4.9 KiB
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
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:
- 列出
X的所有可能取值x_1, x_2, \ldots, x_n及对应概率p_k - 计算每个
x_k对应的y_k = g(x_k) - 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 $y$) - 写出
Y的分布律 - 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) = 0.4P(Y = 1) = 0.2 + 0.2 = 0.4P(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) = 1/4P(Y = 1) = P(X = -1) + P(X = 1) = 1/4 + 1/4 = 1/2P(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) = 1/5P(Y = 1) = 1/5 + 1/5 = 2/5P(Y = 4) = 1/5 + 1/5 = 2/5
Y 的分布律:
Y |
0 | 1 | 4 |
|---|---|---|---|
P |
1/5 | 2/5 | 2/5 |