概率统计-随机变量的函数

随机变量的函数就是说通过函数映射的形式，将原来的一个或者多个随机变量放进函数里，然后得到一个新的随机变量。这里主要是分成了两种类型，一个是一元函数，另一个是多元函数（基本上都是二元函数）。这两种函数因为诞生的意义的不同，所以在研究方法和其他方面里都存在明显的差距。

对于一元函数，我觉得最漂亮的是关于标准分布的构造。这个思想是我见过构造性最强的数学应用，总之就是很漂亮的构造。

对于二元函数，会涉及到两个随机变量的相互作用，所以应用的数学工具会更加强大，比如说卷积，线积分，可以说是另一个层次的美感。

一、分布分类

正如摘要提到的，分布的描述对象不止限于客观对象。因此我们对现在研究的分布进行一个分类：

类别	分布
普通分布	正态分布，负指数分布，均匀分布等
标准分布	标准正态分布， $\chi^2$ 分布，$t$ 分布，$F$ 分布

理解这补充的三种分布，最重要的是，本质上他们都普普通通的分布，与正态分布，负指数分布，均匀分布没有任何区别。我们对普通的分布，研究的是数字特征，研究他们的性质，对于标准分布，我们依然研究他们的参数，研究他们的性质。

当然，区别还是有的，他们与普通分布的最重要区别是，他们一般不是对客观世界某个试验的结果的描述，比如说负指数分布可以描述动物的寿命，服务系统的排队时间，正态分布可以描述人群的身高。但是这些标准分布并不能描述自然现象，也就是普通的随机变量，他们描述的是随机变量的函数，换句话说，他们描述的是对象是经过数学构造过的随机变量。所以他们的概率密度的数学形式更加复杂，而且莫名其妙，不容易让人理解。

那么我们为什么要这样自讨苦吃？好在了我们完全了解标准分布，我们知道他们的密度函数表达式是什么，虽然分布函数的表达式写不出来，但是我们有表，就等于知道了所有的概率分布。如果一个随机变量服从这些标准分布，我们就完全了解了这些随机变量，我们想求一个区间的概率密度，一查表，事情就解决了。

另外还有一个重要特点，就是标准分布呈现了连续构造的特征，我们构造 $\chi^2$ 分布的时候利用了 $\phi$ ，构造 $t$ 分布的时候利用了 $\chi^2$ 和 $\phi$ ，构造 $F$ 分布的时候利用了 $\chi^2$ 。但是需要注意，虽然构造的时候，分布们互相调用，但是这种调用也没有办法看出任何有意义的联系。这种构造方式，一般是为了说明某个随机变量是随机变量，也就是说，发挥的是判定定理的作用。

---

二、标准分布

2.1 标准化随机变量

虽然这个不是标准分布，但是他的精神是一致的，就是不再描述客观世界中的随机变量，而是描述用函数构造出的随机变量。

对于随机变量 $X$ 构造 $X^*$

$$X^{*} = \frac{X -EX}{\sqrt{DX}}$$

这个新的标准化随机变量，有以下数字特征：

$$EX^* = 0$$ $$DX^* = 1$$

2.2 标准正态分布

参数 $\mu = 0, \sigma = 1$ 的正态分布即 $N(0,1)$ ，被称为标准正态分布，其概率密度函数和分布函数分别用 $\phi(x)$ 和 $\Phi(x)$ 表示。

之所以提出标准正态分布的概念，是因为为了方便实践，虽然正态分布函数没法用初等函数表示，但是我们可以通过查表来获得标准正态分布某个区间的概率。只要我们能在正态分布函数和标准正态分布函数中建立某种联系，我们就可以获得所有正态分布的区间概率。

在后面的介绍中，即使这些标准分布都可以给出概率密度的表达式，但是我都不记录，因为没必要，因为我们也不会对其积分，我们算概率用的是查表。

应用：

$$\frac{\bar{X} - \mu}{\sigma / \sqrt{n}} \sim N(0, 1)$$

2.3 $\chi^2$ 分布

判定：

若$X1, X_2, X_3, \cdots, X_n, \cdots$ 相互独立，且都服从 $N(0,1)$ ，则随机变量 $\sum^n{i = 1}X_i^2$ 服从 $\chi^2(n)$ 分布。

性质：

• 有一个参数n，当n越大的时候，概率密度图像越平，最高点越向 x 轴正方向延伸
• 若 $X\sim \chi^2(n)$ ，有 $EX = n, DX = 2n$
• 若 $X_1\sim \chi^2(n_1)$ ， $X_2\sim \chi^2(n_2)$ ，则 $X_1 + X_2 \sim \chi^2(n_1 + n_2)$

应用：

$$(n - 1)\frac{S^2}{\sigma^2} \sim \chi^2(n-1)$$

除了上面这个应用以外（也就是获得 $\sigma$ 的置信区间），卡方分布还有一个重要应用是检验总体分布假设（这是我们高中就接触的），其原理是皮尔逊 $\chi^2$ 统计量，这种统计量服从 $\chi^2$ 分布。

$$K = \frac{\sum^{k}_{i = 1}(n_i - np_i)^2}{np_i} \sim \chi^2(k - 1)$$

其中我们需要将数轴分为 $k$ 个不相交的区间（如果是离散型，那么离散型随机变量有几个取值，就分几个就好了），这种说法应该是为了连续型随机变量，$p_i$ 是这些区间的理论概率，$n_i$ 是试验落在对应区间的个数。

2.4 $t$ 分布

判定：

若 $X \sim N(0,1), Y \sim \chi^2(n)$ ，且 $X,Y$ 相互独立，则 $\frac{X}{\sqrt{Y/n}}$ 服从 $t(n)$ 分布。

性质：

• $t$ 分布关于 $t = 0$ 对称
• 当 $n\rightarrow +\infty$ 时， $t$ 分布近似于 $N(0,1)$ ，当 n 较小的时候， $t$ 分布与正态分布有较大差异

应用：

$$\frac{\bar{X} - \mu}{S / \sqrt{n}} \sim t(n - 1)$$ $$\frac{(\bar{X_1} - \bar{X_2}) - (\mu_1 - \mu_2)}{(m - 1)S_1^2 + (n - 1)S_2^2}\cdot\sqrt{\frac{mn(m + n -2)}{m + n}} \sim t(m + n - 2)$$

2.5 $F$ 分布

判定：

若 $X \sim \chi^2(n_1), Y \sim \chi^2(n_2)$ ，且 $X,Y$ 相互独立，则 $\frac{X/n_1}{Y/n_2}$ 服从 $F(n_1, n_2)$ 分布

性质：

应用：

$$\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2} \sim F(n-1, m - 1)$$

---

三、连续型随机变量的函数的分布

3.1 一维分布

这就是我觉得简单的那种，其关键点在于一个反函数，就直接拆开就好了，不会太难的。

3.2 二维分布

3.2.1 一般方法

已知二维连续型随机变量 $(X,Y)$ 的概率密度为 $f(x,y)$。求 $Z = g(X,Y)$ 的概率密度。

解：计 $D_z = {(x,y)\mid g(x,y)\le z}$。

$$F_Z(z) = P\{g(X,Y)\le z\} = P\{(X,Y)\in D_z\} = \iint_{D_z}f(x,y)dxdy$$ $$f_Z(z) = \frac{dF_Z(z)}{dz}$$

3.2.2 $Z = X + Y$

$$F_Z(z) = P\{X + Y \le z\} = \int^{+\infty}_{-\infty}\int^{z - x}_{-\infty}f(x,y)dxdy$$

做变量代换 $y = t - x$，然后有

$$\int^{+\infty}_{-\infty}\int^{z}_{-\infty}f(x,t - x)dtdx = \int^{z}_{-\infty}\int^{+\infty}_{-\infty}f(x,t - x)dxdt$$

所以有 $Z$ 的概率密度为

$$f_Z(z) = \int^{+\infty}_{-\infty}f(x,t - x)dx$$

当然，如果是更加普世一点的 $Z = aX + bY +c$，有

$$f_Z(z) = \int_{\bar{AB}}f(x,y)dx$$

其中 $\bar{AB}$ 是 $z = ax + by + c$ 这条直线的有向线段。相当于是一种第二类曲线积分。

如果有 $X,Y$ 是相互独立的条件，那么就会有更加优雅的结论，那就是

$$f_Z(z) = \int^{+\infty}_{-\infty}f(x,t - x)dx = \int^{+\infty}_{-\infty}f_X(x)\cdot f_Y(z - x)dx$$

我们又管右端的积分叫做卷积（关于卷积，可以看我的其他博文有介绍）

$$f_X\ast f_Y(z) = \int^{+\infty}_{-\infty}f_X(x)\cdot f_Y(z - x)dx$$

如果独立的变量还是正态分布，那么我们还有更好的性质，即

如果我们有 $X_i\sim N(\mu_i,\sigma_i^2)$ 。且各个随机变量相互独立，那么有

$$Z = \sum_i k_iX_i + b \sim N(\sum_ik_i\mu_i + b,\space\sum_i k_i^2\sigma_i^2)$$

3.3 $Z = max{X,Y}$

已知二维连续型随机变量 $(X,Y)$ 的概率密度为 $f(x,y)$，分布函数是 $F(x,y)$。

$$F_Z(z) = P\{X \le z,Y\le z\} = F(z,z)$$ $$f_Z(z) = F_Z^{\prime}(z)$$

如果有 $X,Y$ 是相互独立的条件，有

$$F_Z(z) = F_X(z)\cdot F_Y(y)$$

3.4 $Z = min{X,Y}$

已知二维连续型随机变量 $(X,Y)$ 的概率密度为 $f(x,y)$，分布函数是 $F(x,y)$。

$$F_Z(z) = P(\{X\le z\}+\{Y\le z\}) = P\{X\le z\} + P\{Y\le z\} - P\{X\le z,Y\le z\} = F_X(z)+F_Y(z) - F(z,z)$$

同时也有：

$$F_Z(z) = 1 - \iint_{x>z,y>z} f(x,y)dxdy$$

如果有 $X,Y$ 是相互独立的条件，有

$$F_Z(z) = 1 - (1 - F_X(z))\cdot(1-F_Y(y))$$