一维随机变量函数的分布

所属章节:第2章 一维随机变量及其分布

设 XX 为随机变量,函数 y=g(x)y = g(x),则以随机变量 XX 作为自变量的函数 Y=g(X)Y = g(X) 也是随机变量,称为随机变量 XX 的函数 . 例如:Y=aX2+bX+cY = aX^2 + bX + c,Y=∣X−a∣Y = |X - a|,Y={X,X⩽1,1,X>1,Y = \begin{cases} X, & X \leqslant 1, \\ 1, & X > 1, \end{cases} 等等 .

示例 设随机变量 X∼(125121316)X \sim \begin{pmatrix} 1 & 2 & 5 \\ \frac{1}{2} & \frac{1}{3} & \frac{1}{6} \end{pmatrix},令 Y=10 000X+8Y = 10\,000X + 8,则 Y∼(10 00820 00850 008121316)Y \sim \begin{pmatrix} 10\,008 & 20\,008 & 50\,008 \\ \frac{1}{2} & \frac{1}{3} & \frac{1}{6} \end{pmatrix} .

随机变量函数的分布

(1) 离散型 →\to 离散型 .

设 XX 为离散型随机变量,其概率分布为 P{X=xi}=pi (i=1,2,⋯ )P\{X = x_i\} = p_i \, (i = 1, 2, \cdots),则 XX 的函数 Y=g(X)Y = g(X) 也是离散型随机变量,其概率分布为 P{Y=g(xi)}=pi (i=1,2,⋯ )P\{Y = g(x_i)\} = p_i \, (i = 1, 2, \cdots),即

Y∼(g(x1)g(x2)⋯p1p2⋯).Y \sim \begin{pmatrix} g(x_1) & g(x_2) & \cdots \\ p_1 & p_2 & \cdots \end{pmatrix} .

如果有若干个 g(xi)g(x_i) 值相同,则合并诸项为一项 g(xk)g(x_k),并将相应概率相加作为 YY 取 g(xk)g(x_k) 值的概率 .

示例 设随机变量 X∼(−101131313)X \sim \begin{pmatrix} -1 & 0 & 1 \\ \frac{1}{3} & \frac{1}{3} & \frac{1}{3} \end{pmatrix},令 Y=X2Y = X^2,则 Y∼(011323)Y \sim \begin{pmatrix} 0 & 1 \\ \frac{1}{3} & \frac{2}{3} \end{pmatrix} .

关联知识

原文:原笔记 · 2.3 一维随机变量函数的分布 P47(原文件第 151–170 行)。

返回概率论导航