Professional Documents
Culture Documents
随机变量的独立性
中心极限定理
《概率论与数理统计》
第三章 多维随机变量
汤银才
华东师范大学 金融与统计学院
《概率论与数理统计》
第三章 多维随机变量
汤银才
华东师范大学 金融与统计学院
在离散场合(*)等价
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
在连续场合(*)等价于p(x , · · · , x ) = p (x ) · · · p(x );
1 1 n n 1 1 n n
在离散场合(*)等价
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
在连续场合(*)等价于p(x , · · · , x ) = p (x ) · · · p(x );
1 1 n n 1 1 n n
在离散场合(*)等价
于P(X = x , · · · , X = x ) = P(X = x ) · · · P(X = x );
在连续场合(*)等价于p(x , · · · , x ) = p (x ) · · · p(x );
1 1 n n 1 1 n n
则
1 2 1 2
X与Y独立⇔ ρ = 0.
则
1 2 1 2
X与Y独立⇔ ρ = 0.
例3.2.3:
设r.v. X 与Y 独立, 其共同的p.d.f
(
2x, 0 ≤ x ≤ 1
p(x) =
0, ∼
求P(X + Y ≤ 1).
ZZ
P(X + Y ≤ 1) = p(x, y )dxdy
x+y ≤1
Z 1 Z 1−x
= 4xydydx
0 0
Z 1
= 2x(1 − x)2 dx
0
1
=
6
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 随机变量的独立性
随机变量的独立性 随机变量函数的独立性
中心极限定理 最大值与最小值的分布
卷积公式
例3.2.3
解:
由独立性
(
4xy , 0 ≤ x, y ≤ 1
, p(x, y ) = p(x)p(y ) =
0, ∼
ZZ
P(X + Y ≤ 1) = p(x, y )dxdy
x+y ≤1
Z 1 Z 1−x
= 4xydydx
0 0
Z 1
= 2x(1 − x)2 dx
0
1
=
6
华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章
多维随机变量及其联合分布 随机变量的独立性
随机变量的独立性 随机变量函数的独立性
中心极限定理 最大值与最小值的分布
卷积公式
注意:
(X , Y )服从矩形上的均匀分布,则X 与Y 独立;
(X , Y ) 服从单位圆上的均匀分布,则X 与Y 不独立(?);
联合密度p(x, y )的表达式中, 若x 的取值与y 的取值有关系,
则X 与Y 不独立;
若联合密度p(x, y )可分离变量, 即p(x, y ) = g (x)h(y ),
则X 与Y 独立.
(X , Y )服从矩形上的均匀分布,则X 与Y 独立;
(X , Y ) 服从单位圆上的均匀分布,则X 与Y 不独立(?);
联合密度p(x, y )的表达式中, 若x 的取值与y 的取值有关系,
则X 与Y 不独立;
若联合密度p(x, y )可分离变量, 即p(x, y ) = g (x)h(y ),
则X 与Y 独立.
(X , Y )服从矩形上的均匀分布,则X 与Y 独立;
(X , Y ) 服从单位圆上的均匀分布,则X 与Y 不独立(?);
联合密度p(x, y )的表达式中, 若x 的取值与y 的取值有关系,
则X 与Y 不独立;
若联合密度p(x, y )可分离变量, 即p(x, y ) = g (x)h(y ),
则X 与Y 独立.
(X , Y )服从矩形上的均匀分布,则X 与Y 独立;
(X , Y ) 服从单位圆上的均匀分布,则X 与Y 不独立(?);
联合密度p(x, y )的表达式中, 若x 的取值与y 的取值有关系,
则X 与Y 不独立;
若联合密度p(x, y )可分离变量, 即p(x, y ) = g (x)h(y ),
则X 与Y 独立.
解:
Y 与Z 的取值如下表:
所以Y 和Z 的分布为
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4
解:
Y 与Z 的取值如下表:
所以Y 和Z 的分布为
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4
解:
Y 与Z 的取值如下表:
所以Y 和Z 的分布为
Y 0 1
(X1 X2 ) Y Z
P 1/4 3/4
0 0 0 0
0 1 1 0
1 0 1 0
Z 0 1
1 1 1 1
P 3/4 1/4
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
于F (X ).
1 2 n 1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
于F (X ).
1 2 n 1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
于F (X ).
1 2 n 1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
于F (X ).
1 2 n 1 2 n
Z = min(X , X , · · · , X ), 则
X X 1 2 n
Y 的分布函数为: F (y ) = [F (y )] ;
1 2 n
n
Y 的密度函数为: p (y ) = n[F (y )] p (y );
Y X
n−1
于F (X ).
1 2 n 1 2 n
连续场合的卷积公式
设连续型随机变量X 与Y 独立, 则Z = X + Y 的密度函数为
Z ∞
pZ (z) = pX (x)pY (z − x)dx
Z−∞
∞
= pX (z − y )pY (y )dy
−∞
卷积公式的应用: 分布的可加性
若同一类分布的独立随机变量和的分布仍是此类分布,则称此类
分布具有可加性.
定理2.2 (泊松分布的可加性(Page 169))
若X ∼ P(λ ) , Y ∼ P(λ ), 且独立, 则Z = X + Y ∼ P(λ + λ ).
1 2 1 2
卷积公式的应用: 分布的可加性
若同一类分布的独立随机变量和的分布仍是此类分布,则称此类
分布具有可加性.
定理2.2 (泊松分布的可加性(Page 169))
若X ∼ P(λ ) , Y ∼ P(λ ), 且独立, 则Z = X + Y ∼ P(λ + λ ).
1 2 1 2
卷积公式的应用: 分布的可加性
若同一类分布的独立随机变量和的分布仍是此类分布,则称此类
分布具有可加性.
定理2.2 (泊松分布的可加性(Page 169))
若X ∼ P(λ ) , Y ∼ P(λ ), 且独立, 则Z = X + Y ∼ P(λ + λ ).
1 2 1 2
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
独立正态变量的线性组合仍为正态变量, 即
若X ∼ N(µ , σ ), i = 1, 2, · · · , n, 且X 间相互独立, 实
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
ai Xi ∼ N ai µi , ai2 σi2
i=1 i=1 i=1
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
独立正态变量的线性组合仍为正态变量, 即
若X ∼ N(µ , σ ), i = 1, 2, · · · , n, 且X 间相互独立, 实
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
ai Xi ∼ N ai µi , ai2 σi2
i=1 i=1 i=1
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
独立正态变量的线性组合仍为正态变量, 即
若X ∼ N(µ , σ ), i = 1, 2, · · · , n, 且X 间相互独立, 实
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
ai Xi ∼ N ai µi , ai2 σi2
i=1 i=1 i=1
则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2
X − Y 不服从N(µ − µ , σ − σ ); 1 2
2
1
2
2
X − Y ∼ N(µ1 − µ2 , σ12 + σ22 );
独立正态变量的线性组合仍为正态变量, 即
若X ∼ N(µ , σ ), i = 1, 2, · · · , n, 且X 间相互独立, 实
2
数a , a , · · · , a 不全为零, 则
i i i i
1 2 n
n n n
!
X X X
ai Xi ∼ N ai µi , ai2 σi2
i=1 i=1 i=1
χ2 分布的由来:
设X , X , · · · , X ∼ N(0, 1), 则Y = P X 服从自由度
iid n 2
χ 的可加性
2
设X ∼ χ (n ), Y ∼ χ (n ), 且独立, 则X + Y ∼ χ (n + n ). 此
2 2 2
结论可推广到任意n个χ 变量.
1 2 1 2
2
χ2 分布的由来:
设X , X , · · · , X ∼ N(0, 1), 则Y = P X 服从自由度
iid n 2
χ 的可加性
2
设X ∼ χ (n ), Y ∼ χ (n ), 且独立, 则X + Y ∼ χ (n + n ). 此
2 2 2
结论可推广到任意n个χ 变量.
1 2 1 2
2
易得X ∼ N(µ, ).
i=1
σ2
个r.v.的均值相同, 但方差却缩小了n倍.
易得X ∼ N(µ, ).
i=1
σ2
个r.v.的均值相同, 但方差却缩小了n倍.
易得X ∼ N(µ, ).
i=1
σ2
个r.v.的均值相同, 但方差却缩小了n倍.
易得X ∼ N(µ, ).
i=1
σ2
个r.v.的均值相同, 但方差却缩小了n倍.
独立随机变量差的分布:
设连续型随机变量X 与Y 独立, 则Z=X - Y 的密度函数为
Z ∞
pZ (z) = pX (x)pY (x − z)dx
Z−∞
∞
= pX (z + y )pY (y )dy
−∞
差的分布
设连续型随机变量X 与Y 独立, 且均服从U(0,1), 求Z=X-Y
解: (
1 − |z|, |z| ≤ 1
pZ (z) =
0, ∼