3.3-概率论与数理统计
概率论与数理统计3.3条件分布
f (x, y) fX (x)
1 2x
,
0,
x y x, 其它。
(3)
P{ X
1 |Y
0}
P{ X
1 ,Y 2
0}
2
P{Y 0} y
(1
1) 2
1 2
2
3
1 11
4
0
2
yx
11
x
2
12
条件分布
例 设二维随机变量 (X ,Y )服从正态分布,即有
X， Y ~
N
1，
2，
2，
1
2，
0 x y 1,
所以,当0<y<1时
0,
其 它.
fY y
f
x，
ydx
y
0
1 1 x
dx
ln1
y
y.
所以,随机变量Y的密度函数为
1
fY
y
ln1
0,
y,
0 y 1, 其 它.
0
1x
16
xy
f x， y fY y
2
1
2 1
1r2
exp
2
2 1
1 1
r2
x
1
r
1 2
y
2
2
x
结论 二元正态分布的条件分布是一元正态分布,即
N
1
1 2
y
2
，
2 1
1 2
14
条件分布
例 设随机变量X服从区间(0,1)上的均匀分布,当 0<x<1时,随机变量Y在X=x的条件下服从区间(x,1) 上的均匀分布,试求随机变量Y的密度函数.
概率论与数理统计定义
概率论与数理统计定义概率论与数理统计是数学的两个重要分支，它们研究的是随机现象的规律性和统计数据的处理与分析。
概率论研究的是随机现象发生的可能性，数理统计则研究的是根据已有数据对总体特征进行推断和决策的方法。
概率论是研究随机现象的规律性及其数学描述的学科。
随机现象是指在一定条件下，无法准确预测其结果的现象，比如掷骰子、抛硬币等。
概率论通过引入概率的概念，对这些随机现象进行定量的描述和分析。
概率的基本性质包括非负性、规范性和可列可加性。
概率的计算可以通过频率法、古典概型和几何概型等方法来进行。
概率论不仅仅在数学中有着广泛的应用，也在其他学科和实际问题中发挥着重要作用。
数理统计则是研究数据的收集、整理、分析和推断的学科。
在实际问题中，我们往往无法获得全部的数据，而只能通过采样来获取一部分数据。
数理统计通过对这些样本数据的分析，推断总体的特征和参数，并对推断结果进行评估和决策。
数理统计的基本概念包括总体、样本、参数和统计量等。
统计推断可以分为点估计和区间估计两种方法，点估计是通过样本数据推断总体参数的一个数值，区间估计是通过样本数据推断总体参数的一个范围。
统计检验则是通过样本数据对总体的某种假设进行推断和判断。
概率论和数理统计在现代科学和社会生活中都有着广泛的应用。
在自然科学中，概率论和数理统计被应用于物理学、化学、生物学等领域，可以帮助科学家从实验数据中发现规律、验证理论和做出预测。
在工程技术中，概率论和数理统计被应用于可靠性分析、风险评估、质量控制等问题，可以帮助工程师进行设计和决策。
在社会科学中，概率论和数理统计被应用于经济学、社会学、心理学等领域，可以帮助研究者分析数据、验证假设和做出预测。
概率论和数理统计是数学中两个重要的分支，它们研究的是随机现象的规律性和统计数据的处理与分析。
概率论通过引入概率的概念，对随机现象进行定量的描述和分析；数理统计通过对样本数据的分析，推断总体特征和参数，并对推断结果进行评估和决策。
概率论与数理统计考点归纳
概率论与数理统计考点归纳1. 引言概率论与数理统计是数学中的两个重要分支，它们研究随机现象的规律和利用数据推断总体特征。
在实际应用中，概率论与数理统计广泛应用于自然科学、社会科学、工程技术等领域。
本文将从以下几个方面对概率论与数理统计的考点进行归纳和总结。
2. 概率论考点2.1 随机变量与概率分布•随机变量的定义、分类和常见概率分布：离散随机变量、连续随机变量、二项分布、泊松分布、正态分布等。
•期望、方差和协方差的定义和性质，以及它们与随机变量的关系。
•大数定律和中心极限定理的概念和应用。
2.2 一维随机变量的分布特征•分布函数、概率密度函数和概率质量函数的定义和性质。
•分位数和分位点的概念和计算方法。
•随机变量的矩、协方差和相关系数的定义和计算。
•常见分布的特征：均匀分布、指数分布、正态分布等。
2.3 多维随机变量的分布特征•多维随机变量的联合分布、边缘分布和条件分布的定义和性质。
•多维随机变量的矩、协方差矩阵和相关系数矩阵的定义和计算。
•多维正态分布的定义和性质，以及多维正态分布的应用。
2.4 随机变量的函数的分布特征•随机变量函数的分布：线性变换、和、积、商的分布。
•随机变量函数的期望、方差和协方差的计算方法。
3. 数理统计考点3.1 抽样与抽样分布•抽样的概念和方法：随机抽样、简单随机抽样、系统抽样、分层抽样、整群抽样等。
•抽样分布的概念和性质：样本均值的抽样分布、样本比例的抽样分布、样本方差的抽样分布等。
•中心极限定理在抽样分布中的应用。
3.2 参数估计•点估计的概念和方法：矩估计、最大似然估计等。
•点估计的性质：无偏性、有效性、一致性等。
•置信区间的定义和计算方法。
3.3 假设检验•假设检验的基本步骤：建立原假设和备择假设、选择检验统计量、确定显著性水平、计算拒绝域、做出判断。
•假设检验的错误和功效：第一类错误、第二类错误和功效的概念和计算。
•常见假设检验方法：正态总体均值的假设检验、正态总体方差的假设检验、两样本均值的假设检验等。
统计学、概率论和数理统计的区别和联系
统计学、概率论和数理统计的区别和联系今天我们就来说说统计学、概率论和数理统计为什么要说他们呢，因为这⼏个字眼⼤家肯定是已经⽆数次地碰到过了，但他们究竟代表了什么，以及他们之间的区别与联系，相信⼤家平时肯定是没怎么关注过，⽽是更多的混为⼀谈。
然⽽今天，随着⼤数据与数据科学的热⽕朝天，这⼏个词重新被⼤家给予了⾼度关注，特别是统计学。
原因也很⾃然：分析思维是数据科学的核⼼思维⽅式，⽽分析思维就是关于计算与统计的思维。
统计思维⽣长的⼟壤就是概率论和数理统计。
1、统计学⾸先说说统计学，关于这个词其实是个历史遗留问题。
因为从统计学的发展历史来看，最早的统计学和国家经济学有密切的关系。
统计学的英⽂是“statistic”，其实它是源于意⼤利⽂的“stato”，意思是“国家”、“情况”，也就是后来英语⾥的state（国家），在⼗七、⼗⼋世纪，统计学很多时候都是以经济学的姿态出现的。
根据维基百科：By the 18th century, the term 'statistics' designated the systematic collection of demographic and economic data by states. For at least two millennia, thesedata were mainly tabulations of human and material resources that might betaxed or put to military use.统计学最开始来源于经济学和政治学。
17世纪的经济学家William Petty和他的《政治算术》⼀书揭开了统计学的起源（维基百科）：The birth of statistics is often dated to 1662, when John Graunt, along with William Petty, developed early human statistical and census methods that provided a framework for modern demography. He produced the first life table, giving probabilities of survival to each age. Hisbook Natural and Political Observations Made upon the Bills of Mortality usedanalysis of the mortality rolls to make the first statistically basedestimation of the population of London.所以从⼀开始，统计学就跟经济学、政治学密不可分的。
概率论与数理统计第四版
概率论与数理统计第四版1. 简介概率论与数理统计是现代科学中的两个重要领域，它们在各个学科中都有广泛的应用。
本文档将介绍概率论与数理统计第四版的主要内容和特点。
2. 内容概述概率论与数理统计第四版主要分为两大部分：概率论和数理统计。
下面将对每个部分进行详细的介绍。
2.1 概率论概率论是研究随机现象规律的数学理论。
本书在概率论部分包括了以下几个主要内容：•随机事件与概率•随机变量及其分布•数学期望与方差•多维随机变量的分布•大数定律与中心极限定理•随机过程通过学习概率论的基本理论和方法，读者能够更好地理解和应用随机现象的规律。
2.2 数理统计数理统计是研究如何利用数据来推断总体特征的统计学分支。
本书的数理统计部分包括了以下几个主要内容：•统计数据的描述与分析•参数估计•假设检验•方差分析•相关与回归分析•非参数统计方法数理统计是概率论的应用，它使我们能够利用样本数据对总体进行推断与决策。
3. 特点概率论与数理统计第四版具有以下几个特点：3.1 理论与实践结合本书在介绍概率论和数理统计的基本理论的同时，也强调实际应用。
每个章节都配有大量的实例和案例分析，帮助读者将所学的理论知识应用到实际问题中。
3.2 全面而深入本书的内容全面而深入，涉及了概率论和数理统计的基本概念、原理和方法。
它不仅适合作为大学本科生的教材，也适合作为研究生和科研人员的参考书。
3.3 清晰的表达和结构概率论与数理统计第四版的作者通过清晰的表达和结构化的组织，使得书籍容易理解和阅读。
每个概念和方法都有详细的解释和定义，使读者能够更好地掌握和运用。
3.4 丰富的习题和答案为了帮助读者巩固所学的知识，本书的每个章节都附有大量的习题和答案，读者可以通过做习题来检验自己的理解和掌握程度。
4. 结论概率论与数理统计第四版是一本全面而深入的概率论与数理统计教材，它以理论与实践结合的方式，清晰地介绍了概率论和数理统计的基本概念、原理和方法。
通过学习本书，读者可以获得概率论和数理统计的基本知识，提高数据分析和决策能力。
概率论与数理统计课件第三章
f
(x,
y)
1
21 2
1
2
exp
1
2(1 2 )
(x
1)2
2 1
2
(x
1)( y 1 2
2 )
(y
2)2
2 2
其中1、2、1、 2、都是常数，且1 0， 2 0，1 1.
则称（X,Y）服从参数为1、2、1、的二2、维 正态分布，
记为
(X
,Y)
~
N (1,
2
,
2 1
,
2 2
2F(x, y) f (x, y) xy
(5)若(X,Y)为二维连续型随机向量,联合概率密度为f(x,y),则
F(x,y) P{X x,Y y}
返回
X
18
第
页
例5 设二维随机变量（X,Y）的概率密度为
Ae2(x y) , x 0, y 0
f (x, y)
0, 其他
（1）确定常数A；
分别为(X,Y)关于X和Y的边缘分布函数.
返回
X
25
第
页
例1 设二维随机向量（X,Y）的联合分布函数为
(1 e2x )(1 e3y ), x 0, y 0,
F(x, y)
0, 其他.
求边缘分布 FX (x), FY ( y)
当x
0时，FX
(x)
lim (1
y
e2 x
)(1
e3 y
)
1
e2 x
返回
X
14
第
例3 设随机变量Y~N(0，1),令
0, X 1 1,
| Y | 1
0,
|Y
|
概率论与数理统计讲义
概率论与数理统计讲义一、概率论1.1 引言概率论是研究随机现象的理论，广泛应用于自然科学、社会科学以及工程技术等领域。
它通过量化随机事件发生的可能性，帮助我们理解事件之间的关系和规律。
1.2 随机变量与概率分布随机变量是描述随机事件的事物，可以分为离散型随机变量和连续型随机变量。
概率分布则是描述随机变量取值的概率情况，包括离散型随机变量的概率质量函数和连续型随机变量的概率密度函数。
1.3 期望与方差期望是随机变量取值的平均值，用来描述随机变量的集中程度。
方差则是随机变量与其期望之间的差异程度，用来描述随机变量的离散程度。
1.4 概率分布函数的性质概率分布函数有许多重要的性质，包括非负性、归一性、单调性、可加性等。
这些性质能够帮助我们更好地理解随机事件的规律和特征。
二、数理统计2.1 统计学概述统计学是研究数据收集、分析和解释的学科，通过对样本数据的研究，推断出总体的一些特征和规律。
统计学广泛应用于社会调查、市场研究以及科学实验等领域。
2.2 描述统计学描述统计学是对数据进行总结和描述的统计学方法。
它包括数据的集中趋势度量、离散程度度量以及数据分布特征等内容。
2.3 参数估计参数估计是根据样本数据推断总体参数的一种统计学方法。
点估计通过寻找最优参数估计量来描述总体参数的真实值，区间估计则给出了参数估计的置信区间。
2.4 假设检验假设检验是用来判断总体参数是否满足某种假设的统计学方法。
它将原假设和备择假设相比较，通过计算统计量的值来判断是否拒绝原假设。
2.5 方差分析与回归分析方差分析和回归分析是用来研究多个变量之间关系的统计学方法。
方差分析用于比较多个总体均值是否相等，而回归分析则用于建立变量之间的数学模型。
三、应用案例3.1 金融风险管理概率论与数理统计在金融风险管理中发挥着重要作用。
通过对金融市场的随机波动性进行建模和分析，可以帮助投资者制定更合理的投资策略，降低风险。
3.2 医学研究数理统计在医学研究中具有广泛的应用。
概率论与数理统计(茆诗松)第二版第三章课后习题3.2-3.3(部分)参考答案
习题3.21． 设二维离散随机变量(X , Y ) 的可能值为(0, 0)，(−1, 1)，(−1, 2)，(1, 0)，且取这些值的概率依次为1/6, 1/3, 1/12, 5/12，试求X 与Y 各自的边际分布列． 解：因X 的全部可能值为−1, 0, 1，且12512131}1{=+=−=X P ， 61}0{==X P ， 125}1{==X P ， 故X 的边际分布列为12561125101PX − 因Y 的全部可能值为0, 1, 2，且12712561}0{=+==X P ， 31}1{==X P ， 121}2{==X P ， 故Y 的边际分布列为12131127210PY2． 设二维随机变量(X , Y ) 的联合密度函数为⎩⎨⎧>>−−−=−−−−−.,0,0,0,e e e 1),(},max{122121其他y x y x F y x y x y x λλλλλ 试求X 与Y 各自的边际分布函数．解：当x ≤ 0时，F (x , y ) = 0，有F X (x ) = F (x , + ∞) = 0，当x > 0时，⎩⎨⎧≤>−−−=−−−−−.0,0,0,e e e 1),(},max{122121y y y x F y x y x y x λλλλλ 有 x y x y x y x y X x F x F 1122121e 1]e e e 1[lim ),()(},max{λλλλλλ−−−−−−+∞→−=−−−=∞+=，故⎩⎨⎧≤>−=−.0,0,0,e 1)(1x x x F x X λ 当y ≤ 0时，F (x , y ) = 0，有F Y ( y ) = F (+ ∞, y ) = 0，当y > 0时，⎩⎨⎧≤>−−−=−−−−−.0,0,0,e e e 1),(},max{122121x x y x F y x y x y x λλλλλ 有 y y x y x y x x Y y F y F 2122121e 1]e e e 1[lim ),()(},max{λλλλλλ−−−−−−+∞→−=−−−=+∞=，故⎩⎨⎧≤>−=−.0,0,0,e 1)(2y y y F y Y λ 3． 试求以下二维均匀分布的边际分布：⎪⎩⎪⎨⎧≤+=.,0,1,π1),(22其他y x y x p解：当x < −1或x > 1时，p X (x ) = 0，当−1 ≤ x ≤ 1时，2111π2π1),()(22x dy dy y x p x p x x X −===∫∫−−−∞+∞−， 故⎪⎩⎪⎨⎧≤≤−−=.,0,11,1π2)(2其他x x x p X当y < −1或y > 1时，p Y ( y ) = 0，当−1 ≤ y ≤ 1时，2111π2π1),()(22y dx dx y x p y p y y Y −===∫∫−−−∞+∞−， 故⎪⎩⎪⎨⎧≤≤−−=.,0,11,1π2)(2其他y y y p Y4． 设平面区域D 由曲线y = 1/ x 及直线y = 0，x = 1，x = e 2所围成，二维随机变量(X , Y ) 在区域D 上服从均匀分布，试求X 的边际密度函数．解：因平面区域D 的面积为2ln 122e 1e 1===∫x dx xS D ， 则(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧∉∈=.),(,0,),(,21),(D y x D y x y x p 当x < 1或x > e 2时，p X (x ) = 0，当1 ≤ x ≤ e 2时，xdy dy y x p x p x X 2121),()(10===∫∫∞+∞−， 故⎪⎩⎪⎨⎧≤≤=.,0,e 1,21)(2其他x x x p X5． 求以下给出的(X , Y ) 的联合密度函数的边际密度函数p x (x ) 和p y ( y )：（1）⎩⎨⎧<<=−.,0;0,e ),(1其他y x y x p y （2）⎪⎩⎪⎨⎧−<<+=.,0;10),(45),(222其他x y y x y x p（3）⎪⎩⎪⎨⎧<<<=.,0;10,1),(3其他x y x y x p解：（1）当x ≤ 0时，p X (x ) = 0，当x > 0时，x xyxy X dy dy y x p x p −+∞−+∞−+∞∞−=−===∫∫e e e ),()(1，故⎩⎨⎧≤>=−.0,0;0,e )(x x x p x X 当y ≤ 0时，p Y ( y ) = 0， 当y > 0时，y yy Y y dx dx y x p y p −−+∞∞−===∫∫e e ),()(01，故⎩⎨⎧≤>=−.0,0;0,e )(y y y y p y Y （2）当x ≤ −1或x ≥ 1时，p X (x ) = 0，当−1 < x < 1时，)1(85)21(45)(45),()(41022102222x y y x dy y x dy y x p x p x x X −=+=+==−−+∞∞−∫∫，故⎪⎩⎪⎨⎧<<−−=.,0;11),1(85)(4其他x x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0，当0 < y < 1时，y y xy x dx y x dx y x p y p y y yyY −+=+=+==−−−−−−+∞∞−∫∫1)21(65)31(45)(45),()(113112， 故⎪⎩⎪⎨⎧<<−+=.,0;10,1)21(65)(其他y y y y p Y （3）当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，111),()(03=⋅===∫∫+∞∞−xx dy x dy y x p x p xX ， 故⎩⎨⎧<<=.,0;10,1)(其他x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，y y x dx xdx y x p y p y y Y ln ln 1ln ln 1),()(1−=−====∫∫+∞∞−， 故⎩⎨⎧<<−=.,0;10,ln )(其他y y y p Y6． 设二维随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<<=.,0,10,6),(2其他x y x y x p 试求边际密度函数p x (x ) 和p y ( y )． 解：当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，)(66),()(22x x dy dy y x p x p xxX −===∫∫+∞∞−，故⎩⎨⎧<<−=.,0,10),(6)(2其他x x x x p X 当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，)(66),()(y y dx dx y x p y p yyY −===∫∫+∞∞−，故⎪⎩⎪⎨⎧<<−=.,0,10),(6)(其他y y y y p Y7． 试验证：以下给出的两个不同的联合密度函数，它们有相同的边际密度函数．⎩⎨⎧≤≤≤≤+=.,0,10,10,),(其他y x y x y x p ⎩⎨⎧≤≤≤≤++=.,0,10,10),5.0)(5.0(),(其他y x y x y x g 证：当x < 0或x > 1时，p X (x ) = 0，当0 ≤ x ≤ 1时，5.0)21()(),()(1021+=+=+==∫∫+∞∞−x y xy dy y x dy y x p x p X ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他x x x p X 当y < 0或y > 1时，p Y ( y ) = 0， 当0 ≤ y ≤ 1时，5.0)21()(),()(10210+=+=+==∫∫+∞∞−y xy x dx y x dx y x p y p Y ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他y y y p Y 并且当x < 0或x > 1时，g X (x ) = 0，当0 ≤ x ≤ 1时，5.0)5.0(21)5.0()5.0)(5.0(),()(1021+=+⋅+=++==∫∫+∞∞−x y x dy y x dy y x g x g X ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他x x x g X 当y < 0或y > 1时，g Y ( y ) = 0，当0 ≤ y ≤ 1时，5.0)5.0()5.0(21)5.0)(5.0(),()(1021+=+⋅+=++==∫∫+∞∞−y y x dx y x dx y x g y g Y ，则⎩⎨⎧≤≤+=.,0,10,5.0)(其他y y y g Y 故它们有相同的边际密度函数．8． 设随机变量X 和Y 独立同分布，且P {X = −1} = P {Y = −1} = P {X = 1} = P {Y = 1} = 1/2，试求P {X = Y }．解：因X 和Y 独立同分布，且P {X = −1} = P {Y = −1} = P {X = 1} = P {Y = 1} = 1/2，则(X , Y ) 的联合概率分布21212141411214141111ji p p X Y ⋅⋅−− 故P {X = Y } = P {X = −1, Y = −1} + P {X = 1, Y = 1} = 1/2．9． 甲、乙两人独立地各进行两次射击，假设甲的命中率为0.2，乙的命中率为0.5，以X 和Y 分别表示甲和乙的命中次数，试求P {X ≤ Y }． 解：因X 的全部可能取值为0, 1, 2，且P {X = 0} = 0.8 2 = 0.64，32.08.02.012}1{=××⎟⎟⎠⎞⎜⎜⎝⎛==X P ，P {X = 2} = 0.2 2= 0.04， 又因Y 的全部可能取值为0, 1, 2，且P {Y = 0} = 0.5 2 = 0.25，5.05.05.012}1{=××⎟⎟⎠⎞⎜⎜⎝⎛==Y P ，P {Y = 2} = 0.5 2= 0.25，则(X , Y ) 的联合概率分布25.05.025.004.001.002.001.0232.008.016.008.0164.016.032.016.00210ji p p X Y ⋅⋅故P {X ≤ Y } = 1 − P {X > Y } = 1 − P {X = 1, Y = 0} − P {X = 2, Y = 0} − P {X = 2, Y = 1} = 0.89． 10．设随机变量X 和Y 相互独立，其联合分布列为3/19/19/121321b x c a x y y y X Y试求联合分布列中的a , b , c ．解：因c a p ++=⋅911，9431912+=++=⋅b b p ，911+=⋅a p ，b p +=⋅912，c p +=⋅313， 根据独立性，知81495919422222++=⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛+=⋅==⋅⋅b b b b p p b p ， 可得0814942=+−b b ，即0922=⎟⎠⎞⎜⎝⎛−b ， 故92=b ； 再根据独立性，知⎟⎠⎞⎜⎝⎛+=⎟⎠⎞⎜⎝⎛+⎟⎠⎞⎜⎝⎛+=⋅==⋅⋅91969194911221a a b p p p ，可得6191=+a ，故181=a ； 由正则性，知1953191912131=+++=+++++=∑∑==c b a b c a p i j ij ，可得94=++c b a ，故6118394==−−=b ac ． 11．设X 和Y 是两个相互独立的随机变量，X ~ U (0, 1)，Y ~ Exp (1)．试求（1）X 与Y 的联合密度函数；（2）P {Y ≤ X }；（3）P {X + Y ≤ 1}．解：（1）因X 与Y 相互独立，且边际密度函数分别为⎩⎨⎧<<=.,0,10,1)(其他x x p X ⎩⎨⎧<≥=−.0,0,0,e )(y y y p y Y故X 与Y 的联合密度函数为⎩⎨⎧≥<<==−.,0,0,10,e )()(),(其他y x y p x p y x p y Y X （2）1111101e 1e 1)e ()e 1()e (e }{−−−−−−=−+=+=−=−⋅==≤∫∫∫∫x x x y xy x dx dx dy dx X Y P ；（3）11110110101010e )e ()e 1()e (e }1{−−−−−−−=−=−=−⋅==≤+∫∫∫∫x x x y xy x dx dx dy dx Y X P ．12．设随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<<=.,0,0,10,3),(其他x y x x y x p 试求（1）边际密度函数p x (x ) 和p y ( y )；（2）X 与Y 是否独立．解：（1）当x ≤ 0或x ≥ 1时，p X (x ) = 0，当0 < x < 1时，2033),()(x xdy dy y x p x p xX ===∫∫+∞∞−，故⎩⎨⎧<<=.,0,10,3)(2其他x x x p X 当y ≤ 0或y ≥ 1时，p Y ( y ) = 0， 当0 < y < 1时，)1(23233),()(2121y x xdx dx y x p y p yyY −====∫∫+∞∞−， 故⎪⎩⎪⎨⎧<<−=.,0,10),1(23)(2其他y y y p Y （2）因⎪⎩⎪⎨⎧<<<<−=.,0,10,10),1(29)()(22其他y x y x y p x p Y X 即p x (x ) p y ( y ) ≠ p (x , y )，故X 与Y 不独立．13．设随机变量(X , Y ) 的联合密度函数为⎩⎨⎧<<<=.,0,10,||,1),(其他y y x y x p 试求（1）边际密度函数p x (x ) 和p y ( y )；（2）X 与Y 是否独立．解：（1）当x ≤ −1或x ≥ 1时，p X (x ) = 0，当−1 < x < 0时，x dy dy y x p x p xX +===∫∫−+∞∞−11),()(1，当0 ≤ x < 1时，x dy dy y x p x p xX −===∫∫+∞∞−11),()(1，故⎪⎩⎪⎨⎧<≤−<<−+=.,0,10,1,01,1)(其他x x x x x p X当y ≤ 0或y ≥ 1时，p Y ( y ) = 0，当0 < y < 1时，y dx dx y x p y p yyY 21),()(===∫∫−+∞∞−，故⎩⎨⎧<<=.,0,10,2)(其他y y y p Y（2）因⎪⎩⎪⎨⎧<<<≤−<<<<−+=.,0,10,10),1(2,10,01),1(2)()(其他y x x y y x x y y p x p Y X 即p x (x ) p y ( y ) ≠ p (x , y )，故X 与Y 不独立．14．设二维随机变量(X , Y ) 的联合密度函数如下，试问X 与Y 是否相互独立？（1）⎩⎨⎧>>=+−.,0;0,0,e ),()(其他y x x y x p y x （2）+∞<<∞−++=y x y x y x p ,,)1)(1(π1),(222；（3）⎩⎨⎧<<<=.,0;10,2),(其他y x y x p （4）⎩⎨⎧<+<<<<<=.,0;10,10,10,24),(其他y x y x xy y x p（5）⎩⎨⎧<<<<−=.,0;10,10),1(12),(其他y x x xy y x p（6）⎪⎩⎪⎨⎧<<=.,0;1,421),(22其他y x y x y x p解：（1）因x e − (x + y ) = x e −x ⋅ e −y 可分离变量，x > 0, y > 0是广义矩形区域，故X 与Y 相互独立；（2）因)1π(1)1π(1)1)(1(π122222y x y x +⋅+=++可分离变量，−∞ < x , y < +∞是广义矩形区域， 故X 与Y 相互独立；（3）因0 < x < y < 1不是矩形区域，故X 与Y 不独立；（4）因0 < x < 1, 0 < y < 1, 0 < x + y < 1不是矩形区域，故X 与Y 不独立；（5）因12xy (1 − x ) = 12x (1 − x ) ⋅ y 可分离变量，0 < x < 1, 0 < y < 1是矩形区域，故X 与Y 相互独立； （6）因x 2 < y < 1不是矩形区域，故X 与Y 不独立．15．在长为a 的线段的中点的两边随机地各取一点，求两点间的距离小于a / 3的概率．解：设X 和Y 分别表示这两个点与线段中点的距离，有X 和Y 相互独立且都服从[0, a / 2]的均匀分布，则(X , Y ) 的联合密度函数为 ⎪⎩⎪⎨⎧<<<<=.,0,20,20,4),(2其他a y a x a y x pa a故所求概率为922321}3{22=⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛×==<+a a S S aY X P DG ． 16．设二维随机变量(X , Y ) 服从区域D = {(x , y ): a ≤ x ≤ b , c ≤ y ≤ d }上的均匀分布，试证X 与Y 相互独立． 证：因(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧≤≤≤≤−−=.,0;,,))((1),(其他d y c b x a c d a b y x p当x < a 或x > b 时，p X (x ) = 0，当a ≤ x ≤ b 时，a b dy c d a b dy y x p x p d c X −=−−==∫∫+∞∞−1))((1),()(， 则⎪⎩⎪⎨⎧≤≤−=.,0;,1)(其他b x a a b x p X当y < c 或y > d 时，p Y ( y ) = 0，当c ≤ y ≤ d 时，cd dx c d a b dx y x p y p b aY −=−−==∫∫+∞∞−1))((1),()(， 则⎪⎩⎪⎨⎧≤≤−=.,0;,1)(其他d y c c d y p Y因p x (x ) p y ( y ) = p (x , y )， 故X 与Y 相互独立．17．设X 1, X 2, …, X n 是独立同分布的正值随机变量．证明n k n k X X X X E n k ≤=⎟⎟⎠⎞⎜⎜⎝⎛++++,11L L ．证：因X 1, X 2, …, X n 是独立同分布的正值随机变量，则由对称性知),,2,1(1n i X X X niL L =++同分布，且满足101<++<niX X X L ，可得⎟⎟⎠⎞⎜⎜⎝⎛++n i X X X E L 1存在，且⎟⎟⎠⎞⎜⎜⎝⎛++==⎟⎟⎠⎞⎜⎜⎝⎛++=⎟⎟⎠⎞⎜⎜⎝⎛++n n n n X X X E X X X E X X X E L L L L 11211，因11111211=⎟⎟⎠⎞⎜⎜⎝⎛++++=⎟⎟⎠⎞⎜⎜⎝⎛++++⎟⎟⎠⎞⎜⎜⎝⎛+++⎟⎟⎠⎞⎜⎜⎝⎛++n n n n n n X X X X E X X X E X X X E X X X E L L L L L L ， 则n X X X E X X X E X X X E n n n n 111211=⎟⎟⎠⎞⎜⎜⎝⎛++==⎟⎟⎠⎞⎜⎜⎝⎛++=⎟⎟⎠⎞⎜⎜⎝⎛++L L L L ， 故n k n k XX X X E n k≤=⎟⎟⎠⎞⎜⎜⎝⎛++++,11L L ．习题3.31． 设二维随机变量(X , Y ) 的联合分布列为09.007.004.0222.011.007.0120.015.005.00321X Y 试分布求U = max{X , Y } 和V = min{X , Y } 的分布列．解：因P {U = 1} = P {X = 0, Y = 1} + P {X = 1, Y = 1} = 0.05 + 0.07 = 0.12；P {U = 2} = P {X = 0, Y = 2} + P {X = 1, Y = 2} + P {X = 2, Y = 2} + P {X = 2, Y = 1}= 0.15 + 0.11 + 0.07 + 0.04 = 0.37；P {U = 3} = P {X = 0, Y = 3} + P {X = 1, Y = 3} + P {X = 2, Y = 3} = 0.20 + 0.22 + 0.09 = 0.51； 故U 的分布列为51.037.012.0321P U因P {V = 0} = P {X = 0, Y = 1} + P {X = 0, Y = 2} + P {X = 0, Y = 3} = 0.05 + 0.15 + 0.20 = 0.40； P {V = 1} = P {X = 1, Y = 1} + P {X = 1, Y = 2} + P {X = 1, Y = 3} + P {X = 2, Y = 1}= 0.07 + 0.11 + 0.22 + 0.04 = 0.44；P {V = 2} = P {X = 2, Y = 2} + P {X = 2, Y = 3} = 0.07 + 0.09 = 0.16； 故V 的分布列为16.044.040.0210P V2． 设X 和Y 是相互独立的随机变量，且X ~ Exp (λ )，Y ~ Exp (µ )．如果定义随机变量Z 如下⎩⎨⎧>≤=.,0,,1Y X Y X Z 当当 求Z 的分布列．解：因(X , Y ) 的联合密度函数为⎩⎨⎧>>==+−.,0,0,0,e )()(),()(其他y x y p x p y x p y x Y X µλλµ 则∫∫∫+∞+∞+−+∞+∞+−−⋅==≤==0)(0)(e )(e }{}1{xy x xy x dx dy dx Y X P Z P µλµλλλµµλλµλλλµλµλ+=+−==+∞+−+∞+−∫0)(0)(e e xx dx ，µλµ+==−==}1{1}0{Z P Z P ，故Z 的分布列为µλλµλµ++PZ 13． 设随机变量X 和Y 的分布列分别为4/12/14/1101P X − 2/12/110P Y已知P {XY = 0} = 1，试求Z = max{X , Y }的分布列．解：因P {X 1 X 2 = 0} = 1，有P {X 1 X 2 ≠ 0} = 0，即P {X 1 = −1, X 2 = 1} = P {X 1 = 1, X 2 = 1} = 0，可得 (X , Y ) 的联合分布列为因{Z P {Z P 故Z 4．（1）X （2）X 解：（1）(X , 因P {Z = 0} = P {X = 0, Y = 0} = 0.25；P {Z = 1} = 1 − P {Z = 0} = 0.75； 故Z 的分布列为75.025.010P Z（2）因P {Z = k } = P {X = k , Y ≤ k } + P {X < k , Y = k } = P {X = k } P {Y ≤ k } + P {X < k } P {Y = k }p p p p p p p p k k i i kj j k 1111111)1()1()1()1(−−=−=−−−⋅−+−⋅−=∑∑p p p p p p p p p p k k k k 111)1()1(1)1(1)1(1)1(1)1(−−−−⋅−−−−+−−−−⋅−= = (1 − p ) k − 1 p ⋅ [2 − (1 − p ) k − 1 − (1 − p ) k ]故Z = max{X , Y }的概率函数为p z (k ) = (1 − p ) k − 1 p ⋅ [2 − (1 − p ) k − 1 − (1 − p ) k ]，k = 1, 2, …．5． 设X 和Y 为两个随机变量，且73}0,0{=≥≥Y X P ，74}0{}0{=≥=≥Y P X P ， 试求P {max{X , Y } ≥ 0}．解：设A 表示事件“X ≥ 0”，B 表示事件“Y ≥ 0”，有73)(=AB P ，74)()(==B P A P ， 故75737474)()()()(}0},{max{=−+=−+==≥AB P B P A P B A P Y X P U ．6． 设X 与Y 的联合密度函数为⎩⎨⎧>>=+−.,0,0,0,e ),()(其他y x y x p y x 试求以下随机变量的密度函数（1）Z = (X + Y )/2；（2）Z = Y − X ．解：方法一：分布函数法（1）作曲线簇z yx =+2，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0，当z > 0时，∫∫∫−+−−+−−⋅==z x z y x zx z y x Z dx dy dx z F 2020)(2020)(]e [e )(z z x z z x z z x dx 2202202e )12(1)e e ()e e (−−−−−+−=−−=+−=∫，因分布函数F Z (z ) 连续，有Z = (X + Y )/2为连续随机变量， 故Z = (X + Y )/2的密度函数为⎩⎨⎧≤>=′=−.0,0,0,e 4)()(2z z z z F z p z Z Z （2）作曲线簇y − x = z ，得z 的分段点为0，当z ≤ 0时，∫∫∫∫+∞−−+−+∞−++−+∞−++−−=−⋅==zx z x zz x y x zzx y x Z dx dy dx z F e []e [e )()2(0)(0)(z z z z x z x e 21e e 21e e 21)2(=⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−=+∞−−+−， 当z > 0时，∫∫∫∫+∞−+−+∞++−+∞++−+−=−⋅==0)2(0)(0)(]e e []e [e )(dx dx dy dx z F x z x z x y x zx y x Zz z x z x −−+∞−+−−=⎥⎦⎤⎢⎣⎡−−=⎥⎦⎤⎢⎣⎡−=e 2111e 21e e 210)2(，因分布函数F Z (z )连续，有Z = Y − X 为连续随机变量，故Z = Y − X 的密度函数为⎪⎩⎪⎨⎧>≤=′=−.0,e 21,0,e 21)()(z z z F z p zzZ Z 方法二：增补变量法 （1）函数2yx z +=对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎪⎩⎪⎨⎧=+=,,2y v y x z 有反函数⎩⎨⎧=−=,,2v y v z x 且21012=−=′′′′=vz vzy y x x J ， 则∫∫+∞∞−+∞∞−−=⋅−=dv v v z p dv v v z p z p Z ),2(22),2()(，作曲线簇z yx =+2，得z 的分段点为0， 当z ≤ 0时，p Z (z ) = 0，当z > 0时，z z z Z z dv z p 2202e 4e 2)(−−==∫， 故Z = (X + Y )/2的密度函数为⎩⎨⎧≤>=−.0,0,0,e 4)(2z z z z p z Z（2）函数z = y − x 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧=−=,,y v x y z 有反函数⎩⎨⎧=−=,,v y z v x 且11011−=−=′′′′=v z vzy y x x J ， 则∫+∞∞−−=dv v z v p z p Z ),()(，作曲线簇y − x = z ，得z 的分段点为0， 当z ≤ 0时，zz v z v Z dv z p e 21e 21e )(0202=−==+∞+−+∞+−∫， 当z > 0时，z zzv z z v Z dv z p −+∞+−+∞+−=−==∫e 21e 21e )(22， 故Z = Y − X 的密度函数为⎪⎩⎪⎨⎧>≤=−.0,e 21,0,e 21)(z z z p zzZ 7． 设X 与Y 的联合密度函数为⎩⎨⎧<<<<=.,0,0,10,3),(其他x y x x y x p 试求Z = X − Y 的密度函数．解：方法一：分布函数法作曲线簇x − y = z ，得z 的分段点为0, 1， 当z < 0时，F Z (z ) = 0，当0 ≤ z < 1时，31203102102123233333)(z z z x x xzdx dx x xdy dx xdy dx z F z z zz z xzx z x Z −=+=+=+=∫∫∫∫∫∫−，当z ≥ 1时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = X − Y 为连续随机变量， 故Z = X − Y 的密度函数为⎪⎩⎪⎨⎧<<−=′=.,0,10),1(23)()(2其他z z z F z p Z Z方法二：增补变量法函数z = x − y 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧=−=,,y v y x z 有反函数⎩⎨⎧=+=,,v y v z x 且11011==′′′′=vz vzy y x x J ， 则∫+∞∞−+=dv v v z p z p Z ),()(，作曲线簇x − y = z ，得z 的分段点为0, 1，当z ≤ 0或z ≥ 1时，p Z (z ) = 0， 当0 < z < 1时，)1(23)(23)(3)(210210z v z dv v z z p z z Z −=+=+=−−∫， 故Z = X − Y 的密度函数为⎪⎩⎪⎨⎧<<−=.,0,10),1(23)(2其他z z z p Z 8． 某种商品一周的需要量是一个随机变量，其密度函数为⎩⎨⎧≤>=−.0,0,0,e )(1t t t t p t设各周的需要量是相互独立的，试求（1）两周需要量的密度函数p 2 (x )；（2）三周需要量的密度函数p 3 (x )． 解：方法一：根据独立伽玛变量之和仍为伽玛变量设T i 表示“该种商品第i 周的需要量”，因T i 的密度函数为⎪⎩⎪⎨⎧≤>Γ=−−.0,0,0,e )2(1)(121t t t t p t可知T i 服从伽玛分布Ga (2, 1)，（1）两周需要量为T 1 + T 2，因T 1与T 2相互独立且都服从伽玛分布Ga (2, 1)，故T 1 + T 2服从伽玛分布Ga (4, 1)，密度函数为 ⎪⎩⎪⎨⎧≤>=⎪⎩⎪⎨⎧≤>Γ=−−−.0,0,0,e 61.0,0,0,e )4(1)(3142x x x x x x x p x x （2）三周需要量为T 1 + T 2 + T 3，因T 1, T 2, T 3相互独立且都服从伽玛分布Ga (2, 1)，故T 1 + T 2 + T 3服从伽玛分布Ga (6, 1)，密度函数为 ⎪⎩⎪⎨⎧≤>=⎪⎩⎪⎨⎧≤>Γ=−−−.0,0,0,e 1201.0,0,0,e )6(1)(5163x x x x x x x p xx 方法二：分布函数法（1）两周需要量为X 2 = T 1 + T 2，作曲线簇t 1 + t 2 = x ，得x 的分段点为0，当x ≤ 0时，F 2 (x ) = 0，当x > 0时，∫∫∫−−−−−−−−−⋅=⋅=xt x t t t xt x t t t t dt dt t t dt x F 02110221121221121)e e (e e e )( ∫−−+−−=xt x dt t t xt t 0111121]e e )[(1xt t x t t x t t 0121213111e e e 212131⎥⎦⎤⎢⎣⎡−−⎟⎠⎞⎜⎝⎛−−=−−−11)1(e e e 212131233−−−−⎟⎠⎞⎜⎝⎛−−=−−−x x x x x x xxx x x x x x −−−−−−−−=e 61e 21e e 132， 因分布函数F 2 (x )连续，有X 2 = T 1 + T 2为连续随机变量， 故X 2 = T 1 + T 2的密度函数为⎪⎩⎪⎨⎧≤>=′=−.0,0,0,e 61)()(322x x x x F x p x（2）三周需要量为X 3 = T 1 + T 2 + T 3 = X 2 + T 3，作曲线簇x 2 + t 3 = x ，得x 的分段点为0，当x ≤ 0时，F 3 (x ) = 0，当x > 0时，∫∫∫−−−−−−−−−⋅=⋅=x x x t t x x x x t x t x dx dt t x dx x F 003322003332232332232)e e (e 61e e 61)(∫−−+−−=x x x dx x x x x x 0232323242]e e )[(6`12 xx x x x x x x x x x x x 0222324242522222e 6e 6e 3e e 41415161⎥⎦⎤⎢⎣⎡−−−−⎟⎠⎞⎜⎝⎛−−=−−−−− )1(e e e 21e 61e 4141516123455−−−−−−⎟⎠⎞⎜⎝⎛−−=−−−−−x x x x x x x x x x x xx x x x x x x x x x −−−−−−−−−−−−=e 1201e 241e 61e 21e e 15432， 因分布函数F 3 (x ) 连续，有X 3 = T 1 + T 2 + T 3为连续随机变量， 故X 3 = T 1 + T 2 + T 3的密度函数为⎪⎩⎪⎨⎧≤>=′=−.0,0,0,e 1201)()(533x x x x F x p x 方法三：卷积公式（增补变量法）（1）两周需要量为X 2 = T 1 + T 2，卷积公式∫+∞∞−−=2222)()()(21dt t p t x p x p T T ，作曲线簇t 1 + t 2 = x ，得x 的分段点为0， 当x ≤ 0时，p 2 (x ) = 0， 当x > 0时，xxx xxxt t x x t x t dt t xt dt t t x x p −−−−−−=⎟⎠⎞⎜⎝⎛−=−=⋅−=∫∫e 61e3121e )(e e )()(30322202222022)(2222， 故X 2 = T 1 + T 2的密度函数为⎪⎩⎪⎨⎧≤>=−.0,0,0,e 61)(32x x x x p x（2）三周需要量为X 3 = T 1 + T 2 + T 3 = X 2 + T 3，卷积公式∫+∞∞−−=3333)()()(32dt t p t x p x p T X ，作曲线簇x 2 + t 3 = x ，得x 的分段点为0，当x ≤ 0时，p 3 (x ) = 0，21当x > 0时，∫∫−−−−−+−=−=x x xt t x dt t xt t x t x dt t t x x p 03433323233033)(333e )33(61e e )(61)(33 x xx x t x t x t x t −−=⎟⎠⎞⎜⎝⎛−+−=e 1201e 51432161505343233323， 故X 3 = T 1 + T 2 + T 3的密度函数为⎪⎩⎪⎨⎧≤>=−.0,0,0,e 1201)(53x x x x p x9． 设随机变量X 与Y 相互独立，试在以下情况下求Z = X + Y 的密度函数：（1）X ~ U (0, 1)，Y ~ U (0, 1)； （2）X ~ U (0, 1)，Y ~ Exp (1)． 解：方法一：分布函数法（1）作曲线簇x + y = z ，得z 的分段点为0, 1, 2，当z < 0时，F Z (z ) = 0，当0 ≤ z < 1时，2020002121)(1)(z x zx dx x z dy dx z F zz zxz Z =⎟⎠⎞⎜⎝⎛−=−==∫∫∫−，当1 ≤ z < 2时，1121110110110)(211)(111)(−−−−−−−−−=−+=+=∫∫∫∫∫∫z z z z xz z Zx z z dx x z dx dy dx dy dx z F121221)1(21122−−=+−−−=z z z z ， 当z ≥ 2时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = X + Y 为连续随机变量， 故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≤−<≤=′=.,0,21,2,10,)()(其他z z z z z F z p Z Z（2）作曲线簇x + y = z ，得z 的分段点为0, 1，当z < 0时，F Z (z ) = 0， 当0 ≤ z < 1时，z z x z zx z zx z y z xz y Z z x dx dx dy dx z F −+−+−−−−−+−=−=−=−⋅==∫∫∫∫e 1)e ()e 1()e (e )(0000，当z ≥ 1时，z z x z x z x z y xz y Z x dx dx dy dx z F −−+−+−−−−−+−=−=−=−⋅==∫∫∫∫e e 1)e ()e 1()e (e )(111110，因分布函数F Z (z ) 连续，有Z = X + Y 为连续随机变量， 故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≥−<≤−=′=−−.0,0,1,e )1(e ,10,e 1)()(z z z z F z p z z Z Z方法二：卷积公式（增补变量法） 卷积公式∫+∞∞−−=dy y p y z p z p Y X Z )()()(，（1）作曲线簇x + y = z ，得z 的分段点为0, 1, 2，2当z ≤ 0或z ≥ 2时，p Z (z ) = 0， 当0 < z < 1时，z dy z p zZ ==∫01)(，当1 ≤ z < 2时，z dy z p z Z −==∫−21)(11，故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≤−<≤=.,0,21,2,10,)(其他z z z z z p Z（2）作曲线簇x + y = z ，得z 的分段点为0, 1，当z ≤ 0时，p Z (z ) = 0，当0 < z < 1时，z zy z y Z dy z p −−−−=−==∫e 1)e (e )(0，当z ≥ 1时，zz z z z yzz yZ dy z p −+−−−−−−−=+−=−==∫e )1(e ee )e (e)(111，故Z = X + Y 的密度函数为⎪⎩⎪⎨⎧<≥−<≤−=−−.0,0,1,e )1(e ,10,e 1)(z z z z p z z Z10．设随机变量X 与Y 相互独立，试在以下情况下求Z = X /Y 的密度函数：（1）X ~ U (0, 1)，Y ~ Exp (1)； （2）X ~ Exp (λ1)，Y ~ Exp (λ2)． 解：方法一：分布函数法（1）作曲线簇z yx=，即直线簇z x y =，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0， 当z > 0时，)e 1(e)(e)e (e)(111011zz x zx zx yz x yZ z z dx dx dy dx z F −−−∞+−∞+−−=−==−⋅==∫∫∫∫，因分布函数F Z (z ) 连续，有Z = X /Y 为连续随机变量， 故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>−−=′=−−.0,0;0,e 1e 1)()(11z z z z F z p z z Z Z（2）作曲线簇z yx =，即直线簇z xy =，得z 的分段点为0，当z ≤ 0时，F Z (z ) = 0，当z > 0时，∫∫∫∫∞+−−∞+∞+−−∞+∞+−−⋅=−⋅⋅=⋅=0101021212121ee)e(eee)(dx dx dy dx z F zx xzx yxzx yxZ λλλλλλλλλλ2110)(2110)(12121eeλλλλλλλλλλλ+=+−==+∞+−∞++−∫z z zdx xzxz，因分布函数F Z (z ) 连续，有Z = X /Y 为连续随机变量，zz故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>+=′=.0,0;0,)()()(22121z z z z F z p Z Z λλλλ方法二：增补变量法（1）函数z = x / y 对任意固定的y 关于x 严格单调增加，增补变量v = y ，可得⎩⎨⎧==,,/y v y x z 有反函数⎩⎨⎧==,,v y zv x 且v z v y y x x J vz vz==′′′′=10， 则∫+∞∞−⋅=dv v v zv p z p Z ||),()(，作曲线簇x / y = z ，得z 的分段点为0，当z ≤ 0时，p Z (z ) = 0，当z > 0时，z z z z v z vZ z z v vdv z p 1111010e 1e 11e 11e )1(e )(−−−−−−−=+⎟⎠⎞⎜⎝⎛+−=+−=⋅=∫，故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>−−=−−.0,0;0,e 1e 1)(11z z z z p z z Z（2）作曲线簇x / y = z ，得z 的分段点为0，当z ≤ 0时，p Z (z ) = 0，当z > 0时，+∞+−∞+−−⎥⎦⎤⎢⎣⎡+++−=⋅⋅=∫)(22121210212121e )(1e e )(v z v zv Z z z v vdv z p λλλλλλλλλλλλ 22121)(λλλλ+=z ， 故Z = X /Y 的密度函数为⎪⎩⎪⎨⎧≤>+=.0,0;0,)()(22121z z z z p Z λλλλ 11．设X 1 , X 2 , X 3为相互独立的随机变量，且都服从(0, 1)上的均匀分布，求三者中最大者大于其他两者之和的概率．解：设A i 分别表示X i 大于其他两者之和，i = 1, 2, 3，显然A 1 , A 2 , A 3两两互不相容，且P (A 1) = P (A 2) = P (A 3)， 则P (A 1∪A 2∪A 3) = P (A 1) + P (A 2) + P (A 3) = 3P (A 3) = 3P {X 3 > X 1 + X 2} 因X 1 , X 2 , X 3相互独立且都服从(0, 1)上的均匀分布，则由几何概型知61121131}{213=××=+>X X X P ， 故21}{3)(213321=+>=X X X P A A A P U U ． 12．设随机变量X 1与X 2相互独立同分布，其密度函数为⎩⎨⎧<<=.,0;10,2)(其他x x x p1试求Z = max {X 1, X 2} − min {X 1, X 2}的分布． 解：分布函数法，二维随机变量(X 1, X 2) 的联合密度函数为⎩⎨⎧<<<<=.,0;10,10,4),(212121其他x x x x x x p 因Z = max {X 1, X 2} − min {X 1, X 2} = | X 1 − X 2 |，作曲线簇 | x 1 − x 2 | = z ，得z 的分段点为0, 1， 当z < 0时，F Z (z ) = 0， 当0 ≤ z < 1时，∫∫∫∫+−−=⋅−=−=−−111221311221112211)2(41221421)(11zzz x zzx Z dx x z zx x x x dx dx x x dx z F323823244232414123244142444212123141z z z z z z z z x z zx x z +−=⎟⎟⎠⎞⎜⎜⎝⎛+−+⎟⎟⎠⎞⎜⎜⎝⎛+−−=⎟⎟⎠⎞⎜⎜⎝⎛+−−=，当z ≥ 1时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = max {X 1, X 2} − min {X 1, X 2}为连续随机变量， 故Z = max {X 1, X 2} − min {X 1, X 2}的密度函数为⎪⎩⎪⎨⎧<<+−=′=.,0;10,34438)()(3其他z z z z F z p Z Z13．设某一个设备装有3个同类的电器元件，元件工作相互独立，且工作时间都服从参数为λ 的指数分布．当3个元件都正常工作时，设备才正常工作．试求设备正常工作时间T 的概率分布． 解：设T i 表示“第i 个元件正常工作”，有T i 服从指数分布Exp (λ)，分布函数为3,2,1.0,0,0,e 1)(=⎩⎨⎧≤>−=−i t t t F t i λ，则设备正常工作时间T = min {T 1, T 2, T 3}，分布函数为F (t ) = P {T = min {T 1, T 2, T 3} ≤ t } = 1 − P {min {T 1, T 2, T 3} > t } = 1 − P {T 1 > t }P {T 2 > t }P {T 3 > t }= 1 − [1 − F 1 (t )][1 − F 2 (t )][1 − F 3 (t )]当t ≤ 0时，F (t ) = 0，当t > 0时，F (t ) = 1 − (e − λ t )3 = 1 − e − 3λ t ，故设备正常工作时间T 服从参数为3λ 的指数分布Exp (3λ)，密度函数为⎩⎨⎧≤>=′=−.0,0,0,e 3)()(3t t t F t p t λλ14．设二维随机变量(X , Y ) 在矩形G = {(x , y ) | 0 ≤ x ≤ 2, 0 ≤ y ≤ 1}上服从均匀分布，试求边长分别为X 和Y的矩形面积Z 的密度函数．解：二维随机变量(X , Y ) 的联合密度函数为⎪⎩⎪⎨⎧≤≤≤≤=.,0,10,20,21),(其他y x y x p 方法一：分布函数法矩形面积Z = XY ，作曲线族xy = z ，得z 的分段点为0, 2， 当z ≤ 0时，F Z (z ) = 0，1当0 < z < 2时，∫∫∫∫∫∫+=+=20020102212121)(z z z z Z dx x z dx dy dx dy dx z F x z)ln 2(ln 22ln 222z z z x z z z −+=+=， 当z ≥ 2时，F Z (z ) = 1，因分布函数F Z (z ) 连续，有Z = XY 为连续随机变量， 故矩形面积Z = XY 的密度函数为⎪⎩⎪⎨⎧<<−=′=.,0,20),ln 2(ln 21)()(其它z z z F z p Z Z 方法二：增补变量法矩形面积Z = XY ，函数z = xy 对任意固定的y ≠ 0关于x 严格单调增加，增补变量v = y ， 可得⎩⎨⎧==,,y v xy z 有反函数⎪⎩⎪⎨⎧==,,v y v z x 且v vzv y y x x J vz vz1112=−=′′′′=， 则∫+∞∞−⋅⎟⎠⎞⎜⎝⎛=dv vv v z p z p Z 1,)(， 作曲线族xy = z ，得z 的分段点为0, 2， 当z ≤ 0或z ≥ 2时，p Z (z ) = 0， 当0 < z < 2时，)ln 2(ln 212ln 210ln 2121)(1212z z v dy v z p z zZ −=−===∫， 故矩形面积Z = XY 的密度函数为⎪⎩⎪⎨⎧<<−=.,0,20),ln 2(ln 21)(其它z z z p Zz。
概率论与数理统计--- 随机变量的独立性
F(x, y) = F (x)⋅ F ( y) = ∫−∞ fX(u)du⋅ ∫−∞ fY(v)dv = ∫−∞∫−∞ fX (u) fY (v) dudv X Y
对 F(x,y)求二阶 偏导即得联合密度 ( , ) f (x, y) = fX (x)⋅ fY ( y) (对 意 数 , y) 任 实 x ： “⇐”若 f (x, y) = fX(x)⋅ fY ( y) (对 意 数 , y), 则 任 实 x
0 0 0.2 x −5 y
dy =0.3697
甲乙两人约定中午12时 分在某地会面 分在某地会面. 例4 甲乙两人约定中午 时30分在某地会面 如果甲来到的时间在12:15到12:45之间是均匀 如果甲来到的时间在 到 之间是均匀 分布. 乙独立地到达,而且到达时间在 而且到达时间在12:00到 分布 乙独立地到达 而且到达时间在 到 13:00之间是均匀分布 试求先到的人等待另一 之间是均匀分布. 之间是均匀分布 人到达的时间不超过5分钟的概率 分钟的概率. 人到达的时间不超过 分钟的概率 又甲先到的 概率是多少？ 概率是多少？ 为甲到达时刻,Y为乙到达时刻 解: 设X为甲到达时刻 为乙到达时刻 为甲到达时刻 时为起点,以分为单位 依题意, 以12时为起点 以分为单位 依题意 时为起点 以分为单位,依题意 X~U(15,45), Y~U(0,60)
例: 设 ( X , Y ) 的联合密度函数
4 xy 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 f ( x, y ) = . 其它 0
Байду номын сангаас
(1)求分别关于 X 与 Y 的边缘密度函数; (2)X 与 Y 是否独立?说明理由.
解 (1)
f X ( x) =
概率论与数理统计3.3 随机变量的分布函数
F() =P X P 1
3. 记{xn}是严格递减的数列且xn x,
F (x1) F (x)
P{ቤተ መጻሕፍቲ ባይዱ
X
x1}
P
xn1
X
xn
n1
P xn1 X xn [F (xn ) F (xn1)]
2.3、随机变量的分布函数
设X是一个随机变量, x 是任意实数, 函数
F( x) P{X x}
称为X的分布函数．
几何定义：将 X 看成是数轴上的随机点的坐标，分布
函数F ( x)在 x 处的函数值就表示 X 落在区间(, x]上 的概率。
X
0x
x
FX (x) P( X x), x
x
x
(3)
F(x)
右连续，即
lim
x x0
F(x)
F ( x0 )
分布函数性质的证明：
1. x1, x2 R且x1 x2.
则 F (x2 ) F (x1) P{x1 X x2} 0，
F (x1) F (x2 )
2. F (x) P{X x},
F(x) P(X x), （ x ）
分布函数的性质(充要条件）
(1) F x 在 , 上是一个不减函数 ,
即对 x1 , x2 , 且 x1 x2 ,都有 F x1 F x2 ;
(2) F() lim F x 0 F() lim F x 1
P{x1 X x2} F (x2 ) F (x1 )
《概率论与数理统计》知识点整理
《概率论与数理统计》知识点整理概率论与数理统计是数学中的一个重要分支，它研究随机现象发生的规律以及对这些规律的推断和决策问题。
在现代科学、金融、医学、工程等领域中都有广泛的应用。
下面是《概率论与数理统计》的一些重要知识点：一、概率论：1.概率的基本概念：随机试验、样本空间、事件、概率公理化定义等。
2.条件概率与概率的乘法定理：条件概率的定义、条件概率的乘法定理、独立事件的定义与性质等。
3.全概率公式与贝叶斯公式：全概率公式的推导与应用、贝叶斯公式的推导与应用等。
4.随机变量与概率分布：随机变量的定义与分类、概率分布的基本性质、离散型随机变量与连续型随机变量的概率分布等。
5.两随机变量函数的概率分布：随机变量的函数、数学期望的定义与性质、方差的定义与性质等。
6.多维随机变量及其分布：二维随机变量的概率分布、联合分布函数与边缘分布、条件分布等。
二、数理统计：1.统计数据的描述：数据的集中趋势度量（均值、中位数、众数）、数据的离散程度度量（极差、方差、标准差）、数据的分布形态度量（偏度、峰度）等。
2.参数估计：点估计的概念与方法、矩估计法、极大似然估计法、最小二乘估计法等。
3.假设检验：假设检验的基本概念、显著性水平与拒绝域、假设检验的步骤、单侧检验与双侧检验等。
4.统计分布：正态分布的性质与应用、t分布与χ²分布的概念与性质、F分布的概念与性质等。
5.方差分析与回归分析：方差分析的基本原理与应用、单因素方差分析、回归分析的基本原理与应用、简单线性回归分析等。
三、随机过程：1.随机过程的基本概念与性质：随机过程的定义、状态与状态转移概率、齐次性与非齐次性等。
2.马尔可夫链：马尔可夫链的定义与性质、状态空间的分类、平稳分布与极限等。
3.随机过程的描述：概率密度函数、概率生成函数、随机过程的矩、协方差函数等。
4.随机过程的分类：齐次与非齐次、连续与间断、宽离散与窄离散等。
概率论与数理统计人大版本
概率论与数理统计人大版本
一、概率论与数理统计的概述
概率论是研究随机现象的理论体系，它通过对随机现象的规律性进行研究，为我们预测和决策提供依据。
数理统计则是一种基于数据的研究方法，它通过对数据的分析和处理，提取出数据背后的信息，为实际问题的解决提供支持。
二、概率论与数理统计的基本概念
在概率论中，随机事件是指在一定条件下可能发生的事件，而样本空间则包含了所有可能的结果。
概率分布描述了随机变量取值的概率规律，而概率密度函数则用于描述连续型随机变量的概率分布。
三、常见概率分布及其应用
常见的概率分布有二项分布、泊松分布和正态分布等。
二项分布用于描述一系列伯努利试验的结果，泊松分布用于描述单位时间内随机事件的次数，正态分布则广泛应用于自然科学、社会科学和工程技术领域。
四、数理统计的基本方法
数理统计的基本方法包括描述性统计、推断性统计等。
描述性统计用于概括和描述数据的集中趋势、离散程度等信息，而推断性统计则通过抽样数据对总体参数进行估计和检验。
五、参数估计与假设检验
参数估计是通过对样本数据的研究，估计总体参数的值。
常见的点估计方法有最大似然估计、矩估计等，区间估计则通过构建置信区间来估计参数。
假
设检验则是通过检验统计量与临界值之间的关系，对总体参数进行推断。
六、应用领域与发展趋势
概率论与数理统计在自然科学、社会科学和工程技术等领域具有广泛的应用。
随着大数据时代的到来，概率论与数理统计的研究方法和技术也在不断发展，包括机器学习、数据挖掘等领域。
在我国，概率论与数理统计的研究和应用也取得了显著成果，为各个领域的创新发展提供了有力支持。
概率论与数理统计(茆诗松)第二版第三章课后习题3.3、3.4(部分)参考答案
0 −z
x
y
z
0
x
p(
x,
y)
=
⎧3x, ⎩⎨0,
0 < x < 1, 0 < y < x, 其他.
试求 Z = X − Y 的密度函数．
解：方法一：分布函数法
作曲线簇 x − y = z，得 z 的分段点为 0, 1，
当 z < 0 时，FZ (z) = 0，
∫ ∫ ∫ ∫ ∫ ∫ 当 0 ≤ z < 1 时， FZ (z) =
0
x
pZ
(
z)
=
FZ′
(
z)
=
⎧ ⎪ ⎨ ⎪
1
2 1
ez, e−z
,
⎩2
z ≤ 0, z > 0.
方法二：增补变量法
（1）函数 z = x + y 对任意固定的 y 关于 x 严格单调增加，增补变量 v = y， 2
18
可得
⎪⎨⎧z
=
x
+ 2
y
,
⎪⎩v = y,
有反函数
⎧x
⎨ ⎩
y
= =
2z v,
z
x
dx 3xdy +
0
0
1
x
dx 3xdy =
z
x−z
z 3x 2 dx +
0
1
3xzdx =
x3
z
+
3
x2z 1
=
3
z
−
1
z3，
z
02 z2 2
当 z ≥ 1 时，FZ (z) = 1，
y
因分布函数 FZ (z) 连续，有 Z = X − Y 为连续随机变量，
概率论与数理统计 3.3 c.r.v.及其概率密度
2 F ( ln 2)
1 4
概率论
三、三种重要的c.r.v.
1. 均匀分布
若 r .v X的概率密度为：
f
(
x)
b
1
a
,
a xb
0, 其它
f (x)
ab
则称X在区间( a, b)上服从均匀分布，记作
X ～ U(a, b)
若X ~ U (a, b),
概率论
1.对于长度l为的区间(c, c l), a c c l b,有
概率论
3.3 c.r.v.及其概率密度
c.r.v.及其概率密度的定义 概率密度的性质 三种重要的c.r.v. 小结
概率论
一、 c.r.v.及其p.d.f.的定义
对于随机变量 X , 如果存在非负可积函数 f (x) ,
x , ,使得对任意实数 x , 有
F
x =P( X
x)
x
f
t dt
则称 X为c.r.v, 称 f (x) 为 X 的p.d.f，简称为
x t2
e 2 dt ( x )的性质 :
2π
1 0 1 ;
2
2 x R , x 1 x ;
事实上 , x 1
x t2
e 2 dt
2
1
u2
u t
e 2 du
2π x
1
x u2
1
e 2 du
2π
1 x
概率论
概率论
例 5：已知 X～N (0,1) , 求 P (1 X 2), P ( X 1.96), 概率论
有 P(X s t X s) P(X t)
证明 : X ~ Exp( ), P( X t) 1 P( X t) et ,
概率论与数理统计3-3节随机变量的独立性,条件分布
解 (1) 因为
可得
p( x, y) d x d y 1,
p( x, y) d x d y
0 0 Cy(1 x ) d y d x
1
x
x2 C C (1 x ) d x 1 C 24. 0 2 24 24y(1 x), 0 x 1,0 y x. 故 p( x, y) 其它. 0, 当 0 x 1 时,
P( X xi ,Y y j ) P( X xi ) P(Y y j )
则称X和Y相互独立.
例1 已知 ( X ,Y ) 的分布律为
( X ,Y ) (1,1) (1,2 ) (1,3 ) ( 2,1) ( 2, 2 ) ( 2, 3 )
pij
1 6
1 9
1 18
1 3
(1) 求与 应满足的条件 ; (2) 若 X 与 Y 相互独立, 求 与 的值.
x ， y
试判断X 与Y 是否相互独立？
解： X 的边缘分布函数为
FX x lim F x， y
y
1 x y lim 2 arctan arctan y 5 2 10 2
1 x arctan 2 5
x ，
Y 的边缘分布函数为
FY y lim F x， y
x
1 x y lim 2 arctan arctan x 5 2 10 2
用分布函数表示,即
设 X,Y是两个r.v，若对任意的x,y,有
F ( x, y) FX ( x)FY ( y)
- 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)。
随机变量的商的分布 例316 设二维随机向量(X Y)的密度 函数为f(x y) 求ZX/Y的密度函数 解 解 对 任 意 z 令 D z {( x , y ) |
FZ ( z ) P{
x z} 则 有 y
X x} f ( x, y )d x d y Y D
设 随 机 变 量 X ~ N ( 1, 12 )
2 2 Y ~ N ( 2 , 2 ) 且 X 与 Y 独 立 证 明 X Y ~ N ( 1 2 , 12 2 )
证明
f X Y ( z )
f X ( x ) f Y ( z x )d x
( z 1 2 ) 2
2 2 ( 12 2 )
2 π
e
2 e 2 π 1 2
2 1 2 2
2 12 2 2 1 1 2
12 ( z 1 2 )
2 12 2
]2
dx
例 315(独 立 正 态 随 机 变 量 之 和 )
Z
[
0
zy
f ( x, y )d x ]d y [
0
f ( x, y )d x ]d y
zy
于是Z的密度函数为
f Z ( z ) FZ ( z )
0
yf ( zy , y )d y yf ( zy , y )d y
0
| y | f ( zy , y )d y
则其任意非零线性组合仍服从正态分布 且
2 2 aX bY ~ N ( a 1 b bY 2N a ) 2 , a 2 12 b 2 2 ) aX 2 , a ~ 12 ( b 2 1 2 b (344)
(344)
其中a b不全为0 这一结论还可以推广到n个随机变量的情形
]2
dx
1
2 1
( z 1 2 ) 2
2 2 ( 12 2 )
2 π 2
e 2
2 于 是 证 得 X Y ~ N ( 1 2 , 12 2 )
独立正态随机变量之和的分布
2 设 X Y 相 互 独 立 且 分 别 服 从 正 态 分 布 N ( 1, 12 ) 和N ( 2 , 2 )
证明
f X Y ( z )
f X ( x ) f Y ( z x )d x
( x 1 ) 2 2 12
1 2π 1 2π 2
e
2
e
(z x 2 )2
2 2 2
dx
1 2 π 1 2
e
1 ( x 1 ) ( z x 2 ) [ ] 2 2 12 2
i, j
(350)
(2)设(X Y)是二维连续型随机向量 其密度函数为f(x y)
则 则
EZ Eg ( ( X, , Y) ) EZ Eg X Y
(345)
随机变量的最大值与最小值的分布 例317(1) 设X Y的分布函数分别为F(x) G(x) 密度函数 分别为f(x) g(x) 且X与Y相互独立 求Mmax{X Y}的分布函 数与密度函数 解 M的分布函数为 FM(z)P{Mz}P{Xz Yz} P{Xz}P{Yz} F(z)G(z) (346)
P{3}P{XY3}P{X1 Y2} 01
P{4}P{XY4}P{X2 Y2} 01
例312(2) 已知(X Y)的概率分布 求XY的概率分布
解 XY的可能取值有 2 1 0 4 的概率分布为 P{2}P{X2 Y1} 015 P{1} P{X1 Y1} 03 P{0}P{X0 Y1}P{X0 Y0}P{X0 Y2} P{X1 Y0}P{X2 Y0}035
于是M的密度函数为
fM(z)F (z) F (z)G(z)F(z)G(z) M f(z)G(z)F(z)g(z) (347)
随机变量的最大值与最小值的分布 例317(2) 设X Y的分布函数分别为F(x) G(x) 密度函数 分别为f(x) g(x) 且X与Y相互独立 求Nmin{X Y}的分布函数 与密度函数 解 N的分布函数为 FN(z)P{Nz} P({Xz}∪{Yz}) 1P{Xz Yz} 1P{Xz}P{Yz} 1[1F(z)][1G(z)] 于是N的密度函数为 fN(z)FN(z) f(z)[1G(z)]g(z)[1F(z)] (349) (348)
Dz
(336)
其中Dz{(x y)|g(x y) z} 继而 其密度函数fZ(z) 对几乎所有的 z 有 fZ(z)F Z(z) (337)
例314(随机变量的和) 设(X Y)的联合密度函数为f(x y) 求XY的密度函数 解 对任意z 令Dz{(x y)| xyz} 则
P{2}P{X1 Y2}01
P{4}P{X2 Y2}01
例313 设X Y是两个相互独立的随机变量 分别服从参 数为1和2的泊松分布 求XY的分布 解 P{k}P{XYk}
P{ X i,Y k i}
i0 k k
( z 1 2 ) 2
2 2 ( 12 2 )
1 2 π
2 1 2 2
e
2 e 2 π 1 2
2 1 2 2
2 12 2 2 1 1 2
[ x 1
12 ( z 1 2 )
2 12 2
2
dx
)
2
1 2 π 1 2
1
[
2 12 2 2 2 12 2
e
( x 1
12 ( z 1 2 )
1 2 1 2
( z 1 2 ) 2
2 2 ( 12 2 )
]
dx
[ x 1
2 1 2 2
例 315(独 立 正 态 随 机 变 量 之 和 )
设 随 机 变 量 X ~ N ( 1, 12 )
2 2 Y ~ N ( 2 , 2 ) 且 X 与 Y 独 立 证 明 X Y ~ N ( 1 2 , 12 2 )
三、随机向量的函数的数学期望
设随机向量(X Y)的函数Zg(X Y)的数学期望存在 (1)设(X Y)是二维离散型随机向量 其概率分布为 P{Xxi Yyj}pij i j1 2
则
EZ Eg ( X , Y ) g ( xi , y j ) pij
(338)
(338)
例314(随机变量的和) 设(X Y)的联合密度函数为f(x y) 求XY的密度函数 解 对任意z 令Dz{(x y)| xyz} 则
FZ(z)P{Zz}P{XYz}
[
z
f ( y[,y )d f (d u y , y )d y ]d u u y ]u
§33 随机向量的函数的分布与数学期望
一、离散型随机向量的函数的分布 二、连续型随机向量的函数的分布
三、随机向量的函数的数学期望 四、数学期望的进一步性质
一、离散型随机向量的函数的分布
设(X Y)是二维离散型随机向量 g(x y)是一个二元函数 则g(X Y)作为(X Y)的函数是一个随机变量 如果(X Y)的概率 分布为 P{Xxi Yyj}pij i j12 记zk(k1 2 )为Zg(X Y)的所有可能取值 则Z的概率分布为 P{Zzk}P{g(X Y)zk}
F ( s ) P{S s}
xy s
s 1 2 1 d x s d y (1 ln 2 ln s ) 2 2 s x
1 (ln 2 ln s ), 0 s 2, f ( s ) F ( s ) 2 0, 其他 .
f ( x, z (340) x )d x
(340)
特别地 如果X与Y是相互独立的随机变量 则
f Z f Z ( z ) f X f(Xx( xf) (Y ( x )x )d f X f(X ( y )yf) (Yy()y )d (341) (z) ) Y f z z dx x z z Y f dy y (341)
例 318 设二维随机向量 (X Y)在矩形 G{(x y)|0x2 0y1}上服从均匀分布 试求边长为X和Y的矩形面积S的密度 函数f(s) 解 令F(s)为S的分布函数 则当s0时 F(s)P{Ss}0 当s2时 F(s) P{Ss}1 当0s2时 有
FZ(z)P{Zz}P{XYz}
f ( x, y )d x d y
Dz
dy
z
z y
z
f ( x , y )d x f (u y , y )d u
z
dy
[
f ( y[,y )d f (d u y , y )d y ]d u u y ]u
z
(338)
(338)
于是 有
fZ (z)
f ( z y ,Z y )d y f (z)
f ( z y , y )d y(339)
(339)
易见 交换积分次序 我们亦可得到
fZ (z)
f ( x , z x )d x fZ ( z )
g ( xi , y j ) z k