在线学习
重点科目
初中数学
高中数学
高等数学
线性代数
概率统计
高中物理
数学公式
主要科目
复变函数
离散数学
数学分析
实变函数
群论
数论
未整理科目
近世代数
数值分析
常微分方程
偏微分方程
大学物理
射影几何
微分几何
泛函分析
拓扑学
数学物理
趣味数学
科数网
首页
教材
高考区
考研区
VIP
科数网
题库
在线学习
高中数学
高等数学
线性代数
概率统计
高中物理
复变函数
离散数学
你好
游客,
登录
注册
在线学习
概率论与数理统计
第二篇 一维随机变量及其分布
连续型随机变量函数的分布
最后
更新:
2025-02-26 07:43
查看:
342
次
反馈
刷题
连续型随机变量函数的分布
> 初学者疑惑,已经学了连续型分布了,怎么又有随机变量函数的分布。随机变量函数的分布可以说是对随机变量再次定义随机变量。怎么比喻呢?比如函数$y=f(x)$,对它导数,可以得一阶导数 $y'=f'(x)$ ,如果把一阶导数再次求导,就得到二阶导数$y''=f''(x)$ ,这个二阶导数就可以看成原函数的导数的导数。随机变量函数的分布和此类似,他类似求复合的随机变量。比如我们已经知道随机变量半径为$X$的圆的分布,现在要求面积的,因为面积是$S=\pi X^2$,此时就可以看成是求“$\pi X^2$” 的分布。 > 相比离散型随机变量函数的分布,连续型随机变量函数的分布要复杂的多,因为他涉及大量积分运算,对学生微积分基础要求比较高。 连续型通常分为两种情况,设 $X$ 是连续型随机变量,则随机变量 $Y=g(X)$ 可能是离散型的,也可能是连续型的. (1)若 $Y$ 只有有限个或可列无限个可能值,则按照上述离散型情形处理; (2)若 $Y$ 所有可能值的集合是(有限或无限)区间,则一般先求 $Y$ 的分布函数 $F_Y(y)$ ,再求导数 $F_Y^{\prime}(y)$ ,即可得到 $Y$ 的密度函数 $f_Y(y)$ . ## 连续型随机变量函数的分布 `例`已知随机变量 $X$ 是区间 $(0,1)$ 上的均匀分布,求 $Y=a X+b(a \neq 0)$ 的密度函数. 解(1)设 $a>0$ ,则 $$ F_Y(y)=P\{Y \leqslant y\} = P\{a X+b \leqslant y\}=P\left\{X \leqslant \frac{y-b}{a}\right\}=F_X\left(\frac{y-b}{a}\right) . $$ 两边对 $y$ 求导,可得 $$ f_Y(y)=f_X\left(\frac{y-b}{a}\right)\left(\frac{y-b}{a}\right)_y^{\prime}=\frac{1}{a} f_X\left(\frac{y-b}{a}\right) . $$ 因 $f_X(x)=\left\{\begin{array}{ll}1, & 0<x<1, \\ 0, & \text { 其他,}\end{array}\right.$ 所以 $$ f_Y(y)= \begin{cases}\frac{1}{a}, & b<y<a+b, \\ 0, & \text { 其他. }\end{cases} $$ (2)设 $a<0$ ,则 $$ F_Y(y)=P\{Y \leqslant y\}=P\{a X+b \leqslant y\}=P\left\{X \geqslant \frac{y-b}{a}\right\}=1-F_X\left(\frac{y-b}{a}\right) $$ 两边对 $y$ 求导,可得 $$ f_Y(y)=-f_X\left(\frac{y-b}{a}\right)\left(\frac{y-b}{a}\right)_y^{\prime}=-\frac{1}{a} f_X\left(\frac{y-b}{a}\right) . $$ 将已知的密度函数 $f_X(x)$ 代人上式,得 $$ f_Y(y)= \begin{cases}-\frac{1}{a}, & a+b<y<b, \\ 0, & \text { 其他. }\end{cases} $$ 综合(1)(2),得 $$ f_Y(y)=\frac{1}{|a|} f_X\left(\frac{y-b}{a}\right) . $$ `例`设 $\mathrm{X}$ 服从区间 $(1,3)$ 上的均匀分布,求 $X^2$ 的密度函数。 解 随机变量 $X$ 的取值范围 $(1,3)$ ,故随机变量 $Y=X^2$ 的取值范围为区间 $(1,9) , Y$ 仍 然是一个连续型随机变量。因此需求解 $Y$ 的分布函数为 $F_Y(y)$ 和概率密度函数 $f_Y(y)=F^{\prime}(y)$ 。 根据题意, $X$ 的概率密度函数为 $\quad f(x)=\left\{\begin{array}{cc}\frac{1}{2} & 1<x<3 \\ 0 & \text { 其它 }\end{array}\right.$ $\mathrm{Y}$ 的分布函数 $\quad F_Y(y)=P(Y \leq y)=P\left(X^2 \leq y\right)$ Y 的分布函数 $\quad F_Y(y)=P(Y \leq y)=P\left(X^2 \leq y\right)$ 当 $y<1$ 时,$F_Y(y)=0$ ; 当 $1 \leq y<9$ 时,$F_Y(y)=P(-\sqrt{y} \leq X \leq \sqrt{y})=\int_1^{\sqrt{y}} \frac{1}{2} d x=\frac{\sqrt{y}-1}{2}$ ; 当 $y \geq 9$ 时,$F_Y(y)=1$ 。 通过 $F_Y^{\prime}(y)=f_Y(y)$ 得到 Y 的密度函数 $$ f_Y(y)=F_Y^{\prime}(y)= \begin{cases}\frac{1}{4 \sqrt{y}}, & 1<y<9 ; \\ 0, & \text { 其他 } .\end{cases} $$ ### 问题总结 $Y=g(X)$ 的分布函数与密度函数求解的一般步骤: 1 由随机变量 $x$ 的取值范围 $\Omega_x$ 确定随机变量 $y$ 的取值范围 $\Omega_x$ ; 2 对任意一个 $y \in \Omega_Y$ ,求出 $F(y)=P(Y \leq y)=P(g(X) \leq y)=P\left\{X \in G_y\right\}=\int_{G_Y} f(x) d x$ . 其中 $\left\{X \in G_y\right\}$ 是与 $\{g(X) \leq y\}$ 等价的随机事件,而 $G_y=\{x: g(x) \leq y\}$ 是实数轴上的某个集合(通常是一个区间或若干个区间的并集)。 3 按分布函数的定义写出 $F_Y(y),-\infty<y<+\infty$ 4 通过对分布函数求导,得到 $f_Y(y)=F_Y^{\prime}(y), ~-\infty<y<+\infty$ 。 `例`设 $X \sim N(0,1)$ ,求随机变量 $Y=|X|$ 的密度函数. 解 易得随机变量 $Y=|X|$ 的取值范围为区间 $[0,+\infty) , Y$ 仍然是一个连续 型随机变量。当 $y \geq 0$ 时, $Y$ 的分布函数为 $$ F_Y(y)=P(Y \leq y)=P(|X| \leq y)=P(-y \leq X \leq y)=\Phi(y)-\Phi(-y) $$ 直接对上式求导有 $f_Y(y)=F_y^{\prime}(y)=\Phi^{\prime}(y)-\Phi^{\prime}(-y)=\frac{2}{\sqrt{2 \pi}} \mathrm{e}^{-\frac{y^2}{2}}$ 所以, $Y$ 的概率密度函数为 $\quad f_Y(y)= \begin{cases}\frac{2}{\sqrt{2 \pi}} \mathrm{e}^{-\frac{y^2}{2}}, & y>0, \\ 0, & \text { 其它. }\end{cases}$ `例`设连续型随机变量 $X$ 具有密度函数 $f_X(x)(-\infty<x<+\infty)$ ,求 $Y=g(X)=$ $X^2$ 的密度函数。 解 先求 $Y$ 的分布函数 $F_Y(y)$ 。因为 $Y=g(X)=X^2 \geqslant 0$ ,所以当 $y \leqslant 0$ 时,事件 $\{Y \leqslant y\}$的概率为 0 ,即 $F_Y(y)=P\{Y \leqslant y\}=0$ ; 当 $y>0$ 时,有 $$ F_Y(y)=P\{Y \leqslant y\} \leqslant P\left\{X^2 \leqslant y\right\}=P\{-\sqrt{y} \leqslant X \leqslant \sqrt{y}\}=\int_{-\sqrt{y}}^{\sqrt{y}} f_X(x) d x $$ 将上述所得的 $F_Y(y)$ 关于 $y$ 求导,即得 $Y$ 的密度函数为 $$ f_Y(y)= \begin{cases}\frac{1}{2 \sqrt{y}}\left[f_X(\sqrt{y})+f_X(-\sqrt{y})\right], y>0 \\ 0, & y \leqslant 0\end{cases} $$ 例如,当 $X \sim N(0,1)$ 时,则 $Y=X^2$ 的密度函数为 $$ f_Y(y)= \begin{cases}\frac{1}{\sqrt{2 \pi}}, y>0 \\ 0, & y \leqslant 0\end{cases} $$ 此时称 $Y$ 服从自由度为 1 的 $\chi^2$ 分布. 上例 中关键的一步在于将事件 $Y \leq y\}$ 由其等价事件 $\{-\sqrt{y} \leqslant X \leqslant \sqrt{y}\}$ 代替,即将事件 $\{Y \leqslant y\}$ 转换为关于 $X$ 的范围所表示的等价事件。下面我们仅对 $Y=g(X)$[函数 $g(x)$ 为严格单调的]写出一般结论. ## 定理 **定理1** 设连续型随机变量 $X$ 的密度函数为 $f_X(x) , Y=g(X)$ 是连续型随机变量, 若 $y=g(x)$ 为严格单调函数, $x=g^{-1}(y)$ 为相应的反函数,且为可导函数,则 $Y=g(X)$ 的密度函数为 $$ f_Y(y)=f_X\left(g^{-1}(y)\right) \cdot\left|\left[g^{-1}(y)\right]\right| $$ 证明:略。 **定理2** 设 $X \sim N\left(\mu, \sigma^2\right)$ ,则当 $k \neq 0$ 时, $Y=k X+b \sim N\left(k \mu+b, k^2 \sigma^2\right)$ , 特别地, $\frac{X-\mu}{\sigma} \sim N(0,1)$ `例`设 $X \sim N\left(\mu, \sigma^2\right)$ ,求随机变量 $Y=\mathrm{e}^X$ 的密度函数. 解 因 $y=\mathrm{e}^x$ 的反函数为 $x=\ln y$ ;当 $y>0$ 时单增, $x^{\prime}=\frac{1}{y}$ ,所以当 $y>0$ 时 $$ f_Y(y)=f_X(\ln y)(\ln y)^{\prime}=\frac{1}{\sqrt{2 \pi} \sigma y} \mathrm{e}^{-\frac{(\ln y-\mu)^2}{2 \sigma^2}} $$ 所以 $Y=\mathrm{e}^X$ 的密度函数为 $$ f_Y(y)= \begin{cases}\frac{1}{\sqrt{2 \pi} \sigma y} \mathrm{e}^{-\frac{(\ln y-\mu)^2}{2 \sigma^2}}, & y>0, \\ 0, & \text { 其它. }\end{cases} $$
开VIP会员
非会员每天6篇,会员每天16篇,VIP会员无限制访问
题库训练
自我测评
投稿
上一篇:
离散型随机变量函数的分布
下一篇:
课外阅读:柯西分布
本文对您是否有用?
有用
(
0
)
无用
(
0
)
纠错
高考
考研
关于
赞助
公式
科数网是专业专业的数学网站。