江汉大学人工智能学院,湖北武汉430056
摘要: 在随机向量服从二维正太分布的不同情况下,用多种方法计算
,
并将主流教材的习题推广到更一般情行。
关键词: 数学期望;正态分布;最大值;最小值。
中图分类号:O211.1 文献标识码 A
对初学者来说,概率论比较难学,概率论的一些计算更是比较难做,不仅涉及的积分和级数很难计算,而且还要用到一些特别的技巧,例如,在文[1][2][3]出现这样一个习题,设随机向量服从二维正太分布,计算。根据本人多年的教学经验,学生解答这种题目的效果非常差,很少有人独立正确解答出来。本文的目的就是探讨在随机向量服从二维正太分布的不同情况下,用多种方法计算。我们先讨论教材上的习题。
例1设随机向量服从二维正太分布,计算。
解法1 的联合概率密度函数为
(1)
(利用对称性)
作变换 ,
(2)
(3)
其中式(1)难倒一部分同学,式(2)用到了分步积分法,在二重积分中应用分步积分这是很多同学想不到的,少部分同学甚至都看不懂这种做法,这一步难倒绝大多数同学,(3)用到概率密度函数的性质,即正态分布的概率密度函数在上的积分等于1。下面用特殊技巧来简化我们的计算量。
解法2 利用技巧,注意
则 ,
由于 ,于是
,则
(4)
故 。
就本题而言,解法2计算量小,但是技巧性更强,总体而言,解法2简单一些。如果随机向量服从一般的二维正太分布,解法2简单多了,甚至可以说是最佳方法了。这个例子就是文献[1]和[2]中第三章习题29,也是文献[3]中第四章习题30。
下面用同样的两种方法计算的最小值数学期望。
例2设随机向量服从二维正太分布,计算。
解法1 与例1解法1完全类似可得 。
解法2 利用技巧,注意,则
,
由(4)知 。故 。
例3设随机向量服从二维正太分布,计算,。
解 作变换
,
则的联合概率密度函数为
,
故仍然服从二维正太分布,用同样方法可以得出:也服从二维正太分布,由例1和例2可得
,,
,,
,。
下面我们讨论服从一般二维正太分布的情形。为此先计算一个后面要用到的结论。
例4设,计算。
解
(),,,
(5)
其中是标准正态分布的分布函数。下面将例1例2推广到一般二维正态分布的情形。
例5 设随机向量服从二维正太分布,计算,。
解利用技巧,
注意
由于 ,于是 ,由(5)式得
则
。
本题如果用例1解法1来计算,将会困难重重。如果取,便得到例1例2的结果。
例6 设随机向量服从二维正太分布,计算,。
解 的联合概率密度函数为
作变换
,
则的联合概率密度函数为
故服从二维正太分布,由例1和例2可得
;
。
例7 设随机向量服从二维正太分布,计算,。
解 由例5和例6不难得到
(8)
(9)
(10)
(11)
当时,(8)(9)就是例1例2的结论,(10)(11)就是例3的结论,同时(8)(9)(10)(11)是文献[1]中第三章习题29,(8)也是文献[2]中第三章习题29。
参考文献:
[1]中山大学邓集贤等. 概率论及数理统计( 上) [M]. 北京: 高等教育出版社,2009.
[2]茆诗松,程依明,濮晓龙.概率论与数理统计教程[M]3版.北京: 高等教育出版社,2019.
[3] 李贤平.概率论基础[M].3版.北京:高等教育出版社,2010.