随机变量的函数的分布
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
随机变量函数的分布
此时,称Y服从自由度为1的χ2-分布。
变限函数求导公式:
b(x)
f
(t)dt
f b(x)b(x)
f a(x) a(x).
a(x)
例3:设r.v.X~U(0,1),求Y=eX的概率密度.
1, 0 x 1, 解:因r.v.X~U(0,1),故X的概率密度为:fX (x) 0, 其它.
如图, fX (x)的非零段将整个 x轴分为三部分:
(-∞,0),[0,1),[1,+ ∞); 从而,整个y轴相应地也被分为三 部分: (-∞,1),[1,e),[e,+ ∞).
因此,应就y分为上述三个区 间来求Y的分布函数.
(1) 当y<1时,再分为两种情形:
a) 当y≤0时,
FY (y) PY y P eX y
P() 0;
b) 当0< y<1时,
fY
(
y)
1 y
,
1 y e,
0, 其它.
注意:本题是重要题型,必须熟练掌握。
方法2 公式法(y=g(x)为单调可导函数)
定理:设连续型随机变量X的概率密度为
f X (x)( x )
函数g(x)处处可导且有恒有 g(x) 0(g(x) 0)
则Y=g(X)是连续型随机变量,且其概率密度为
◆如果Y各可能取值中存在多个值相等,则Y取该值的概 率为这些相等值对应的X取值的概率之和.
例如,当 yk g(xi ) g(x j ) g(xm ),
则由基本事件互斥性与概率可加性得:
PY yk P X xi P X xj P X xm
例1:设r.v.X的分布列为:
X
-1
012
P 0.2 0.3 0.1 0.4
随机变量的函数的概率分布
随机变量的函数的概率分布: 1.离散型的求法 设离散型随机变量 X 的分布律为: Y P g(x1) p1 X P x1 x2 p1 p2 … xk … … pk … , 则 X 的 函 数 Y=g(X) 的 分 布 律 为 :
g(x2) …g(xk) … , 当 g(xj)有相同情况时,概率为相应之和。 p2 … pk …
例 2 设随机变量 X 的分布函数为 FX(x),求随机变量 Y=3X+2 的分布函数 FY(y). y-2 y-2 [解]:FY(y)=P{Yy}= P{3X+2y}= P{X }= FX( ) 3 3 3 2 x 例 3 设随机变量 X 的密度函数为 fX(x)= 2 0 -1<x<1 其它 ,求随机变量 Y=3X+2 的密度函数 fY(y). y-2 3 y-2 , -1< <1 -1<y<5, 3 1 3
[解]:用公式法:设 y=g(x)=3x+2, y=g(x)的反函数为 x=h(y)= 则 Y=g(X)的密度函数为
|h(y)|=
2 1 3 y-2 1 (y-2) ( ) -1<y<5 fX(h(y))|h(y)| <y< 3 fY(y)= = 2 3 = 18 0 其它 0 0 其它
2
3
3
1 dx,fY(y)= F Y(y)= 0 2
y
1 1 2 3 1
2 (y) 3 =
2 3 1 3 ,当 y8 时, FY(y)=P{Yy}= P{X y}= P{X y}= dx =1,fY(y)= FY(y)= 0. fY(y)= 3 2 02 6 y 1 0<y<8 其它
随机变量的函数的分布
[a, b] 上的反函数. min{g(a), g(b)},
max{g(a), g(b)}
例5:X ~ N (, 2 ),则 Y aX b 也服从正态分布 (a 0)
(x)2
fX (x)
1
e 2 2
2
y ax b 是x的 单 调 函 数 , 它 的 反 函数 为x y b ,
§5 随机变量的函数的分布
设X 为一随机变量,y=g(x)为实函数,则Y=g(X)也 是随机变量
已知随机变量X 的分布,并且已知
Y gX ,要求随机变量Y 的分布.
一、离散型随机变量函数的分布列的求法
X为离散型,则g(X)也为离散型.
若yk g( xk ) g( x j ),
k j则 Y g(X)取 yk的概率为
P{Y g( X ) yk } P{X xk } P{X xJ } pk p j
例1:X
P
-1
0
1
2
0.2
0.3
0.1
0.4
求Y (X 1)2 1的分布律
解:X取-1,0,1,2时,Y分别取3,0,-1,0
P{Y 3} P{X 1} 0.2
P{Y 0} P{X 0} P{X 2} 0.3 0.4 0.7
U
(2) 对FY ( y)关于 y 求导,便得 Y 的概率密度 fY ( y) FY ( y)
x
例 2:
已知
f
X
(
x)
8
0
0 x4 o.w.
求 Y 2X 8 的概率密度
FY ( y) P{Y y} P{2X 8 y}
fY ( y) FY ( y)
f
X
(
y
随机变量函数的分布
P Y yk
g ( xi ) y
pi ,(k
1, 2,)
k
5
*例2.25 假设未来一段时间内来到某大型超 市的顾客数X服从泊松分布 P ,而每位顾客 购买某种商品的概率为 p ,求购买该种商品的 顾客数Y的分布列. 解 Y的所有可能取值为0,1,2,….对于 固定的 k 0,1, 2, , 事件 X k , X k 1 , , 是事件 Y k 发生的全部的不同“原 因”, 因此由全概率公式,
y2 P X 3
y2 3
f X x dx ,
y 2 y 2 1 y 2 fY y FY y f X 3 3 f X 3 3
10
1 , 1 x 1, 注意到 f X x 2 0, 其它
yb a 2 2
2
1 2 a
e
y a b 2 a 2 2
2
, y R.
类似地可得,当a<0时,上述结论仍然成立.
X ~ N , 2 , a , b R , 且a 0, 性质2.6 若 则aX b ~ N a b, a 2 2 .
6
P Y k P X i P Y k X i
ik
ik
i
i!
e
C p 1 p
k i k
ik
ik
i
i!
e
k
i! ik k p 1 p k ! i k !
概率论2-5 (1)
2
y
fY
( y)
1
y
e 2, y 0
2 y
0
其它
设X ~ N(0,1),其概率密度为:
x
1
x2 ,
e 2 x
2
则 Y X 2 概率密度函数为:
fY
y
1
2
1 y
y 2e 2 ,
0,
y0 y0
此时称Y服从自由度为1的 2分布,记作 Y ~ 2 1
结论:若 X ~ N 0,1 则 X 2 ~ 2 1
机变量。求Y的分布律.
例:已知
X -1 0
Pk
1 3
1 3
求:Y=X2的分布律
1
Y1 0
1 3
Pk
2 3
1 3
一般地
X
x1
x2 xk
Pk p1
p2 pk
Y=g(X) g(x1) g(x2 ) g(xk )
如果g( x i )与g( x j )相同,此时将两项合并,对应概率 相加.
例 设随机变量X的分布律为
1、一般方法
(1) 求Y的分布函数 FY(y)
根据分布函数的定义
FY ( y)
P{Y y} P{g(X ) y}
(2) 对FY(y) 求导,得到 fY(y)
f (x)dx
g ( x) y
fY ( y) (FY ( y)) '
设随机变量X的密度函数为
fX
(x)
x
8
,0
x
4
0, 其它
求随机变量Y=2X+8的概率密度。
2
pk 0.2 0.3 0.4 0.1
解 由题设可得如下表格
随机变量的函数的变量分布
01
02
均匀分布
在一定区间内均匀分布的随机变 量,如时间间隔、长度等。
03
04
二项分布
成功次数的问题中常用,如抛硬 币、抽奖等。
03
随机变量的函数的变量分布
随机变量函数的分布类型
1
离散型随机变量函数
离散型随机变量函数的取值是离散的, 其分布可以用概率分布列或概率质量函 数来表示。常见的离散型随机变量函数 包括二项式随机变量、泊松随机变量等 。
统计推断
通过分析随机变量的分布,可以 进行统计推断,例如参数估计和 假设检验等。
02
随机变量的分布
离散随机变量的分布
伯努利分布
适用于独立重复试验,如抛硬币、抽奖等。
二项分布
适用于成功次数的问题,如投掷n次硬币,成功k次的概率。
泊松分布
适用于单位时间内随机事件的次数,如放射性衰变次数。
连续随机变ቤተ መጻሕፍቲ ባይዱ的分布
科学研究
随机变量的函数变量分布在科学研究中也具有广泛的应用价值,例如在物理学、生物学、社会科 学等领域中,可以通过研究随机现象来揭示自然规律和社会现象。
研究展望与未来发展方向
拓展应用领域
将随机变量的函数变量分布应用到更多的领域中,例如在人工智能、大数据分析、物联网等领域中,可以利用这些知 识进行数据分析和预测。
随机变量的函数的方差
方差的性质
如果$X$是一个随机变量,那么对于 任意的常数$a$,有
Var(aX)=a^2Var(X)。
方差的交换律
对于任何两个随机变量$X$和$Y$, 有Var(X+Y)=Var(X)+Var(Y)。
方差的非负性
对于任何随机变量$X$,有 Var(X)>=0。
随机变量函数的分布
,
0,
0 ey/2 1 其它
得
fY
(
y)
1 2
e
y
/
2
,
y0
0,
其它
即Y服从参数为1/2的指数分布.
例9
设随机变量 X ~ N , 2 ,Y eX,试求随机变量
Y 的密度函数 fY y.
解: 由题设,知 X 的密度函数为
f x
1
x2
e 2 2
x
2
因为函数 y ex 是严格增加的,它的反函数为
0,
其它.
整理得 Y =2X +8 的概率密度为:
fY
(
y
)
y8 32
,
8 y 16,
0,
其它.
解题思路总结
核心思想:{Y y}等价于{X ?}
解题过程:
⑴.先求Y g X 的分布函数
FY y PY y P g X y fX ( x)dx g( x) y
⑵.利用Y g X 的分布函数与密度函数之间的关系 求Y g X 的密度函数 fY y FY y
一、 离散型随机变量函数的概率分布
当X为离散型随机变量时, Y g X 也是离散型
随机变量。并且在 X 的分布列已知的情况下,求Y的
分布列是容易的。
X 1 0 1 2 3
例1 已知X的分布列为
Pk 0.2 0.1 0.1 0.3 0.3
求 Y X 1 Y X2
的分布列。
解 由Y 的分布列可列出
面积Y小于 等价于半径X<1/2
0
1
即事件{面积Y 1 }等价于事件{半径X 1}
4
2
所以 P{Y } P{ X 1} 1
随机变量的函数分布
解
因为v
g(θ)
A sin θ
在
π 2
,
π 2
上恒有
g(θ) Acosθ 0,
所以反函数为 θ h(v) arcsin v , A
h(v) 1 , A2 v2
15
又由Θ
~
U
π 2
,
π 2
,
知
Θ
的概率密度为
f
(θ
)
1 π
,
π θ π,
2
2
0, 其他.
由定理得V Asin Θ 的概率密度为
如何根据已知的随机变量 X 的分布求得随机 变量 Y f ( X ) 的分布?
2
例1 设 X 的分布律为
X 1 0 1 2 1111
p 4444 求 Y X 2 的分布律.
解 Y 的可能值为 (1)2 , 02 , 12 , 22;
即 0, 1, 4. P{Y 0} P{ X 2 0} P{ X 0}
1, 4
3
P{Y 1} P{X 2 1} P{(X 1) ( X 1)}
P{X 1} P{X 1} 1 1 1 , 44 2
P{Y 4} P{ X 2 4} P{ X 2} 1 , 4
故Y 的分布律为 Y p
014 111
424
由此归纳出离散型随机变量函数的分布的求法.
数的概率密度的方法.
11
定 理 设随机变量 X 的具有概率密度 fX ( x), 其 中 x , 又设函数 g( x)处处可导, 且恒有 g( x)
0 (或恒有g( x) 0), 则称Y g(Y )是连续型随机
变量, 其概率密度为
fY
(
y)
f
《概率论与数理统计》第四节随机变量函数的分布
y,
(ln
y)
1, y
故Y的概率密度为:
fY
(
y)
1 2y
,
1
y e2,
0, 其它.
求连续型随机变量函数分布律的方法:
(2) 设y g( x)在区间I(k k 1,2,, s)上严格单调,且反函数分别
为x
hk (
y),则Y
g( X )的概率密度为: s
fY ( y) f X [hk ( y)] h'k ( y) .
P(Z 1) P( X 1) P( X 1) 0.2 0.1 0.3,
P(Z 4) P( X 2) 0.3,P(Z 9) P( X 3) 0.3,
因此Z的分布律为:
Z P
0 0.1
1 0.3
4 0.3
9 0.3
.
从例1看到,根据X的分布确定Y g( X )分布,只需用“事件相 同,概率相等”的思想处理. 一般地有,
h'(
y)
,
y ,
其它.
其中 min{ g(), g()}, max{g(), g()}.
一、分布函数
1. 分布函数:设X是一个随机变量,对任意实数 x,事件{X x}的
概率P( X x)称为随机变量X的分布函数,记作F( x),即
F( x) P( X x).
2. 分布函数的性质:
P( X k) k e,k 0,1,2,, 0, 则称X服从泊松分布,记k为! :X~ ( ).
4. 几何分布: 若随机变量X所有可能取值为1, 2, , 且分布律为:
P( X k) pqk1, k 1, 2,, 0 p 1, q 1 p,
则称X服从几何分布,记为:X~G( p).
随机变量的函数分布例题和知识点总结
随机变量的函数分布例题和知识点总结在概率论与数理统计中,随机变量的函数分布是一个重要的概念。
理解和掌握这一概念对于解决许多实际问题以及深入研究概率理论都具有关键意义。
接下来,我们将通过一些具体的例题来加深对随机变量函数分布的理解,并对相关知识点进行总结。
首先,让我们来明确一下什么是随机变量的函数分布。
给定一个随机变量 X,若通过某种函数关系 Y = g(X) 定义了另一个随机变量 Y,那么我们关心的就是 Y 的概率分布,这就是随机变量的函数分布。
一、例题分析例 1:设随机变量 X 服从区间0, 1上的均匀分布,求 Y = 2X + 1 的概率分布。
由于 X 服从区间0, 1上的均匀分布,其概率密度函数为:\f_X(x) =\begin{cases}1, & 0 \leq x \leq 1 \\0, &\text{其他}\end{cases}\对于 Y = 2X + 1,我们可以通过反解 X 得到:\(X =\frac{Y 1}{2}\)然后计算 Y 的分布函数\(F_Y(y)\):\\begin{align}F_Y(y)&=P(Y\leq y)\\&=P(2X + 1\leq y)\\&=P(X\leq \frac{y 1}{2})\\\end{align}\当\(y < 1\)时,\(F_Y(y) = 0\)当\(1\leq y\leq 3\)时,\\begin{align}F_Y(y)&=\int_{0}^{\frac{y 1}{2}}1dx\\&=\frac{y 1}{2}\end{align}\当\(y > 3\)时,\(F_Y(y) = 1\)对\(F_Y(y)\)求导,可得 Y 的概率密度函数\(f_Y(y)\)为:\f_Y(y) =\begin{cases}\frac{1}{2},& 1 \leq y \leq 3 \\0, &\text{其他}\end{cases}\例 2:设随机变量\(X\)服从标准正态分布\(N(0, 1)\),求\(Y = X^2\)的概率分布。
随机变量函数的分布-连续型情形
休息,休息一下!
随机变量函数的分布
2) 公式法
设 Y = g ( X ) ,当g ( x )单调可导时,可用以下方法求 Y 的概率密度 f Y ( y ). 定理 设X 为连续型随机变量,概率密度为f X ( x ), 函数 y = g(x)处处可导, 且其导函数丌变号(即恒有 g '(x) 0 或 g '(x) 0 ),记 h(y) 为 g(x)的反函数.
( 2) f (y) [F ( y)] '
Y
Y
y
g(x) y
Note : 变限积分的求导公式
b( y) a( y )
f
(x)dx
' y
f [b( y)]b'( y)
f [a( y)]a '( y)
随机变量函数的分布
例1
已知 X 的概率密度为
f
X
(x)
x 8
,
0.
0 x 4, 求 Y = 2X + 8 的概率密度.
其它.
解:
FY( y) PY y P{ X
y8 } 2
y8 2
fX (x) dx
( 变限积分的求导 )
fY ( y)
FY
(
y)
' y
fX
y
2
8
y8 2 y
1 2
f X
y 8 2
f X
y 8 2
0
0
y
8 2
4
8
y
16
f Y(
y)
y 32
8
,ቤተ መጻሕፍቲ ባይዱ
8 y 16,
0.
其他.
2. 设F ( x )为某连续型随机变量 的分布函数 ,且存在反函数F -1 ( x ),
概率论-随机变量函数的分布
fY
(
y
)
f
[h(
y)]
dh( y dy
)
,
y
0,
其它
其中, min g(x), max g(x),
a xb
a xb
x=h (y) 是 y=g (x) 的反函数 .
此定理的 证明与前 面的解题 思路类似
注意 利用以上公式直接写出Y g( x) 的概率 密度时,要注意两点:
即
z y
FX (z y) fX ( x)dx
于是
FZ (z)
z y
fY ( y)[ f X ( x)dx]dy
fY
(
y)FX
(z
y)dy
将上式两边关于z求导,得
FZ (z) ຫໍສະໝຸດ fZ (z)fY ( y) fX (z y)dy
由X和Y的对称性, fZ (z) 又可写成
fZ (z) fX ( x) fY (z x)dx
y)
fY
(
y)dy
z
1
e
ydy,
0
0 z 1
fZ
(z)
z z 1
fX
(z
y)
fY
(
y)dy
0,
z 1 e ydy, z 1
z 1
其他
1 ez , 0 z 1
(e
1)e
z
,
z 1
0,
其他
f
X
(
x
)
1,
0,
0
x 其它
1 ,
e y , y 0
fY ( y)
0,
其它
方法二
若由卷积公式
随机变量函数的分布
(296)
其中Cx{ t | g(t)x}
而P{XCx}往往可由X的分布函数FX(x)来表达或用其密
度函数fX(x)的积分来表达
P{X Cx} Cx fX (t)dt
进而 Y的密度函数 可直接从FY(x)导出
(297)
6
例228 设X是一个连续型随机变量 其分布函数F(x)是严 格单调递增的 则F(X)服从[0 1]上的均匀分布
10
(x)
FY(
x)
1 x
0(
x), x
当x0时
FY (x) P{X 2 x} P{
x
fXY
(x)
xF}Y(2x) 0(
1xx)010(,
x),
0, x 0,
x 0,
x0
(x) P{X 2 x} P{ x X
x X x} 20( x)1
x} 20(
x
) 1 fY (x)
1
e
x 2
§25 随机变量函数的分布
一、随机变量的函数 二、离散型随机变量函数的分布 三、连续型随机变量函数的分布
1
一、随机变量的函数
随机变量的函数
如果存在一个函数g(x) 使得随机变量X Y满足
Yg(X)
(289)
则称随机变量Y是随机变量X的函数
如何从自变量X的统计规律导出其函数Yg(X)的统计规
律呢?
对任意区间(或区间的并)B 令C{x|g(x)B} 则
{YB}{g(X)B}{XC}
(290)
从而
P{YB}P{g(X)B}P{XC}
(291)
(291)说明 X的统计规律确实决定了Y的统计规律
2
例226 设X是一随机变量 且YX2 则对任意α0 有
随机变量函数分布
随机变量函数分布随机变量函数分布是概率论中的重要概念,它描述了一个随机变量经过函数转换后的分布情况。
在实际问题中,我们常常需要通过随机变量的函数来描述某种现象的规律或特性。
本文将介绍随机变量函数分布的基本概念和常见的分布形式。
一、随机变量函数分布的定义随机变量函数分布指的是一个随机变量经过某种函数转换后的概率分布情况。
在数学上,对于一个随机变量X和一个函数Y=f(X),我们可以描述函数Y的概率分布,也就是Y的取值在各个区间内的概率。
通常情况下,我们可以通过概率密度函数或累积分布函数来描述随机变量函数分布。
二、常见的随机变量函数分布形式1. 线性变换最简单的随机变量函数分布形式就是线性变换。
设X是一个随机变量,Y=aX+b是X的线性变换,其中a和b为常数。
如果知道X的分布情况,就可以通过线性变换得到Y的分布。
具体地,如果X服从均匀分布,则Y也会服从均匀分布。
2. 指数变换指数变换是常用的随机变量函数形式之一。
如果X服从指数分布,经过指数变换Y=e^X后,Y会服从对数正态分布。
指数变换在描述某些事件的时间间隔时非常有用,比如描述两次地震事件之间的时间间隔。
3. 幂变换幂变换是一种常见的函数形式,如果X服从正态分布,Y=X^2后,Y会服从卡方分布。
幂变换在统计学中的应用非常广泛,比如方差分析和回归分析中就经常用到幂变换来处理数据。
三、实际应用举例在实际问题中,随机变量函数分布具有广泛的应用。
比如在金融领域中,可以通过随机变量函数分布来描述股票价格的涨跌情况,进而进行风险管理和投资决策。
在生物学领域中,可以通过随机变量函数分布来描述基因的变异情况,进而研究遗传特性。
总的来说,随机变量函数分布是概率论中一个重要的概念,它通过函数转换描述了随机变量的特性和规律。
通过研究随机变量函数分布,我们可以更好地理解现实世界中复杂的随机变量关系,从而进行更加精确的建模和分析。
3.4随机变量函数的分布
求Y=g(X) 的分布的一般方法的步骤:若X~f(x), -< x<
+(1) 确定Y的取值范围R(Y);
(2)求Y的分布函数, 任意y ∈R(Y) ,
FY (y) =P{Yy}=P {g(X) y}=
f ( x)dx
g ( x) y
(3)对分布函数求导,
fY (
(4)
fY
( y)
|
1 a
|
fX
(
y b), a
y R(Y );
例3.4.4.(1)设X ~ N (, 2 ),Y aX b(a 0)
求Y的密度函数 fY ( y);若Y
解:(1).由X的密度f X (x)
X .求Y的分布。
1
e
(
x) 2 2
2
,易知
2
1 yb fY ( y) a fX ( a )
2
0, y 0.
2 分布, 记作Y~ 2 (1).
即为Γ (1/2,1/2)
二维连续型随机变量的函数的分布(不要求)
设二维随机变量(X,Y)~f(x,y),z=g(x,y)是连续函数, 则随机变量Z=g(X,Y)的分布函数为
FZ (z) P(Z z) P(g(X ,Y ) z) f (x, y)dxdy g ( x, y ) z
1
[ y (a b)]2
exp{
2 . a
2(a )2
},( y )
即:Y ~ N (a b, a2 2 ).
重要结果
~X N (, 2 )
• a bX (b 0) ~ N (a b, | b |2 2 )
•
特别:
X
随机变量函数的分布
1 1 2
三、连续型随机变量函数的分布 一般 地,连续型随机变量的函数不一定是连续型随 机变量, 但我们主要讨论连续型随机变量的函数还 是连续型随机变量的情形, 此时我们不仅希望求出 随机变量函数的分布函数, 而且还希望求出其概率 密度函数. 设已知 X 的分布函数 FX ( x ) 或概率密度函数 f X ( x ), 则随机变量函数 Y g( X ) 的分布函数
1 y b fX ( ). k k
例
设X ~ N ( , 2 ), Y aX b,(a, b为常数, 且a 0), 则Y ~ N (a b, a 2 2 ).
f X ( x)
1 2
1
e
( x )2 2 2
,( x )
1 2 a
2
P{Y x } P{ X 2 x } P{ X x } P{ X x }.
完
二、离散型随机变量函数的分布
设 X 为离散型随机变量, 其概率分布已知。 Y g( X )为X的函数.
若X 为D.r .v.
问题
Y g( X ) 为D.r .v .
如何根据随机变量 X 的分布 求得随机变量 Y g( X )的分布 ?
一、随机变量的函数 主要 我们讨论变量间的函数关系时, 在微积分中, 注: 研究函数关系的确定性特征, 例如: 导数、积分等. 而 在概率论中,我们主要研究的是随机变量函数的随机
即由自变量 X 的统计规律性出发研究因变量 Y 特征,
的统计性规律. 一般地, 对任意区间 I , 令 C { x | g( x ) I }, 则
( y ( a b ))2 2 a 2 2
1 yb 1 fY ( y ) fX ( ) k k a
- 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)。
8.随机变量的函数的分布【教学容】:高等教育大学盛骤,式千,承毅编的《概率论与数理统计》第二章第五节的随机变量的函数的分布【教材分析】:本节课主要是在学生学习了随机变量的概念和随机变量的分布的基础上进行的教学;本节从随机变量的分布入手引入随机变量的函数的随机性特征, 即由自变量X 的统计规律性出发研究因变量Y 的统计性规律的问题;本节课的教学先讲授离散型随机变量的函数的分布接着讲连续型随机变量的函数的分布。
让学生掌握两种不同的随机变量的分布的求解方法。
其中,离散型随机变量的函数的分布是比较容易求得而连续型随机变量的函数的分布学生往往束手无策,因此,我在本次教学中,先复习分布函数和概率密度函数的关系,后通过简单例子来讲解,最后归纳总结 ,再研究连续型随机变量的函数的一种特殊情形的分布问题。
最后导出一个重要的定理。
【学情分析】: 1、知识经验分析学生具有一定的随机变量及其分布相关理论知识及微分学相关知识,通过前两次课的学习已具备一定的解题方法,本节课通过让学生观察、思考,教师启发、引导等教学方式,让学生自然过渡到随机变量的函数的分布的学习中。
2、学习能力分析学生虽然具备一定的微积分的知识和随机变量的理论基础,但概念理解不透彻,解决问题的能力不高,方法应用不熟练,知识没有融会贯通。
【教学目标】:掌握随机变量的函数的概率分布的求法。
【教学重点、难点】:重点:离散型随机变量的函数的分布;连续型随机变量的函数的分布。
难点:连续型随机变量的函数的分布。
【教学方法】:讲授法 启发式教学法 【教学课时】:1个课时 【教学过程】: 一、问题引入在实际中,人们常常对随机变量 X 的函数()Y g X =所表示的随机变量Y 更感兴趣。
如:已知圆柱截面直径 d 的分布,求截面面积2=4d A π的分布。
又如:已知0t t =时刻噪声电压V 的分布,求功率 2V W R= (R 为电阻)的分布等。
【设计意图】:让学生感受到数学与生活“零距离”,从而激发学生学习数学的兴趣,使学生获得良好的价值观和情感态度。
二、离散型随机变量函数的分布设离散型随机变量X 的概率分布为{},1,2,k k P X x p k ===易见, X 的函数)(X g Y =显然还是离散型随机变量。
如何由X 的概率分布出发导出Y 的概率分布? 其一般方法是:先根据自变量X 的可能取值确定因变量Y 的所有可能取值, 然后对Y 的每一个可能取值,,2,1, =i y i 确定相应的},)(|{i j j i y x g x C ==于是},{})({}{i i i i C X y x g y Y ∈====.}{}{}{∑∈==∈==ij C x ji i x X P C X P y Y P从而求得Y 的概率分布。
例1 设随机变量X 具有以下的分布律,试求()21Y X =-的分布律。
10120.20.30.10.4kX p -解:Y 所有可能取的值为0,1,4,由()2{0}{10}{1}0.1P Y P X P X ==-====()2{1}{11}{0}{2}0.7P Y P X P X P X ==-===+== ()2{4}{14}{1}0.2P Y P X P X ==-===-=即得Y 的分布律为0140.10.70.2kY p一般地,()X Y g X =如果是离散型随机变量其函数.X 也是离散型随机变量若的分布律为1212..........kkkX x x x p p p p则()Y g X =的分布律为1212()()().....().....k kkY g X g x g x g x p p p p =(),.k k g x p 若中有值相同的应将相应的合并【设计意图】:通过这个例子,让学生观察求离散随机变量的函数的分布时我们应该采用什么方法,从而达到让学生掌握在求离散随机变量的函数的分布时先求函数的取值,再求函数的分布律的目的,并在此基础上进一步总结方法。
【总结】:先根据自变量X 的可能取值确定因变量Y 的所有可能取值, 然后对Y 的每一个可能取值,,2,1, =i y i 确定相应的Y 在每一点处取值的概率。
三、连续型随机变量的函数的分布 例2设随机变量X 具有概率密度,0 4.()80,X xx f x ⎧<<⎪=⎨⎪⎩其他.求随机变量28Y X =+的概率密度。
解:第一步:先求28Y X =+ 的分布函数().Y F y(){}Y F y P Y y =≤{28}P X y =+≤8{}2y P X -=≤82()d y X f x x --∞=⎰第二步:由分布函数求概率密度。
()()Y y f y F y '=82[()d ]y X f x x --∞'=⎰88()(),22X y y f --'= 1818(),04,()82220,.Y y y f y --⎧⋅<<⎪=⎨⎪⎩所以其他 8,816,320,.y y -⎧<<⎪=⎨⎪⎩其他 例3设随机变量X 具有概率密度()X f x x -∞<<∞,求2Y X =的概率密度。
解: 设Y 和X 的分布函数分别为()Y F y 和 ()X F x , 注意到 2Y X = ≥ 0,故当 0y ≤时,()0Y F y =; 当 0y > 时,()()Y F y P Y y =≤ 2()P y X =≤(P X =≤(X X F F =- 求导可得()()Y Y dF y f y dy=(0;,.,00X X f f y y ⎤+>⎦=⎪⎩≤22(),x X f x -=若则 2Y X =的概率密度为2,0;(),.00yY y f y y ->=≤⎩Y 服从自由度为 1 的2χ 分布【设计意图】:通过这两个例子,让学生掌握用分布函数法求连续型随机变量的函数的分布的方法。
【总结】:先求连续型随机变量的函数的分布函数,再对分布函数求导求出概率密度函数。
定理 设随机变量X 具有概率密度()X f x x -∞<<∞,又设函数()g x 处处可导且恒有0)(>'x g (或恒有0)(<'x g ), 则)(X g Y =是连续型随机变量,其概率密度为[()|()|,()0,X Y f h y h y y f y αβ'<<⎧=⎨⎩其他 其中)).(),(max()),(),(min(+∞-∞=+∞-∞=g g g g βα()h y 是()g x 的反函数。
证明略。
例4 设随机变量2~(,)X N μσ,试证明X 的线性函数()0Y aX b a =+≠也服从正态分布。
证明X 的概率密度为22()2(),.x μσX f x x --=-∞<<+∞(),y g x ax b ==+设 (),y b x h y a -==得 1()0.h y a'=≠知 [()](),,()0,.XY f h y h y y f y Y aX b αβ'⎧<<=⎨⎩=+由公式其它得的概率密度为2222()[()]2()21()(),.y bμy b a μa a σσY X y b f y f y a a ---+---===-∞<<∞例 5 设电压sin V A =Θ,其中A 是一个已知的正常数,相角Θ是一个随机变量,且有,22ππ⎛⎫Θ- ⎪⎝⎭,试求电压V 的概率密度。
解:ππ()sin (,)22v g θA θ==-因为在上恒有 ()cos 0,g θA θ'=> ()arcsin,vθh v A==所以反函数为 ()h v '=~(,),22ΘU Θππ-又由知的概率密度为 1ππ,,()π220,.θf θ⎧-<<⎪=⎨⎪⎩其他sin V A Θ=由定理得的概率密度为 1,π()0,.A v A φv ⎧-<<⎪=⎨⎪⎩其他【设计意图】:通过这两个例子,让学生明白当()Y g x =为严格单调时,采用定理能方便的求解出连续型随机变量的函数的分布。
【总结】:连续型随机变量的函数的分布有两种方法 : 方法1 (){}{()}Y F y P Y y P g X y =≤=≤ ()()d ,(),X g x yf x x x ≤=-∞<<+∞⎰()().Y Y F y Y f y 再对求导得到的密度函数方法2 [()](),,()0,.X Y f h y h y y f y αβ'⎧<<=⎨⎩其他注意条件。
.三、思考与提问:(),,()?g x X Y g X =设是连续函数若是离散型随机变量则也是离散型随机变量吗 ?X 若是连续型的又怎样四、容小结随机变量的函数的分布1.离散型随机变量函数的分布; 2.连续型随机变量函数的分布; 五、课外作业:P59: 33 , 34 , 35, 37六、板书设计随机变量的函数的分布一、问题引入例1已知圆柱截面直径 d 的分布, 求截面面积2=4d A π的分布。
例2已知0t t =时刻噪声电压V 的分布, 二、离散型随机变量函数的分布例1 设随机变量X 具有以下的分布律,试求()21Y X =-的分布律。
10120.20.30.10.4kX p -一般的,().X Y g X X =如果是离散型随机变量其函数也是离散型随机变量若的分布律为1212..........k k kX x x x p p p p 则 ()Y g X =的分布律为1212()()().....().....k k kY g X g x g x g x p p p p =(),.k k g x p 若中有值相同的应将相应的合并三、连续型随机变量函数的分布 例2设随机变量X 具有概率密度,0 4.()80,X xx f x ⎧<≤⎪=⎨⎪⎩其他.求随机变量28Y X =+的概率密度。
例3设随机变量X 具有概率密度()X f x x -∞<<∞,求2Y X =的概率密度。
定理 设随机变量X 具有概率密度()X f x x -∞<<∞,又设函数()g x 处处可导且恒有0)(>'x g (或恒有0)(<'x g ), 则)(X g Y =是连续型随机变量,其概率密度为[()|()|,()0,X Y f h y h y y f y αβ'<<⎧=⎨⎩其他 其中)).(),(max()),(),(min(+∞-∞=+∞-∞=g g g g βα()h y 是()g x 的反函数。