Files
MathNotesVersion1/公式笔记/概率论/Ch02_随机变量及其分布/题型6_随机变量函数的分布(离散).md
T

188 lines
4.9 KiB
Markdown
Raw Normal View History

2026-10-04 11:44:56 +08:00
# 题型六:随机变量函数的分布(离散) ⭐⭐
## 识别特征
- $X$ 是**离散型**随机变量,已知 $X$ 的分布律
- 求 $Y = g(X)$ 的分布律($g$ 是某个函数)
- 题目形如"$Y = aX + b$"、"$Y = X^2$"、"$Y = |X - a|$"
## 解题流程
```mermaid
flowchart TD
A[已知 X 离散分布律] --> B[1. 列出 X 的取值 x1, x2, ..., xn]
B --> C[2. 计算 Y 的取值 yk = g xk]
C --> D{是否有多个 X 对应同一 Y?}
D -->|否| E[直接写出 Y 的分布律]
D -->|是| F[3. 合并: P Y=yk = Σ P X=xi, g xi=yk]
F --> E
E --> G[4. 验证 Σ P Y = 1]
```
## 通法步骤
### 一、"列取值 → 合并"的标准化流程
**步骤**:
1. 列出 $X$ 的所有可能取值 $x_1, x_2, \ldots, x_n$ 及对应概率 $p_k$
2. 计算每个 $x_k$ 对应的 $y_k = g(x_k)$
3. **关键步骤**:**合并**相同的 $y$ 值(因为不同的 $x$ 可能映射到同一个 $y$)
4. 写出 $Y$ 的分布律
5. 验证 $\sum P(Y = y_k) = 1$
### 二、$Y = aX + b$(线性变换)
设 $X$ 取值 $\{x_1, \ldots, x_n\}$,概率 $\{p_1, \ldots, p_n\}$。
$Y = aX + b$ 的取值 $\{ax_1 + b, \ldots, ax_n + b\}$,对应概率 $\{p_1, \ldots, p_n\}$。
*极简例子:* $X$ 取值 $\{0, 1, 2\}$,概率 $\{0.2, 0.5, 0.3\}$,$Y = 2X + 1$。
| $X$ | 0 | 1 | 2 |
|-----|---|---|---|
| $Y = 2X+1$ | 1 | 3 | 5 |
| $P$ | 0.2 | 0.5 | 0.3 |
### 三、$Y = X^2$(非线性,需合并)
*极简例子:* $X$ 取值 $\{-2, -1, 0, 1, 2\}$,概率 $\{0.1, 0.2, 0.4, 0.2, 0.1\}$,$Y = X^2$。
- $g(-2) = g(2) = 4$,$g(-1) = g(1) = 1$,$g(0) = 0$
- $P(Y = 0) = 0.4$
- $P(Y = 1) = 0.2 + 0.2 = 0.4$
- $P(Y = 4) = 0.1 + 0.1 = 0.2$
| $Y$ | 0 | 1 | 4 |
|-----|---|---|---|
| $P$ | 0.4 | 0.4 | 0.2 |
### 四、$Y = |X|$(取绝对值,需合并正负)
*极简例子:* $X$ 取值 $\{-2, -1, 0, 1, 3\}$,$Y = |X|$。
- $P(Y = 0) = P(X = 0)$
- $P(Y = 1) = P(X = 1) + P(X = -1)$
- $P(Y = 2) = P(X = 2) + P(X = -2)$
- $P(Y = 3) = P(X = 3) + P(X = -3)$
### 五、求 $Y$ 的期望(预览 Ch04)
$$
E(Y) = \sum_k g(x_k) p_k
$$
> 这就是 Ch04 期望的定义 $E(Y) = \sum y_k P(Y = y_k)$。
## 常见陷阱
- **忘记合并**:$g$ 不是单射时(如 $X^2, |X|$),必须合并相同 $y$ 值
- **$g$ 的值域有限**:$Y$ 的取值只来自 $g$ 的值域,超出 $g$ 范围的 $P(Y) = 0$
- **不变函数**:若 $g(X) = c$(常数),则 $P(Y = c) = 1$(退化分布)
- **符号错误**:$Y = -X$ 时,$Y$ 的取值是 $X$ 取值的相反数
- **混淆"分布律"和"分布函数"**:本题求的是分布律(表格),不是分布函数 $F_Y(y)$
## 经典母题
> **题目 1(线性变换)**:设 $X$ 的分布律为
| $X$ | -1 | 0 | 1 | 2 |
|-----|----|----|----|----|
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
求 $Y = 2X + 3$ 的分布律。
**解析**:
**第一步**:列出 $X$ 取值及 $Y = 2X + 3$ 的值。
| $X$ | -1 | 0 | 1 | 2 |
|-----|----|----|----|----|
| $Y = 2X+3$ | 1 | 3 | 5 | 7 |
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
**第二步**:检查 $Y$ 各取值是否相同——都不同,无需合并。
**$Y$ 的分布律**:
| $Y$ | 1 | 3 | 5 | 7 |
|-----|---|---|---|---|
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
**验证**:$0.2 + 0.3 + 0.4 + 0.1 = 1$ ✓
---
> **题目 2($X^2$ 需合并)**:设 $X \sim B(2, 0.5)$,求 $Y = X^2$ 的分布律。
**解析**:
**第一步**:$X \sim B(2, 0.5)$ 的分布律:
| $X$ | 0 | 1 | 2 |
|-----|---|---|---|
| $P$ | 1/4 | 1/2 | 1/4 |
**第二步**:计算 $Y = X^2$:
| $X$ | 0 | 1 | 2 |
|-----|---|---|---|
| $Y$ | 0 | 1 | 4 |
| $P$ | 1/4 | 1/2 | 1/4 |
**第三步**:检查合并——$Y$ 各值都不同,无需合并!
**$Y$ 的分布律**:
| $Y$ | 0 | 1 | 4 |
|-----|---|---|---|
| $P$ | 1/4 | 1/2 | 1/4 |
**验证**:$1/4 + 1/2 + 1/4 = 1$ ✓
---
> **题目 3($|X|$ 需合并)**:设 $X$ 取值 $\{-2, -1, 0, 1, 2\}$,概率 $\{1/8, 1/4, 1/4, 1/4, 1/8\}$,求 $Y = |X|$ 的分布律。
**解析**:
**第一步**:列出 $Y = |X|$ 的值。
| $X$ | -2 | -1 | 0 | 1 | 2 |
|-----|----|----|----|----|----|
| $Y = \|X\|$ | 2 | 1 | 0 | 1 | 2 |
| $P$ | 1/8 | 1/4 | 1/4 | 1/4 | 1/8 |
**第二步**:合并相同 $Y$ 值:
- $P(Y = 0) = P(X = 0) = 1/4$
- $P(Y = 1) = P(X = -1) + P(X = 1) = 1/4 + 1/4 = 1/2$
- $P(Y = 2) = P(X = -2) + P(X = 2) = 1/8 + 1/8 = 1/4$
**$Y$ 的分布律**:
| $Y$ | 0 | 1 | 2 |
|-----|---|---|---|
| $P$ | 1/4 | 1/2 | 1/4 |
**验证**:$1/4 + 1/2 + 1/4 = 1$ ✓
---
> **变式(更复杂的函数)**:设 $X$ 的分布律为 $P(X = k) = \dfrac{1}{5}$,$k = 0, 1, 2, 3, 4$。求 $Y = (X - 2)^2$ 的分布律。
**解**:
| $X$ | 0 | 1 | 2 | 3 | 4 |
|-----|---|---|---|---|---|
| $Y = (X-2)²$ | 4 | 1 | 0 | 1 | 4 |
| $P$ | 1/5 | 1/5 | 1/5 | 1/5 | 1/5 |
**合并**:
- $P(Y = 0) = 1/5$
- $P(Y = 1) = 1/5 + 1/5 = 2/5$
- $P(Y = 4) = 1/5 + 1/5 = 2/5$
**$Y$ 的分布律**:
| $Y$ | 0 | 1 | 4 |
|-----|---|---|---|
| $P$ | 1/5 | 2/5 | 2/5 |