You are on page 1of 49

多维随机变量及其联合分布

随机变量的独立性
中心极限定理

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
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

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
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

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
3.2.1 随机变量的独立性
定义2.1 (n个r.v.的独立性)
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.


1 2 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

若X 与Y 独立, 则∀a < b, c < d,


1 n 1 1 n

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

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
3.2.1 随机变量的独立性
定义2.1 (n个r.v.的独立性)
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.


1 2 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

若X 与Y 独立, 则∀a < b, c < d,


1 n 1 1 n

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

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
3.2.1 随机变量的独立性
定义2.1 (n个r.v.的独立性)
设(X , · · · , X ) ∼ F (x , · · · , x ), X ∼ F (x ), i = 1, 2 · · · , n,
若∀x , x , · · · , x
1 n 1 n i i i
1 2 n

F (x1 , x2 , · · · , xn ) = F1 (x1 )F2 (x2 ) · · · Fn (xn ), (∗)

则你X , X , · · · , X 相互独立, 否则称为不相互独立或相依的.


1 2 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

若X 与Y 独立, 则∀a < b, c < d,


1 n 1 1 n

P (a < X < b, c < Y < d) = P (a < X < b) P (c < Y < d)

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:

例3.2.1: 二维指数分布(Page 128):


设r.v. (X , Y ) 服从二维指数分布, 则
X与Y独立⇔ λ = 0.

例3.2.2: 二维正态分布(Page 129):


设r.v. (X , Y ) 服从二维正态分布, 即(X , Y ) ∼ N(µ , µ , σ , σ , ρ),
2 2


1 2 1 2

X与Y独立⇔ ρ = 0.

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:

例3.2.1: 二维指数分布(Page 128):


设r.v. (X , Y ) 服从二维指数分布, 则
X与Y独立⇔ λ = 0.

例3.2.2: 二维正态分布(Page 129):


设r.v. (X , Y ) 服从二维正态分布, 即(X , Y ) ∼ N(µ , µ , σ , σ , ρ),
2 2


1 2 1 2

X与Y独立⇔ ρ = 0.

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

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).

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
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.

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.

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.

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.

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
3.2.2 随机变量函数的独立性

若X 与Y 独立, 则f (X )与g (Y )独立;


常数c 与任一随机变量相互独立;
若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

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
3.2.2 随机变量函数的独立性

若X 与Y 独立, 则f (X )与g (Y )独立;


常数c 与任一随机变量相互独立;
若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

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
3.2.2 随机变量函数的独立性

若X 与Y 独立, 则f (X )与g (Y )独立;


常数c 与任一随机变量相互独立;
若X , · · · , X , X , · · · , X 相互独立,
则f (X , · · · , X )与g (X , · · · , X ) 相互独立.
1 r r +1 n
1 r r +1 n

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
3.2.3 最大值与最小值的分布
例3.2.4: 离散场合
设X 与X 相互独立, 且X , X 等可能地取值0和1,
求Y = max(X , X )和Z = min(X , X )的分布列.
1 2 1 2
1 2 1 2

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

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
3.2.3 最大值与最小值的分布
例3.2.4: 离散场合
设X 与X 相互独立, 且X , X 等可能地取值0和1,
求Y = max(X , X )和Z = min(X , X )的分布列.
1 2 1 2
1 2 1 2

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

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
3.2.3 最大值与最小值的分布
例3.2.4: 离散场合
设X 与X 相互独立, 且X , X 等可能地取值0和1,
求Y = max(X , X )和Z = min(X , X )的分布列.
1 2 1 2
1 2 1 2

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

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
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
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

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;


Y X X
n

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);


Z X
n−1
Z X X

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布


iid

于F (X ).
1 2 n 1 2 n

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
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
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

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;


Y X X
n

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);


Z X
n−1
Z X X

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布


iid

于F (X ).
1 2 n 1 2 n

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
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
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

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;


Y X X
n

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);


Z X
n−1
Z X X

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布


iid

于F (X ).
1 2 n 1 2 n

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
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
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

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;


Y X X
n

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);


Z X
n−1
Z X X

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布


iid

于F (X ).
1 2 n 1 2 n

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
独立同分布r.v.最大值最小值的分布
定理2.1 (连续场合最大与最小值的分布(Page 168))
设X , X , · · · , X 独立同分布, 其分布函数和密度函数分别
为F (x) 和p (x), Y = max(X , X , · · · , X ),
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

Z 的分布函数为: F (z) = 1 − [1 − F (z)] ;


Y X X
n

Z 的密度函数为: p (z) = n[1 − F (z)] p (z);


Z X
n−1
Z X X

记号: 用X , X , · · · , X ∼ F (x) 表示X , X , · · · , X 独立同分布


iid

于F (X ).
1 2 n 1 2 n

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3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼
(Y 服从Beta分布Be(n, 1), Z 服从Beta分布Be(1, n) )

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3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼
(Y 服从Beta分布Be(n, 1), Z 服从Beta分布Be(1, n) )

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3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼
(Y 服从Beta分布Be(n, 1), Z 服从Beta分布Be(1, n) )

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3.2.5
例3.2.5:
iid
X1 , X2 , · · · , Xn ∼ U(0, 1), 则 (
ny n−1 , 0 < x < 1
Y = max(X1 , · · · , Xn ) ∼ PY (y ) =
0, ∼
(
n(1 − z)n−1 , 0 < z < 1
Z = min(X1 , · · · , Xn ) ∼ PZ (z) =
0, ∼
(Y 服从Beta分布Be(n, 1), Z 服从Beta分布Be(1, n) )

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
3.2.4 卷积公式
离散场合的卷积公式
设离散型随机变量X 与Y 独立, 则Z = X + Y 的分布列为

X
P(Z = zs ) = P(X = xi )P(Y = zs − xi )
i=1

X
= P(X = zs − yj )P(Y = yj )
j=1

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

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
−∞

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

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

记号: P(λ ) ∗ P(λ ) = P(λ + λ ). 此结论可推广到任意n个泊松


变量.
1 2 1 2

定理2.3 (二项分布的可加性(Page 170))


若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
记号: b(m, p) ∗ b(n, p) = b(m + n, p). 此结论可推广到任意n个二
项分布变量.
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

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

记号: P(λ ) ∗ P(λ ) = P(λ + λ ). 此结论可推广到任意n个泊松


变量.
1 2 1 2

定理2.3 (二项分布的可加性(Page 170))


若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
记号: b(m, p) ∗ b(n, p) = b(m + n, p). 此结论可推广到任意n个二
项分布变量.
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

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

记号: P(λ ) ∗ P(λ ) = P(λ + λ ). 此结论可推广到任意n个泊松


变量.
1 2 1 2

定理2.3 (二项分布的可加性(Page 170))


若X ∼ b(m, p) , Y ∼ b(n, p), 且独立,
则Z = X + Y ∼ b(m + n, p).
记号: b(m, p) ∗ b(n, p) = b(m + n, p). 此结论可推广到任意n个二
项分布变量.
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

定理2.4 (正态分布的可加性(Page 172))


若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2

则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2

记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ


2 2 2 + σ22 ). 此结论可推
广到任意n个正态变量. 注意:
1 1 2 2 1 2 1

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

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

定理2.4 (正态分布的可加性(Page 172))


若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2

则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2

记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ


2 2 2 + σ22 ). 此结论可推
广到任意n个正态变量. 注意:
1 1 2 2 1 2 1

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

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

定理2.4 (正态分布的可加性(Page 172))


若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2

则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2

记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ


2 2 2 + σ22 ). 此结论可推
广到任意n个正态变量. 注意:
1 1 2 2 1 2 1

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

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

定理2.4 (正态分布的可加性(Page 172))


若X ∼ N(µ , σ ) , Y ∼ N(µ , σ ), 且独立,
2 2

则Z = X + Y ∼ N(µ + µ , σ + σ ).
1 1 2 2
2 2
1 2 1 2

记号: N(µ , σ )) ∗ N(µ , σ ) = N(µ + µ , σ


2 2 2 + σ22 ). 此结论可推
广到任意n个正态变量. 注意:
1 1 2 2 1 2 1

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

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
χ2 分布的由来

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

为n的χ 分布, 记为χ (n) (密度函数见Page 175).


1 2 n i=1 i
2 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

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
χ2 分布的由来

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

为n的χ 分布, 记为χ (n) (密度函数见Page 175).


1 2 n i=1 i
2 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

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3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
由正态分布的可加性知P X ∼ N(nµ, nσ ) n
i
2

易得X ∼ N(µ, ).
i=1
σ2

意义: 正态变量的算术平均仍为正态变量, 其均值与单


n

个r.v.的均值相同, 但方差却缩小了n倍.

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3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
由正态分布的可加性知P X ∼ N(nµ, nσ ) n
i
2

易得X ∼ N(µ, ).
i=1
σ2

意义: 正态变量的算术平均仍为正态变量, 其均值与单


n

个r.v.的均值相同, 但方差却缩小了n倍.

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3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
由正态分布的可加性知P X ∼ N(nµ, nσ ) n
i
2

易得X ∼ N(µ, ).
i=1
σ2

意义: 正态变量的算术平均仍为正态变量, 其均值与单


n

个r.v.的均值相同, 但方差却缩小了n倍.

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3.2.6
例3.2.6:
iid
X1 , X2 , · · · , Xn ∼ N(µ, σ 2 ), 求其算术平均X = 1
n
Pn
i=1 Xi 的分布.
解:
由正态分布的可加性知P X ∼ N(nµ, nσ ) n
i
2

易得X ∼ N(µ, ).
i=1
σ2

意义: 正态变量的算术平均仍为正态变量, 其均值与单


n

个r.v.的均值相同, 但方差却缩小了n倍.

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
想一想?

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
−∞

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
课堂练习: 卷积公式应用
和的分布
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:

( z, 0<z ≤1
1 − |1 − z|, 0 < Z ≤ 2 
pZ (z) = = 2 − z, 1 ≤ z ≤ 2
0, ∼ 
0, ∼

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
想一起?

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, ∼

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
§3.2 习题

§3.2 习题 Page 176:


2, 5, 7, 11

华东师范大学 金融与统计学院 《概率论与数理统计》 — 第三章