漫步数理统计八——随机变量(下)
2017-03-15 22:34
295 查看
接下来考虑离散随机变量的累加分布函数。
例2:考虑例1,X的空间是D={2,…,12},如果x<2,那么FX(x)=0,如果2≤x<3,那么FX(x)=1/36,依次递推,我们可以看到X的cdf是一个递增的阶梯函数,如图1。给定FX(x),我们可以确定X的pmf。
![](https://img-blog.csdn.net/20170315223106360?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxMDE4MjYzMw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
图1
下面讨论连续随机变量的cdf。
例3:令X表示0与1之间随机选择的一个实数,我们现在求X的cdf。首先,如果x<0,那么P(X≤x)=0,接下来,如果X>1,那么P(X≤x)=1,最后,如果0<x<1,根据等式3可得P(X≤x)=P(0<X≤x)=x−0=x,因此X的cdf是
FX(x)=⎧⎩⎨0x1ifx<0if0≤x<1ifx≥1
X的cdf如图2所示,
![](https://img-blog.csdn.net/20170315223152549?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdTAxMDE4MjYzMw==/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)
图2
令fX(x)为
fX(x)={100<x<1elsewhere
那么
FX(x)=∫x−∞fX(t)dt,for all x∈R
除了x=0,x=1外,对所有的x∈R,ddxFX(x)=fX(x),函数fX(x)定义为X的概率密度函数(pdf),为了说明如何用pdf计算X上的概率,考虑
P(18<X<34)=∫3/41/8fX(x)dx=∫3/41/81dx=58
令X,Y是两个随机变量,当且仅当对所有x∈R,FX(x)=FY(x),我们说X,Y分布上是相等的,写作X=DY。注意X,Y在分布上可能相等的时候,他们可能差别非常大,例如考虑上面的例子,令随便变量Y=1−X,那么Y≠X,但是Y的空间是(0,1),与X 是一样的。进一步,当y<0时Y的cdf是0;当y>1时为1;当0≤y<1时它是
FY(y)=P(Y≤y)=P(1−X≤y)=P(X≥1−y)=1−(1−y)=y
因此Y与X有相同的cdf,即Y=DX,但是Y≠X。
图1,2展示的cdf表明增函数的下界为0,上界为1,这两幅图至少是右连续的,正如下面定理所述的,对于一般的cdf而言,这些性质都是成立的。
定理1:令X是随机变量,其累加分布函数是F(x),那么
对于所有的a,b,如果a<b,那么F(a)<F(b),(F是非减函数)
limx→−∞F(x)=0,(F的下极限是0)
limx→∞F(x)=1,(F的上极限是0)
limx↓x0F(x)=F(x0),(F是右连续的)
证明:我们证明(a),(d),其余的读者可以试着练习一下。
a:因为a<b,我们有{X≤a}⊂{X≤b},根据P的单调性即得出结论。
b:令{xn}是满足xn↓x0的任意实数序列,令Cn={X≤xn},那么集合序列{Cn}是递减的且∩∞n=1Cn={X≤x0},因此前面学到的定理可得
limn→∞F(xn)=P(⋂n=1∞Cn)=F(x0)
得证。
下面的定理在用cdf计算概率是非常有用。
定理2:令X是随机变量,cdf为FX,那么对于a<b,P[a<X≤b]=FX(b)−FX(a)。
证明:注意
{−∞<X≤b}={−∞<X≤a}∪{a<X≤b}
等式右边是两个互斥集合的并,由此推断结论。
例4:令X表示某电器的寿命,假设X的cdf为
FX(x)={01−e−xx<00≤x
X的pdf,ddxFX(x)是
fX(x)={e−x00<x<∞elsewhere
实际上x=0处的导数不存在,但是在连续的情况下,下一个定理说明P(X=0)=0,故我们令fX(0)=0不影响X的概率。那么寿命在1到3年间的概率为
P(1<X≤3)=FX(3)−FX(1)=∫31e−xdx
即概率可以用FX(3)−FX(1)找出,或者用积分计算出来,这两种情况的结果都是e−1−e−3=0.318。
定理1说明cdf是右连续且单调的,这样的函数只有可数个不连续点,正如下面定理说述,cdf的不连续点有质量;即,如果x是FX的一个不连续点,那么P(X=x)>0。
定理3:考虑任何随机变量,对于所有的x∈R
P[X=x]=FX(x)−FX(x−)
其中FX(x−)=limz↑xFX(x)。
证明:对任意x∈R,我们有
{x}=⋂n=1∞(x−1n,x]
即,{x}是递减集合序列的极限,因此
P[X=x]=P[⋂n=1∞{x−1n<X≤x}]=limn→∞P[x−1n<X≤x]=limn→∞[FX(x)−FX(x−(1/n))]=FX(x)−FX(x−)
得证。
例5:令X有不连续的cdf
FX(x)=⎧⎩⎨0x/21x<00≤x<11≤x
那么
P(−1<X≤1/2)=FX(1/2)−FX(−1)=14−0=14
且
P(X=1)=FX(1)−FX(1−)=1−12=12
不管是pmf为pX(x)的离散随机变量还是pdf为fX(x)的连续随机变量,全概率都为1,所以下式恒为真
∑x∈DpX(x)=1,∫DfX(x)dx=1
其中D是X的空间。对于接下来的两个例子,我们会用这个性质来确定pmf或pdf。
例6:假设X的pmf为
pX(x)={cx0x=1,2,…,10elsewhere
那么
1=∑x=110pX(x)=∑x=110cx=c(1+2+⋯+10)=55c
因此c=1/55。
例7:假设X的pdf为
fX(x)={cx300<x<2elsewhere
那么
1=∫20cx3dx=cx44|20=4c
因此c=1/4。当计算涉及X的概率是,我们有
P(14<X<1)=∫11/4x34dx=2554096=0.06226
博文pdf版本下载地址:http://pan.baidu.com/s/1dF02pgt
例2:考虑例1,X的空间是D={2,…,12},如果x<2,那么FX(x)=0,如果2≤x<3,那么FX(x)=1/36,依次递推,我们可以看到X的cdf是一个递增的阶梯函数,如图1。给定FX(x),我们可以确定X的pmf。
图1
下面讨论连续随机变量的cdf。
例3:令X表示0与1之间随机选择的一个实数,我们现在求X的cdf。首先,如果x<0,那么P(X≤x)=0,接下来,如果X>1,那么P(X≤x)=1,最后,如果0<x<1,根据等式3可得P(X≤x)=P(0<X≤x)=x−0=x,因此X的cdf是
FX(x)=⎧⎩⎨0x1ifx<0if0≤x<1ifx≥1
X的cdf如图2所示,
图2
令fX(x)为
fX(x)={100<x<1elsewhere
那么
FX(x)=∫x−∞fX(t)dt,for all x∈R
除了x=0,x=1外,对所有的x∈R,ddxFX(x)=fX(x),函数fX(x)定义为X的概率密度函数(pdf),为了说明如何用pdf计算X上的概率,考虑
P(18<X<34)=∫3/41/8fX(x)dx=∫3/41/81dx=58
令X,Y是两个随机变量,当且仅当对所有x∈R,FX(x)=FY(x),我们说X,Y分布上是相等的,写作X=DY。注意X,Y在分布上可能相等的时候,他们可能差别非常大,例如考虑上面的例子,令随便变量Y=1−X,那么Y≠X,但是Y的空间是(0,1),与X 是一样的。进一步,当y<0时Y的cdf是0;当y>1时为1;当0≤y<1时它是
FY(y)=P(Y≤y)=P(1−X≤y)=P(X≥1−y)=1−(1−y)=y
因此Y与X有相同的cdf,即Y=DX,但是Y≠X。
图1,2展示的cdf表明增函数的下界为0,上界为1,这两幅图至少是右连续的,正如下面定理所述的,对于一般的cdf而言,这些性质都是成立的。
定理1:令X是随机变量,其累加分布函数是F(x),那么
对于所有的a,b,如果a<b,那么F(a)<F(b),(F是非减函数)
limx→−∞F(x)=0,(F的下极限是0)
limx→∞F(x)=1,(F的上极限是0)
limx↓x0F(x)=F(x0),(F是右连续的)
证明:我们证明(a),(d),其余的读者可以试着练习一下。
a:因为a<b,我们有{X≤a}⊂{X≤b},根据P的单调性即得出结论。
b:令{xn}是满足xn↓x0的任意实数序列,令Cn={X≤xn},那么集合序列{Cn}是递减的且∩∞n=1Cn={X≤x0},因此前面学到的定理可得
limn→∞F(xn)=P(⋂n=1∞Cn)=F(x0)
得证。
下面的定理在用cdf计算概率是非常有用。
定理2:令X是随机变量,cdf为FX,那么对于a<b,P[a<X≤b]=FX(b)−FX(a)。
证明:注意
{−∞<X≤b}={−∞<X≤a}∪{a<X≤b}
等式右边是两个互斥集合的并,由此推断结论。
例4:令X表示某电器的寿命,假设X的cdf为
FX(x)={01−e−xx<00≤x
X的pdf,ddxFX(x)是
fX(x)={e−x00<x<∞elsewhere
实际上x=0处的导数不存在,但是在连续的情况下,下一个定理说明P(X=0)=0,故我们令fX(0)=0不影响X的概率。那么寿命在1到3年间的概率为
P(1<X≤3)=FX(3)−FX(1)=∫31e−xdx
即概率可以用FX(3)−FX(1)找出,或者用积分计算出来,这两种情况的结果都是e−1−e−3=0.318。
定理1说明cdf是右连续且单调的,这样的函数只有可数个不连续点,正如下面定理说述,cdf的不连续点有质量;即,如果x是FX的一个不连续点,那么P(X=x)>0。
定理3:考虑任何随机变量,对于所有的x∈R
P[X=x]=FX(x)−FX(x−)
其中FX(x−)=limz↑xFX(x)。
证明:对任意x∈R,我们有
{x}=⋂n=1∞(x−1n,x]
即,{x}是递减集合序列的极限,因此
P[X=x]=P[⋂n=1∞{x−1n<X≤x}]=limn→∞P[x−1n<X≤x]=limn→∞[FX(x)−FX(x−(1/n))]=FX(x)−FX(x−)
得证。
例5:令X有不连续的cdf
FX(x)=⎧⎩⎨0x/21x<00≤x<11≤x
那么
P(−1<X≤1/2)=FX(1/2)−FX(−1)=14−0=14
且
P(X=1)=FX(1)−FX(1−)=1−12=12
不管是pmf为pX(x)的离散随机变量还是pdf为fX(x)的连续随机变量,全概率都为1,所以下式恒为真
∑x∈DpX(x)=1,∫DfX(x)dx=1
其中D是X的空间。对于接下来的两个例子,我们会用这个性质来确定pmf或pdf。
例6:假设X的pmf为
pX(x)={cx0x=1,2,…,10elsewhere
那么
1=∑x=110pX(x)=∑x=110cx=c(1+2+⋯+10)=55c
因此c=1/55。
例7:假设X的pdf为
fX(x)={cx300<x<2elsewhere
那么
1=∫20cx3dx=cx44|20=4c
因此c=1/4。当计算涉及X的概率是,我们有
P(14<X<1)=∫11/4x34dx=2554096=0.06226
博文pdf版本下载地址:http://pan.baidu.com/s/1dF02pgt
相关文章推荐
- 漫步数理统计九——离散随机变量
- 漫步数理统计十——连续随机变量(上)
- 漫步数理统计十一——连续随机变量(下)
- 漫步数理统计七——随机变量(上)
- 漫步数理统计二十——多元随机变量
- 漫步数理统计十九——独立随机变量
- 漫步数理统计十二——随机变量的期望
- 漫步数理统计二十二——二项及相关分布
- 漫步数理统计三十二——中心极限定理
- 漫步数理统计一——绪论
- 漫步数理统计十七——条件分布与期望
- 漫步数理统计二十七——t与F分布
- 漫步数理统计四——概率集合函数(下)
- 漫步数理统计十四——重要的不等式
- 漫步数理统计二十九——函数期望
- 漫步数理统计三十四——顺序统计量
- 漫步数理统计二十八——混合分布
- 漫步数理统计三十——依概率收敛
- 漫步数理统计三十一——依分布收敛
- 漫步数理统计三——概率集合函数(上)