§6++随机变量函数及其分布
随机变量函数的分布

二 、连续型随机变量函数的分布 2.分布函数法 一般地,若已知X的概率密度为 fX(x),求其函数 Y=g(X)的概率密度 fY(y)分两个步骤: 10 根据分布函数的定义求Y的分布函数FY(y); 20 由 fY(y) = F (y) 求出 fY (y)
例3 对一圆片直径进行测量, 其值在[5,6]上均匀分
定理 设X是一连续型随机变量,其密度函数f(x) , (-∞<x< +∞ ),又函数y = g(x)处处可导,且严格单 调,其反函数为x = h(y ),则Y = g(X)也是一连续型随 机变量,且密度函数为
h y f[ h ( y )], y f y Y , 其他 0
计算离散型随机变量函数的分布的方法: 首先将xi的取值代入函数关系,求出随机变量Y相应的取值
y g ( x )( i 1 , 2 , .) i i
如果yi(i=1,2,…)的值各不相等,则Y的概率分布为 Y P y1 p1 y2 p2 … … yi pi … …
如果 yi=g(xi)(i=1,2,…)中出现m(≥2)个相同的函数值,即存在
0 , y25 /4 F (y) * 25 /4y9 1, y9
F ( y ) P { Y y } P { X / 4 y }
2
P { X 4 y / }
4 y /
f ( x ) dx X
例3 对一圆片直径进行测量, 其值在[5,6]上均匀分
其中, m g ( in{ ), g ( )}, m g ( ax ), g ( )
注意 若f(x)在有限区间[a,b]外等于0,则只需设在[a,b] ( x ) 0 [ 或 g ( x ) 0 ]. 上有 g
随机变量及其分布正态分布

在自然科学中,许多测量误差都被认为服从正态 分布。这种假设允许使用统计方法进行误差分析 和建模。
正态分布在社会科学中的应用
能力和智力测试
正态分布在能力和智力测试中经常被用作模型,因为许多测试得分都呈现出正 态分布的形态。这使得教育工作者和心理学家能够对学生的能力或受试者的智 力进行评估和比较。
02 示例
人的身高、体重等都是连续型随机变量的例子。
03 性质
连续型随机变量的概率密度函数(PDF)描述了 变量在某个区间内取值的概率。
随机变量的数学期望与方差
数学期望(均值)
描述了随机变量取值的“平均”水平。对于离散型随机变量 ,数学期望是各个可能取值与对应概率的加权和;对于连续 型随机变量,数学期望是概率密度函数与自变量乘积的积分 。
02
随机变量的分类与性质
离散型随机变量
01 定义
离散型随机变量是指其取值集合是可数集的随机 变量。
02 示例
抛硬币的正面次数、掷骰子的点数等都是离散型 随机变量的例子。
03 性质
离散型随机变量的概率质量函数(PMF)描述了 每个可能取值的概率。
连续型随机变量
01 定义
连续型随机变量是指其取值集合是连续统(不可 数集)的随机变量。
它由均值和标准差两个参数完全决定,呈现出钟 02 形的曲线。
正态分布在自然界和社会现象中广泛存在,如测 03 量误差、人口身高、考试成绩等。
正态分布的概率密度函数
01 概率密度函数:f(x) = (1 / (σ√(2π))) * e^(-((x μ)² / (2σ²))),其中μ为均值,σ为标准差。
总结与展望
正态分布在统计学中的重要性总结
基础地位
随机变量及其分布函数

随机变量及其分布函数将随机事件以数量来标识,即用随机变量描述随机现象的研究方法,它是定义在样本空间上具有某种可预测性的实值函数。
分布函数则完整的表述了随机变量。
一、 随机变量与分布函数(1) 随机变量:取值依赖于某个随机试验的结果(样本空间),并随着试验结果不同而变化的变量,称之为随机变量。
分布函数:[1] 定义:设X 是一个随机变量,对任意实数x ,记作(){}F x P X x ≤=,称()F x 为随机变量X 的分布函数,又称随机变量X 服从分布()F x ,显然,函数()F x 的定义域为(),-∞+∞,值域为[0,1]。
[2] 性质:❶()F x 单调非降。
❷()0F -∞=、()1F +∞=。
❸()(0)F x F x =+,即()F x 一定是右连续的。
❹对于任意两个实数a b <,{}()()P a X b F b F a <≤=-❺对于任意实数0x ,000{}()()P X x F x F x ==-- ❻000{}1{}1()P X x P X x F x >=-≤=- ❼000{}{)lim }(x x P X x P X x x F →-=≤<=-❽000{}1{}1()P X x P X x F x ≥=-<=-- 二、 离散型随机变量与连续型随机变量(1) 离散型随机变量[1] 概念:设X 是一个随机变量,如果X 的取值是有限个或者无穷可列个,则称X 为离散型随机变量。
其相应的概率()i i P X x p ==(12)i =、……称为X 的概率分布或分布律,表格表示形式如下:[2] 性质:❶0i p ≥❷11nii p==∑❸分布函数()i i x xF x p ==∑❹1{}()()i i i P Xx F x F x -==-(2) 连续型随机变量[1] 概念:如果对于随机变量的分布函数()F x ,存在非负的函数 ()f x ,使得对于任意实数x ,均有:()()xF x f x d x-∞=⎰则称X 为连续型随机变量,()f x 称为概率密度函数或者密度函数。
随机变量及其分布

f ( x) lim
x 0
xLeabharlann x xlim P{x X x x} lim x
f (x)dx .
x 0
x
x 0
x
故 X的密度 f(x) 在 x 这一点的值,恰好是 X落在区间 (x,x+△x] 上的概率与区间长度 △x之比的极限. 这里,如果把概率理解为质 量, f (x)相当于线密度.
f (x)
a
ba
当x b时,
x
a
b
x
F (x) f (t)dt f (t)dt f (t)dt f (t)dt 1.
a
b
因此X ~ U(a, b)的分布函数为:
0
F ( x)
P( X
x)
x b
a
a 1
xa a xb
xb
例1 长途汽车起点站于每时的10分、25分、55分发
车,设乘客不知发车时间,于每小时的任意时刻随
解: 设X表示400次独立射击中命中的次数,则
X~B(400, 0.02),故 P{X2}=1- P{X=0}-P {X=1} =1-0.98400-(400)(0.02)(0.98399) =0.9972
例5 设有80台同类型设备,各台工作是相互独立的, 发生故障的概率都是0.01, 且一台设备的故障只能 由一个人处理. 考虑两种配备维修工人的方法,其一 是由4人维护,每人负责20台;其二是由3人共同维护 30台.试比较这两种方法在设备发生故障时不能及 时维修的概率大小.
称A为几乎不可能事件,B为几乎必然事件.
(4) 若x是f(x)的连续点,则 dF(x) F(x) f (x)
dx
设随机变量X的分布函数
F
随机变量及其分布函数

随机变量及其分布函数随机变量是描述随机事件的数学工具,它将随机事件映射到实数上。
我们可以将随机变量理解为一个函数,它将样本空间上的随机事件转化为一个实数。
随机变量的取值通常用大写字母来表示,例如X、Y、Z等,并且随机变量的取值可以是有限个或无限个。
随机变量的分布函数一个随机变量有着不同取值的可能性,而这些可能性可以用概率来描述。
针对一个随机变量而言,其取值在不同的范围内所对应的概率,就被称为该随机变量的分布函数。
分布函数通常用F(x)来表示,其中F是函数符号,x是随机变量的取值。
对于一个随机变量X,其分布函数定义为:F(x) = P(X≤x)其中P(X≤x)指的是随机变量X小于或等于x的概率。
因此,对于小于或等于x的所有可能取值,X的分布函数F(x)均可以计算出来。
随机变量的类型随机变量可以分为两类:离散随机变量和连续随机变量。
离散随机变量离散随机变量是只能取某些特定离散值的随机变量,它们通常意味着某个事件只能发生某些确定的次数。
例如,抛掷一颗骰子的结果就是一个典型的离散随机变量,因为其可能取的值只有1、2、3、4、5、6六种可能。
对于某个离散随机变量而言,它的分布函数是一个阶梯函数,在每个离散值处有一个跳跃,即:F(x) = P(X≤x) = ΣP(X=i),i≤x其中ΣP(X=i)表示随机变量取i的概率,i≤x表示X取i的所有取值小于或等于x。
例如,对于一个只能取0或1的离散随机变量X,其分布函数F(x)可以表示为:F(x) = P(X≤0) + P(X=1) = P(X=0) + P(X=1)其中P(X=0)和P(X=1)表示X取0和1的概率,因此:F(0) = P(X=0)F(1) = P(X=0)+P(X=1)连续随机变量连续随机变量是指可以取到任意实数值的随机变量,通常用于描述某个事件的结果可以连续变化的场景。
例如,衡量人的身高或体重就是一种典型的连续随机变量。
对于某个连续随机变量而言,由于它可以取到任意实数值,因此其分布函数也是一个连续函数。
第六章 随机变量的函数及其分布

FY ( y) 0
y y y 1 dx y , 0 y 1 f X ( x)dx 0 1, 其他
当y≥0时,P(X2≤y)= FY ( y) 于是Y分布函数为
y
-
p ( x)dx p ( x)dx
x - x
பைடு நூலகம் y
再由分布函数求概率密度
6.1 一维随机变量的函数及其分布
二、连续型随机变量
p
Y
( y ) F 'Y ( y )
p
x
( y )( y )'
p
x
( y )( y )'
ye y 2 1 1 ,y0 ( y ) 3 e ( y ) 0 2 2 y 2 y 0, y 0 y 3 当Y 2 X 3时有y 2 x 3 x , 2 3 2 ) y 3 3 ( y2 y 3 y 3 2 ( ) e ( )', y 3 ( y ) ( y ) ( x ) dx ' pY 2 p x 2 F 'Y 0, y 3
P(Y=-1)= P(X<10)
P(Y=20)= P(10≤X≤12
12 11 10 11 Φ( ) Φ ( ) 1 1 Φ (1) Φ (1) 0.68
综合得Y的分布律为
Y -5 p 0.16
-1 20 0.16 0.68
6.1 一维随机变量的函数及其分布
二、连续型随机变量
3 2 ) 1 y 3 3 ( y2 ) e ,y 3 ( 2 2 0, y 3
概率论 随机变量的函数及其分布

p X [ f 1 ( y )] [ f 1 ( y )] , 0 y , pY ( y ) 其他 . 0,
1 [ f 1 ( y )] , 0 f 1 ( y ) 1, 其他 . 0, 1 1 , 0 ln y 1, y 其他 . 0, 1 , 1 y e, y 0, 其他 .
证 F ( x )是分布函数
0 F ( x ) 1, 且F ( x )单调不减
依题意, 又知 F ( x )严格单调增加
故 y R,
FY ( y ) P{Y y } P { F ( X ) y }
FY ( y ) P{Y y } P{ F ( X ) y } y 0, P ( ), P{ F ( X ) y }, 0 y 1, P ( ), y 1. y 0, 0, P{ X F 1 ( y )}, 0 y 1, 1, y 1.
且恒有f ( x ) 0(或恒有f ( x ) 0), 则Y f ( X )是连
续型随机变量,其概率 密度为
p X [ f 1 ( y )] [ f 1 ( y )] , y , pY ( y ) 0, 其它. 其中 f 1 ( y ) 是 f ( x ) 的反函数, ( , )是f 1 ( y )的定义域,
y 0, 0, 0, 0 y 1, FY ( y ) ln y , 1 y e, y e. 1,
从而
d FY ( y ) pY ( y ) dy
1 , 1 y e, y 0, 其他 .
例6 设圆的直径服从区间(0,1)上的均匀分布
随机变量函数及其分布

正态分布在统计学中具有重要地位,广泛应用于自然科学、社会科学、工程技术等领域。例如,在质量 控制中,正态分布可用于描述产品质量的波动情况;在金融领域,正态分布可用于描述股票价格的波动 等。
PART 04
随机变量函数数学期望与 方差
REPORTING
WENKU DESIGN
数学期望定义及性质
定义:数学期望是随机变量取值的平均 值,反映了随机变量取值的“中心位置 ”或“平均水平”。
https://
随机变量函数及其分 布
https://
REPORTING
• 随机变量与函数概述 • 离散型随机变量函数分布 • 连续型随机变量函数分布 • 随机变量函数数学期望与方差 • 多维随机变量函数分布 • 随机变量函数在实际问题中应用
目录
PART 01
随机变量与函数概述
REPORTING
随机变量的数学期望具有线性性质,即 多个随机变量的线性组合的数学期望等 于各随机变量数学期望的线性组合。
随机变量线性变换的数学期望等于该随 机变量数学期望的线性变换。
性质 常数的数学期望等于该常数本身。
方差定义及性质
性质
随机变量线性变换的方差等于该 随机变量方差的线性变换的平方 。
定义:方差是随机变量取值与其 数学期望之差的平方的平均值, 反映了随机变量取值的离散程度 。
随机过程在金融领域应用
股票价格预测
利用随机过程理论对股票价格进行建模和预测,包括布朗运动、 随机游走等模型。
风险管理
运用随机过程方法对金融风险进行管理和控制,如信用风险、市 场风险等。
金融衍生品定价
基于随机过程理论,对金融衍生品如期权、期货等进行定价和估 值。
THANKS
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2020/5/10
皖西学院 经济与管理学院
17
( 2 )m a x X ,Y 的 分 布 列 .
(X ,Y )( 1 , 2 )( 1 , 1 )( 1 ,0 )(1 , 2 )(1 , 1 )(1 ,0 )(3 , 2 )(3 , 1 )(3 ,0 )
概
222
率 P 1 /1 21 /1 21 /41 /61 /1 2 0 1 /6 01 /6
率
论 与
解 : ( X , Y ) 的 联 合 分 布 列 也 可 以 表 示 为 :
数
理 统
(X ,Y )( 1 , 2 )( 1 , 1 )( 1 ,0 )(1 , 2 )(1 , 1 )(1 ,0 )(3 , 2 )(3 , 1 )(3 ,0 ) 222
计 P 1 /1 21 /1 21 /41 /61 /1 2 0 1 /6 01 /6
y
1
f ( y) Y
y2
,
0 ,
y 1 其他
2020/5/10
皖西学院 经济与管理学院
8
例 3 . X ~ N ( 1 0 , 2 2 ) , 求 Y 3 X 5 的 密 度 函 数 ;
解 : 显 然 y g ( x ) 3 x 5 满 足 定 理 条 件 .
概 率
且xh(y)y5, h '( y ) 1 .
X: N(,2) YX: N(0,1).
2020/5/10
皖西学院 经济与管理学院
10
2、分布函数法 ——g(x)为任意形式 Yg(X)
万能法
(1)先确定Y的可能取值范围,如 : ayb.
概
率 (2)在Y的可能取值范围内,求出其分布函数。
论
与 数
FY(y)P(Yy)P (g(X )y) 利 用 X 的 分 布 FY ( y).
3
例1 已知X的分布列如下:
X 1 0 1 2 2.5
概 P 0.2 0.1 0.1 0.3 0.3
率 论
求 X 1 , 2 X ,X 2 的 分 布 列 .
与
数 解:
X 1 0 1 2 2 . 5
理
X1 2 1 0 1 1 . 5
统
计
2X 20 2 4 5
X 2 10 1 4 6 . 2 5
与 一 维 离 散 随 机 变 量 函 数 分 布 类 似 , 把 (X,Y)换 成
X Y 和 m a x X ,Y , 概率不变,再 整 理 可 得 .
2020/5/10
皖西学院 经济与管理学院
16
(1 )X Y 的 分 布 列 :
(X ,Y )( 1 , 2 )( 1 , 1 )( 1 ,0 )(1 , 2 )(1 , 1 )(1 ,0 )(3 , 2 )(3 , 1 )(3 ,0 )
与 则 Y g ( X ) 的 密 度 函 数 为 :
数
理 统 计
pY(y) pX[h (y)0 ]h'(y),,
ayb 其 他
其 中 , a m i n g ( ) , g ( ) , b m a x g ( ) , g ( ) .
注意该定理的适用条件。
2020/5/10
9
补充说明:
若 X 服 从 正 态 分 布 , 则 其 线 性 函 数 也 服 从 正 态 分 布 .
概 率
即有:
论
与
X: N(,2), Ya X b Y :N (a b ,a 22 ).
数 理 统
特 别 地 , 取 a 1,b Y:N (0,1).
计 即 得 到 一 般 的 正 态 分 布 的 标 准 化 公 式 :
y
概 由 0 x z y 1 ,y 0
yz
率
论
与 0 y 且 z 1 y z .
yz1
数 理
01
z
统 计
0,z 0;
pZ(z)
z1eydy 1ez,0 z 1;
0
z 1eydy (e1)ez,z 1;
z1
2020/5/10
皖西学院 经济与管理学院
23
2、分布函数法 (万能法)
例5 设X的密度函数是fX(x),Y=4X-1,求Y的密度函数.
解 : 先 求 Y 的 分 布 函 数 :
概 F Y (y)P (Y y)P (4X 1y) P(X y1)
率 论 与
FX
(
y
4
1)
4
数 所 以 Y 的 密 度 函 数 为
理 统 计
fY(y)FY(y) F X (y4 1)fX(y4 1)1 4
y
z
xz
1
与
数
理
统
0
1x
0
1x
计
0,
z 0;
pZ(z)
z1e(zx)dx 1 ez,
0
0z1;
11e(zx)dx(e1)ez, z 1. 0
2020/5/10
皖西学院 经济与管理学院
22
解 法 二 : 利 用 公 式 p Z ( z ) p X ( z y ) p Y ( y ) d y
概 当 0y1时 ,
率
论 P Y (y)P (Yy)P(X2 y)
fX (x ) 1 ,(0 x 1 )
与
y
数 P(0X y) 1d x
理
0
统
计
y FY(y)
fY ( y)
dFY dy
1 2y
.
即得:fY(y)
1 2 y
,0
y
1;
0 , 其他.
2020/5/Y ) : f ( x , y ) , Z g ( X , Y ) , 求 Z 的 密 度 函 数 f Z ( z ) .
概 ( 1 )确 定 Z 的 可 能 取 值 范 围 .
率
论 ( 2 ) 在 Z 的 可 能 取 值 范 围 内 计 算 分 布 函 数 F Z ( z ) .
2020/5/10
皖西学院 经济与管理学院
21
解 法 一 : 利 用 公 式 p Z ( z ) p X ( x ) p Y ( z x ) d x
0 x 1 ,0 y . zxy yzx
概 率 论
(X ,Z )的 联 合 取 值 范 围 : 0 x 1 ,z x 0 .
求Z=X+Y的密度函数。
解:X和Y的密度函数分别是
概
率 论 与
1, 0x1;
ey, y 0;
pX(x)0, 其他.
pY
(
y)
0,
其他.
数 Z X Y 的 可 能 取 值 范 围 是 : y
理
统
0z .
计 (X ,Y ) 的 联 合 取 值 范 围 是 :
0 x 1 ,0 y .
0
1x
皖西学院 经济与管理学院
6
定理的证明: p Y ( y ) p X [ h ( y ) ] h ' ( y ) ,a y b .
假设g(x)g'(x)0h(y) , h'(y)0.
概 记 a g ( ) ,b g ( ) ,则 y g ( x )在 ( a ,b ) 内 取 值 .
3
3
论 与 数 理
x y .
p Y (y )p X [h (y )]h '(y )
pX(x)2
1 (x10)2 e 24
2
统 计
1
1 (y/35/310)2 e 24
1
(y35)2
e 236 ,y.
22
3 62
即Y: N(35,62).
2020/5/10
皖西学院 经济与管理学院
7
例 2 设 X ~ E x p () , 求 Y e X 的 密 度 函 数 f(y ) Y 解QX ~Exp(), X的密度函数为
概 率
ex,
f X
(x)
0 ,
x 0 其他
论
与 函数yex为一个单调增加且具有一阶连续导数的函数,
数 理
反函数为xh(y)lny,xh(y)1,且y1
统
计
所以Y的密度函数为
概 第四章 随机变量的函数及其分布
率
论
与
数 理
教材P49-54
统
计
2020/5/10
皖西学院 经济与管理学院
1
概
率 论
第一节 一维随机变量的函数及其分布
与
数
理
统
计
2020/5/10
皖西学院 经济与管理学院
2
一、离散随机变量函数的分布
设随机变量X的分布列为
概
X x1
x2 L xn L
率 论
P P (x1) P (x2)L P (xn) L
统
计
X2 0 1 4 6.25
P 0.1 0.3 0.3 0.3
2020/5/10
皖西学院 经济与管理学院
5
二、连续随机变量函数的分布
1、公式法 ——g(x)严格单调
概 定 理 : 设 连 续 型 随 机 变 量 X 的 密 度 函 数 为 p X ( x ) ,
率 论
yg (x )严 格 单 调 , 且 其 反 函 数 h ( y ) 有 连 续 导 数 .
理 统
的分布有着必然的联系。
计
2020/5/10
皖西学院 经济与管理学院
15
例 1 . 设 ( X ,Y ) 的 联 合 分 布 列 为 X 1Y 1/ 122
1 1 / 12
0 1/4
求 : (1 )X Y 的 分 布 列 ; 1 / 2 1 / 6 1 / 12 0