概率论8-两个随机变量的函数
一个函数
假定我们现在有一个函数$z=g(x,y)$,我们用随机变量$X$和$Y$代入得到的新随机变量$Z=g(X,Y)$服从什么分布呢?
由上一章我们知道,对于二维随机变量的联合分布函数是其密度函数的二维平面积分,从这里出发,我们可以得到多维随机变量函数的分布函数
分布函数
假设$X$和$Y$的联合分布密度函数为$f_{XY}=$,则有$F_Z(z)=P\lbrace g(x,y) \le z \rbrace$,如果我们用$D_z$表示$xy$平面上符合条件的区域,则有: $$ F_Z(z)=\iint_{D_z}f_{XY}(x,y)\mathrm d x \mathrm d y $$
密度函数
我们可以通过对分布函数求微分得到$f_Z(z)$ 同时我们也可以从下面式子得到 $$ f_Z(z)\mathrm d z=P\lbrace z \le Z \le z+\mathrm d z\rbrace=\iint_{\Delta D_z}f_{XY}(x,y)\mathrm d x \mathrm d y $$
两个函数
现在我们有两个函数$z=g(x,y), w=h(x,y)$, 我们用随机变量$X$和$Y$代入得到的两个新随机变量$Z=g(X,Y),W=h(X,Y)$,如何求它们的联合分布函数呢?
联合分布函数
假设$D_{zw}$表示$xy$平面上满足条件的区域,依旧上面的理论,我们可以得到 $$ F_{ZW}(z,w)=\iint_{D_{zw}}f_{XY}(x,y)\mathrm d x \mathrm d y $$
联合密度函数
雅可比行列式$J(x,y)$
$$
\begin{vmatrix}
\frac{\partial g(x,y)}{\partial x} & \frac{\partial g(x,y)}{\partial y}\
\frac{\partial h(x,y)}{\partial x} & \frac{\partial h(x,y)}{\partial y}
\end{vmatrix}
$$
并有$g(x,y)=z,h(x,y)=w$的$n$个实根$(x_i,y_i)$
则$Z,W$的联合密度函数为
$$
f_{ZW}(z,w)=\frac{f_{XY}(x_1,y_1)}{|J(x_1,y_1)|}+\cdots+\frac{f_{XY}(x_n,y_n)}{|J(x_n,y_n)|}
$$
独立随机变量的函数
现在我们假定$X,Y$相互独立,则有:
随机变量$Z,W$也是独立的
属性
期望
$$ \mathbb E \lbrace g(X,Y) \rbrace=\int_{-\infty}^{\infty}\int_{-\infty}^{\infty}g(x,y)f_{XY}(x,y)\mathrm d x \mathrm d y $$
条件期望
$$ \mathbb E \lbrace g(X,Y)|X=x \rbrace $$ 从略
矩
$$
m_{kr}=\mathbb E \lbrace X^kY^r \rbrace
$$
其中我们称$n=k+r$为这个矩的阶
. 从中我们可以看到一阶矩是$X$或$Y$的期望值,二阶中心矩是它们的协方差.
协方差(二阶中心矩)
协方差用于衡量两个随机变量的总体误差.当然如果这两个随机变量是重复试验得到的同一类随机变量,则它就是方差. $$ \mu_{11}=\mathbb E \lbrace (X-\bar X)(Y-\bar Y)\rbrace=\mathbb E \lbrace XY\rbrace-\mathbb E \lbrace X\rbrace\mathbb E \lbrace Y\rbrace $$
从协方差我们可以看出,
- 如果协方差为0,即$\mathbb E \lbrace XY\rbrace=\mathbb E \lbrace X\rbrace\mathbb E \lbrace Y\rbrace$,则两个随机变量是不相关的
- 如果$\mathbb E \lbrace XY\rbrace=0$,则它们是正交的
- 如果$f_{XY}(x,y)=f_X(x)f_Y(y)$,则它们是独立的
定理:
若$X,Y$独立,则它们是不相关的
定理:
若$X,Y$不相关,则它们和的方差等于它们的方差和
联合特征函数
两个随机变量的联合特征函数定义为 $$ \Phi_{XY}(\omega_1,\omega_2)=\mathbb E \lbrace e^{j(\omega_1 x+\omega_2 y}\rbrace $$
若该两个随机变量独立,则有 $$ \Phi_{XY}(\omega_1,\omega_2)=\mathbb E \lbrace e^{j(\omega_1 x}\rbrace\mathbb E \lbrace e^{j(\omega_2 y}\rbrace $$
- 原文作者:mlyixi
- 原文链接:https://mlyixi.github.io/post/math/%E6%A6%82%E7%8E%87%E8%AE%BA8-%E4%B8%A4%E4%B8%AA%E9%9A%8F%E6%9C%BA%E5%8F%98%E9%87%8F%E7%9A%84%E5%87%BD%E6%95%B0/
- 版权声明:本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,非商业转载请注明出处(作者,原文链接),商业转载请联系作者获得授权。