出问题 \quad

• 若要得到一个圆的面积 $Y$，总是测量其半径，半径的测量值可看做随机变量 $X$，若 $X\sim N(\mu ,{\sigma }^2)$，则 $Y=\pi X^2$ 的分布是什么？

• 若已知体重 $W(kg)$ 均服从正态分布，在身高 $L(cm)$ 确定的情形下，则体质指数 $BMI=W/L^2$ 服从什么分布？

问题：已知随机变量 $X$ 的分布，$Y=g(X)$，函数 $g(\cdot )$ 已知，求 $Y$ 的分布。

---

例 1： 设随机变量 $X$ 的概率分布律为 $Y=X^2$，求 $Y$ 的概率分布律。
$$\begin{array}{cccc}X& -1& 0& 1\\ P& 0.1& 0.6& 0.3\end{array}$$

解： 由题意可知，$X$ 的可能取值为 -1， 0， 1。而 $Y=X^2$，所以可知 $Y$ 可能取值为 0 和 1。

又因为 $Y=X^2$，从而 { Y = 0 } = { X = 0 } , { Y = 1 } = { ( X = 1 ) ⋃ ( X = − 1 ) } \{Y=0\}=\{X=0\},\{Y=1\}=\{(X=1)\bigcup(X=-1)\} {Y=0}={X=0},{Y=1}={(X=1)⋃(X=−1)}

因此 $P(Y=0)=P(X=0)=0.6$

P ( Y = 1 ) = { P ( X = 1 ) ⋃ P ( X = − 1 ) } = P ( X = 1 ) + P ( X = − 1 ) = 0.4 P(Y=1) = \{P(X=1) \bigcup P(X=-1)\} = P(X=1) + P(X=-1)=0.4 P(Y=1)={P(X=1)⋃P(X=−1)}=P(X=1)+P(X=−1)=0.4

$Y$ 的概率分布律如下：

$$\begin{array}{ccc}X& 0& 1\\ Y& 0.6& 0.4\end{array}$$

---

例 2： 设随机变量 X 的概率密度函数为

$$f_X(x)=\{\begin{array}{ll}\frac{x}{8},& 0<x<4;\\ & \\ 0,& \text{其他}\end{array}$$

求 $Y=X^2$ 的概率密度函数。

解： 由题意可知 $P(0<X<4)=1$，从而 $P(0<Y<16)=1$.

故 $f_Y(y)=0$，当 $y\notin (0.16)时.$

当 $y\in (0,16)$ 时，先考察 $Y$ 的分布函数：

F Y ( y ) = P { Y ≤ y } = P { X 2 ≤ y } = P { − y ≤ X ≤ y } = P { 0 ≤ X ≤ y } = ∫ 0 y t 8   d t = y 16 \begin{aligned} F_Y(y)=P\{Y\leq y\}&=P\{X^{2}\leq y\}=P\{-\sqrt y\leq X \leq \sqrt{y}\} \\ & =P\{0\leq X \leq \sqrt{y}\} = \int_{0}^{\sqrt{y}} \cfrac{t}{8} \, {\rm d}t = \cfrac{y}{16} \end{aligned} FY​(y)=P{Y≤y}​=P{X2≤y}=P{−y ​≤X≤y ​}=P{0≤X≤y ​}=∫0y ​​8t​dt=16y​​

∵ P { − y ≤ X < 0 } = 0 \because P\{-\sqrt{y} \leq X < 0\} = 0 ∵P{−y ​≤X<0}=0
∴ P { − y ≤ X ≤ y } = P { 0 ≤ X ≤ y } \therefore P\{-\sqrt y\leq X \leq \sqrt{y}\} =P\{0\leq X \leq \sqrt{y}\} ∴P{−y ​≤X≤y ​}=P{0≤X≤y ​}

故 $f_Y(y)=F_Y^{\prime }(y)=\frac{1}{16}.$即 $y$ 服从均匀分布 $U(0,16).$

或者 \quad

当 $y\in (0,16)时$，先考察 $Y$ 的分布函数：

F Y ( y ) = P { Y ≤ y } = P { X 2 ≤ y } = P { − y ≤ X ≤ y } = P { X ≤ y } = F X ( y ) \begin{aligned} F_Y(y)=P\{Y\leq y\} &= P\{X^{2} \leq y\} = P\{-\sqrt{y}\leq X \leq \sqrt{y}\} \\ &= P\{X\leq \sqrt{y}\} = F_X(\sqrt{y}) \end{aligned} FY​(y)=P{Y≤y}​=P{X2≤y}=P{−y ​≤X≤y ​}=P{X≤y ​}=FX​(y ​)​

∵ P { X < − y } = 0. \because P\{X<-\sqrt{y}\}=0. ∵P{X<−y ​}=0.
∴ P { − y ≤ X ≤ y } = P { X ≤ y } \therefore P\{-\sqrt{y}\leq X \leq \sqrt{y}\} = P\{X\leq \sqrt{y}\} ∴P{−y ​≤X≤y ​}=P{X≤y ​}

故 $f_Y(y)=F_X^{\prime }(\sqrt{y})=f_X(\sqrt{y})\cdot \frac{1}{2\sqrt{y}}=\frac{\sqrt{y}}{8}\cdot \frac{1}{2\sqrt{y}}=\frac{1}{16}.$

即 $Y$ 服从均匀分布 $U(0,16).$

---

一般，若已知 $X$ 的概率分布， $Y=g(X)$ ，求 Y 的概率分布的过程为：先给出 $Y$ 的可能取值；在利用等价事物来给出概率分布。

• 若 $X$ 为离散型随机变量，则先写出 $Y$ 的可能取值：$y_1,y_2,\cdots ,y_j,\cdots ;$再找出 { Y = y j } \{Y=y_j\} {Y=yj​}的等价事件 { X ∈ D } \{X\in D\} {X∈D}，得 $P(Y=y_j)=P(X\in D);$
• 若 $X$ 为连续型随机变量，先根据 $X$ 的取值范围，给出 $Y$ 的取值范围；然后写出 $Y$ 的概率分布函数：$F_Y(y)=P(Y\le y)$，找出 { Y ≤ y } \{Y\leq y\} {Y≤y} 的等价事件 { X ∈ D } \{X\in D\} {X∈D}，得 $F_Y(y)=P(X\in D)$；再求出 $Y$ 的概率密度函数 $f_Y(y).$

---

定理： 设随机变量 $X\sim f_X(x),-\infty <x<+\infty ,Y=g(X),g^{\prime }(x)>0$ (或 $g^{\prime }((x)<0$)，则 $Y$ 具有概率密度为：

$$f_Y(y)=\{\begin{array}{ll}{f}_X(h(y))\cdot |h^{\prime }(y)|,& \alpha <y<\beta ,\\ & \\ 0,& \text{其他}.\end{array}$$

注意：

• 这里 $(\alpha ,\beta )$ 是 $Y$ 的取值范围，其中：$\alpha =g(-\infty ),\beta =g(+\infty ).$当 $g^{\prime }(x)<0$ 时，$\alpha =g(+\infty ),\beta =g(-\infty )$
• h 是 g 的反函数，即 $h(y)=x⟺y=g(x)$.

---

例 3： 设 $X\sim N(\mu ,{\sigma }^2),Y=aX+b(a\ne b)$，求 $Y$ 的概率密度 $f_Y(y).$

解： $y=g(x)=ax+b,g^{\prime }(x)=a\ne 0,$

$x=h(y)=(y-b)/a,h^{\prime }(y)=1/a,$

$$\begin{array}{rl}{f}_Y(y)& =f_X\left(\frac{y-b}{a}\right)\cdot \frac{1}{|a|}=\frac{1}{\sqrt{2\pi }\sigma }\mathrm{e}\mathrm{x}\mathrm{p}\left[-\frac{\left((y-b)/a-\mu \right)}{2{\sigma }^2}\right]\cdot \frac{1}{|a|}\\ & =\frac{1}{\sqrt{2\pi }|a|\sigma }{e}^{\frac{[y-(a\mu +b){]}^2}{2a^2{b}^2}}⟹Y\sim N(a\mu +b,a^2{\sigma }^2)\end{array}$$

---

一般地，若随机变量 $X\sim N(\mu ,{\sigma }^2)$，则有 $Y=aX+b⟹Y\sim N(a\mu +b,a^2{\sigma }^2)$

例如：

$X\sim N(1,3),Y=3-2X$

$\because a\mu +b=-2\times 1+3=1$

$a^2{\sigma }^2=(-2{)}^2\times 3=12$

$\therefore Y\sim N(1,12)$