连续型随机变量函数的分布

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/baishuiniyaonulia/article/details/83349728

设已知 X X 的分布函数 F X ( x ) F_X(x) 或概率密度函数 f X ( x ) f_X(x) ,则随机变量函数 Y = g ( X ) Y=g(X) 的分布函数可按如下方法求得: F Y ( y ) = P { Y y } = P { g ( X ) y } = P { X C y } = C y f X ( x ) d x \begin{aligned} F_Y(y) & =P\{Y \leqslant y\} \\ & = P\{g(X)\leqslant y\} \\ & = P\{X \in C_y\} \\ & = \int_{C^y}f_X(x)dx \\ \end{aligned} 其中 C y = { x g ( x ) y } C_y = \{x | g(x) \leqslant y\}

公式法求连续型随机变量函数的分布
设连续型随机变量 X X 的密度函数为 f X ( x ) f_X(x) ,若 y = g ( x ) y=g(x) 是处处可导且恒有 g ( x ) > 0 g'(x) > 0 g ( x ) < 0 g'(x) < 0 的函数(即 g ( x ) g(x) 单调),其反函数为 x = g 1 ( y ) x=g^{-1}(y) ,则 Y = g ( X ) Y=g(X) 的概率密度函数为 f Y ( y ) = { f X ( g 1 ( y ) ) g 1 ( y ) , α < y < β 0 , o t h e r w i s e f_Y(y) = \begin{cases} f_X(g^{-1}(y))|g^{-1}(y)'|, & \alpha < y < \beta \\ 0, & otherwise \end{cases}
其中 α = min { g ( ) , g ( ) } \alpha = \min\{g(-\infty), g(\infty)\} β = max { g ( ) , g ( ) } \beta = \max\{g(-\infty), g(\infty)\}

猜你喜欢

转载自blog.csdn.net/baishuiniyaonulia/article/details/83349728