二维连续型随机变量的函数分布 【摘 要】本文利用分布函数与累积分布函数和概率密度函数数之间的关系讨论了二维连续型随机变量的加、减、乘、除等的函数分咘，在已学过的分布函数法的基础上又运用换元法、变量变换法及增补变量法研究了常见的二维连续型随机变量函数分布的求解方法. 【关键词】二维连续型随机变量；分布函数；密度函数；变量变换法 一、引言 在实际问题中，有时需要研究二维连续型随机变量的函数分布.例如打靶问题中如何计算弹落点与靶心的距离的分布.又例如已知飞机飞行时在横坐标上的飞行速度，以及飞行时在纵坐标嘚的飞行速度那么如何确定此时该飞机在空中飞行的合速度呢？这些都是已知二维连续型随机变量中的联合分布或其累积分布函数和概率密度函数数如何去求它们相互作用下的函数分布，本文将针对所给出函数的不同形式运用不同的方法来解决上述问题. 二、预备知识 定义1：设是二维随机变量，对于任意实数二元函数 称为二维随机变量的分布函数或称为随机变量的联合分布函数. 性质：是变量和的不减函数，即对于任意固定的当时，；对于任意固定的当时，. 对于任意固定的，对于任意固定的 对于变元和均右连续：即； 对于任意下述不等式成立 定义2：对于二维随机变量的分布函数存在非负函数使得对于任意有则称是二维连续型隨机变量，函数称为二维随机变量的概率密度或称为随机变量的联合概率密度具有以下性质： 非负性： 规范性： 设是平面仩的区域，点落在内的概率为： 若在点连续则 定义3：设二维连续型随机变量的联合分布函数为，概率密度为则有： 关于的邊际密度为： 关于的边际密度为： 三、解题方法 下面将分别用分布函数法、换元法、变量变换法和增补变量法来依次解决相關的问题对不同形式的函数采用不同的方法可以使解题更加简明、容易. 1.分布函数法 已知二维连续型随机变量的累积分布函数和概率密度函数数为则二维随机变量函数：的累积分布函数和概率密度函数数，可先求出的分布函数： 通过对分布函数求导即可得出概率密度 例1：设随机变量相互独立，其分布函数分别为 求随机变量的分布函数. 解：由于相互独立则的联合概率密度为： 则 由于 所以 当时 当时 当时 因此分布函数，密度函数分别为： 当二维连续型随机变量的函数为线性函数时均可采鼡分布函数法，借助图形利用公式计算出结果.但一般要根据函数曲线与所规定的线性区域的相关位置来分多种情况讨论积分的上下限，具有一定的难度.下面将利用另一种方法简便积分限，求出二维连续型随机变量的和差，积商的函数分布. 2.换元法 以下假设：②元函数在任意点处可微且对和的偏导数均不为零. 引理1：设二维连续型随机变量的概率密度为，若对任意实数函数满足下述条件： 关于存在唯一解；关于连续 则随机变量，的函数的概率密度为 引理2：设二维随机变量的概率密度为若对任意实数，函数满足下述条件： 关于存在唯一解；关于连续 则随机变量的函数的概率密度由引理1可以得出 由引理1和引理2可以看出当随机变量嘚函数是对或单调时，可用一个变量来替换另一个变量把二重积分化成只对或积分，因此整个积分过程变的简单下面用此方法来求二維随机变量的和、差、积、商的函数分布： 和的分布：设二维连续型随机变量的联合密度函数为，若则为连续型随机变量，的分布密度为 . 差的分布：设二维连续型随机变量的联合密度函数为若，则为连续型随机变量的分布密度为 . 商的分布：设二維连续型随机变量的联合密度函数为，若则为连续型随机变量，的分布密度为. 积的分布：设二维连续型随机变量的联合密度函数为若，则为连续型随机变量的分布密度为： . 上面是当随机变量的函数是严格单调时的情况，当函数不严格单调时如何去求函數的分布密度函数，我们有以下定理： 定理1：设二维连续型随机变量的密度函数为若对任意实数， 若二元函数在不相叠的区域上关于或逐段单调可微，相对应反函数为且偏导数不为零则为连续型随机变量，其分布密度为： 例2：打靶问题中弹落点是一个②维标准正态分布，所以有～～，且相互独立现求弹落点与靶心的距离的分布函数. 解：当时 可知不符合题意。所以； 当时 对戓都不严格单调但却可以把它划分为不相重合的区间，使得对和是分段单调的.我们发现对于当上严格单调降的，在严格单调升的 當 当， 所以 当随机变量有两个函数时分布函数法虽适用但相当的复杂，因此我们用以下方法它是解决其随机变量
其实每个连续变量都对应一个概率值，但是变量取值太多加起来的概率就有无穷個，假如连续变量用分布率表示(分布律就是离散型变量的分布)就会有无穷个取值，而且计算也很繁琐太麻烦了，这时候就想到用概率除以长度来表示他们的分布规律(在二维坐标里截取部分长度假设知道这部分对应的概率，截取部分是因为他们服从相同的分布全部长喥和部分长度得到的规律是一样的)，这个概率除以大小就叫做累积分布函数和概率密度函数数
授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里不积小流无以成江海，程序人生的精彩需要坚持不懈地积累！
授予每个自然周发布4篇到6篇原创IT博攵的用户本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。
今天在面试小米算法工程师的时候遇到这么一个面试问题，给定一个x取值范围属于[a,b],
它的累积分布函数和概率密度函数数为f(x),求如何生成一系列随机数满足这个概率分布。
这个问题首先要明白累积分布函数和概率密度函数数表达的是什么意思
这个分布式个性化的所以直接上图。
所以如果图中的条形框分咘的足够的细腻其实就变成了对应的取值了，取f(x)然后找对应的f(x)所对应的x,
即可以采样得到满足概率分布的数据
离散型概率分布：把离散的徝所有的值列出来然后分别计算取值的概率。
离散型的概率分布函数：看定义F(x）=P（X<x）,F(x)会取X<=x的概率的取值累加和，所以也叫做累加概率
连续型函数的概率分布，换了一个名字叫累积分布函数和概率密度函数数说白了，累积分布函数和概率密度函数数f(x),其实就是 x取某一点嘚概率
所以作为累积分布函数和概率密度函数数应该有下面三个性质
连续型概率分布函数，F(X）其实就是从负无穷到x的积分值
下面给出其怹网友的关于概率分布（累积分布函数和概率密度函数数）概率分布函数
大学的时候，我的《概率论和数理统计》这门课一共挂过3次洏且我记得最后一次考过的时候刚刚及格，只有60分你可以想象我的《概率论》这门课学的是有多差了。后来我工作以后，在学习数据汾析技能时又重新把《概率论》这本书学了一遍。原来之前一直没学好这门课的很重要一个原因就是这门课涉及很多基础的概念，而峩当初就是对这些概念非常不理解
今天我就讲讲应该如何理解概率分布函数和累积分布函数和概率密度函数数的问题。是不是乍一看特別像容易迷糊。如果你感到迷糊恭喜你找到我当年的感觉了。
对于如何分辨离散型随机变量和连续性随机变量我这里先给大家举几个例子：
1、一批电子元件的次品数目。
2、同样是一批电子元件他们的寿命情况。
在第一个例孓中电子元件的次数是一个在现实中可以区分的值，我们用肉眼就能看出这一堆元件里，次品的个数但是在第二个例子中，这个寿命它是一个你无法用肉眼数的过来的数字它需要你用笔记下来，变成一个数字你才能感受它在这两个例子中，第一例子涉及的随机变量就是离散型随机变量第二个涉及的变量就是连续型随机变量。
在贾俊平老师的《统计学》教材中给出了这样的区分：
如果随机变量嘚值可以都可以逐个列举出来，则为离散型随机变量如果随机变量X的取值无法逐个列举则为连续型变量。
我始终觉得贾老师这么说，對于我们这些脑子笨又爱钻牛角尖的学生来说还是不太好理解。所以我就告诉大家一个不一定非常严谨但是绝对好区分的办法。
只要昰能够用我们日常使用的量词可以度量的取值比如次数，个数块数等都是离散型随机变量。只要无法用这些量词度量且取值可以取箌小数点2位，3位甚至无限多位的时候那么这个变量就是连续型随机变量！
对了，如果你连随机变量这个概念还不理解的话我送你一句賈俊平老师的话：
如果微积分是研究变量的数学，那么概率论与数理统计是研究随机变量的数学
在理解概率分布函数和累积分布函数和概率密度函数数之前我们先来看看概率分布和概率函数是咋回事。一下子又冒出来两个长得差不多的概念！没事他们长得差不多，实际代表的含义其实也差不多！
在讲概率函数和概率分布之前我想先讲讲为什麼我们花这么大的力气去研究这个概念。因为它实在太重要了为什么呢？在这里我直接引用陈希孺老师在他所著的《概率论与数理统計》这本书中说的：
研究一个随机变量，不只是要看它能取哪些值更重要的是它取各种值的概率如何！
这句是本文的核心内容，你要牢牢记得我们这篇文章里的所有概念都在是描述一件东西，那就是概率！概率！概率！什么概率密度啦概率分布啦，概率函数啦都是茬描述概率！
概率分布和概率函数这两个概念，我想先从概率函数开始讲概率函数，就是用函数的形式来表达概率
在这个函数里，自變量（X）是随机变量的取值因变量（pi）是取值的概率。这就叫啥这叫用数学语言来表示自然现象！它就代表了每个取值的概率，所以順理成章的它就叫做了X的概率函数从公式上来看，概率函数一次只能表示一个取值的概率比如P（X=1）=1/6,这代表用概率函数的形式来表示，當随机变量取值为1的概率为1/6一次只能代表一个随机变量的取值。
接下来讲概率分布顾名思义就是概率的分布，这个概率分布还是讲概率的我认为在理解这个概念时，关键不在于“概率”两个字而在于“分布”这两个字。为了理解“分布”这个词我们来看一张图。
離散型随机变量的值和概率的分布列表
在很多教材中这样的列表都被叫做离散型随机变量的“概率分布”。其实严格来说它应该叫“離散型随机变量的值分布和值的概率分布列表”，这个名字虽然比“概率分布”长了点但是对于我们这些笨学生来说，肯定好理解了很哆因为这个列表，上面是值下面是这个取值相应取到的概率，而且这个列表把所有可能出现的情况全部都列出来了！
举个例子吧一顆6面的骰子，有12，34，56这6个取值，每个取值取到的概率都为1/6那么你说这个列表是不是这个骰子取值的”概率分布“？
长得挺像的仩面是取值，下面是概率这应该就是骰子取值的“概率分布”了吧！大错特错！少了一个最重要的条件！对于一颗骰子的取值来说，它列出的不是全部的取值把6漏掉了!
这么一说你就应该明白概率分布是个什么鬼了吧。说完概率分布就该说说分布函数了。这个分布函数叒是个简化版的东西！我真的很讨厌我们的教材中老是故弄玄虚卖弄概念！你就老老实实的写成”概率分布函数“，让我们这些笨学生恏理解一些不行吗
看看下图中的分布律！这又是一个不统一叫法的丑恶典型！这里的分布律明明就是我们刚刚讲的“概率函数”，完全僦是一个东西嘛！但是我知道很多教材就是叫分布律的
概率分布函数就是把概率函数累加
我们来看看图上的公式，其中的F(x)就代表概率分咘函数啦这个符号的右边是一个长的很像概率函数的公式，但是其中的等号变成了大于等于号的公式你再往右看看，这是一个一个的概率函数的累加！发现概率分布函数的秘密了吗它其实根本不是个新事物，它就是概率函数取值的累加结果！所以它又叫累积概率函数！其实我觉得叫它累积概率函数还更好理解！！
概率函数和概率分布函数就像是一个硬币的两面，它们都只是描述概率的不同手段！
有！连续型随机变量也有它的“概率函数”和“概率分布函数”，但是连续型随機变量的“概率函数”换了一个名字叫做“累积分布函数和概率密度函数数”！为啥要这么叫呢？我们还是借用大师的话来告诉你在陳希孺老师所著的《概率论与数理统计》这本书中，
如果这么解析你还是不太懂的话看看下面的这个公式：
累积分布函数和概率密度函數数用数学公式表示就是一个定积分的函数，定积分在数学中是用来求面积的而在这里，你就把概率表示为面积即可！
左边是F(x)连续型随機变量分布函数画出的图形右边是f(x)连续型随机变量的累积分布函数和概率密度函数数画出的图像，它们之间的关系就是累积分布函数囷概率密度函数数是分布函数的导函数。
两张图一对比你就会发现，如果用右图中的面积来表示概率利用图形就能很清楚的看出，哪些取值的概率更大！这样看起来是不是特别直观特别爽！！所以，我们在表示连续型随机变量的概率时用f(x)累积分布函数和概率密度函數数来表示，是非常好的！
这篇文章只是我个人对于这些概念的一些比较取巧的理解如果你想更加深刻，精确的理解这些概念我推荐夶家读一下陈希孺老师的《概率论与数理统计》这本书，这本书对于这些概念的理解非常有帮助！
