kaoyan1advanced 概率论与数理统计 第264题

教材习题

📝 题目

### 第264题

设 $(X, Y)$ 的概率密度为 $f(x, y)=\left\{\begin{array}{cc}1, & 0 \leqslant y \leqslant x \leqslant 2-y, \\ 0, & \text { 其他.}\end{array}\right.$ 则随机变量 $Z=X-Y$ 的概率密度 $f_{Z}(z)$ 应为 $\_\_\_\_$。

💡 答案解析

好的,我们先一步步分析题目中的条件,然后求出 Z = X - Y 的概率密度函数。题目中给的概率密度函数是常数1,但定义域比较特殊,我们先画出这个区域。

**第一步:确定区域范围** 条件为: $$ 0 \le y \le x \le 2 - y $$ 这可以拆成两部分: - 下界:y ≥ 0,且 x ≥ y - 上界:x ≤ 2 - y,同时隐含 y ≤ 2 - y,即 y ≤ 1。

所以 y 的范围是 0 ≤ y ≤ 1。 当 y 固定时,x 的范围是从 y 到 2-y。

区域形状: - 当 y=0 时,x 从 0 到 2 - 当 y=1 时,x 从 1 到 1(一个点) 所以这是一个三角形区域,顶点为 (0,0)、(2,0)、(1,1)。

**第二步:引入新变量** 我们要求 Z = X - Y,令另一个变量比如 W = Y(或者 X),方便做变量变换。 令: $$ Z = X - Y, \quad W = Y $$ 则反变换为: $$ X = Z + W, \quad Y = W $$ 雅可比行列式: $$ J = \begin{vmatrix} \frac{\partial x}{\partial z} & \frac{\partial x}{\partial w} \\ \frac{\partial y}{\partial z} & \frac{\partial y}{\partial w} \end{vmatrix} = \begin{vmatrix} 1 & 1 \\ 0 & 1 \end{vmatrix} = 1 $$

**第三步:确定新变量的取值范围** 原区域条件: 1. $0 \le y \le 1$ → $0 \le w \le 1$ 2. $y \le x \le 2-y$ 变成: - 左边:$w \le z + w$ → $0 \le z$,即 $z \ge 0$ - 右边:$z + w \le 2 - w$ → $z \le 2 - 2w$

所以对于固定的 z,w 必须满足: $$ 0 \le w \le 1, \quad z \ge 0, \quad w \le 1 - \frac{z}{2} $$ 同时 w 也要 ≥ 0,所以 w 的上限是 $\min(1, 1 - z/2)$。

由于 z ≥ 0,当 z > 2 时,1 - z/2 < 0,此时没有 w 满足条件,所以 z 的范围是 0 ≤ z ≤ 2。

**第四步:求边缘密度** 联合密度在变换后仍是常数1(因为雅可比为1,原密度为1),所以: $$ f_{Z,W}(z,w) = 1, \quad 在区域内 $$ 对 w 积分得到 Z 的密度: - 当 0 ≤ z ≤ 2 时,w 从 0 到 $1 - z/2$ 所以: $$ f_Z(z) = \int_0^{1 - z/2} 1 \, dw = 1 - \frac{z}{2} $$

**第五步:写出最终结果** 因此: $$ f_Z(z) = \begin{cases} 1 - \frac{z}{2}, & 0 \le z \le 2 \\ 0, & \text{其他} \end{cases} $$

**最终答案**: $$ \boxed{f_Z(z)=\begin{cases}1-\dfrac{z}{2},&0\leq z\leq 2\\0,&\text{其他}\end{cases}} $$

这样就完成了整个推导过程。

📋 详细解题步骤

步骤 1/5
目标:确定区域范围
由条件 $0 \leqslant y \leqslant x \leqslant 2-y$ 可得: - $y \geq 0$,且 $x \geq y$; - $x \leq 2-y$,且 $y \leq 2-y$ 推出 $y \leq 1$。 因此 $y$ 的取值范围为 $0 \leq y \leq 1$,对于固定的 $y$,$x$ 的取值范围为 $y \leq x \leq 2-y$。 该区域为三角形,顶点为 $(0,0)$、$(2,0)$、$(1,1)$。
提示:注意y≤2-y推出y≤1
步骤 2/5
目标:引入新变量并计算雅可比行列式
令 $Z = X - Y$,$W = Y$,则反变换为 $X = Z + W$,$Y = W$。 雅可比行列式为: $$J = \begin{vmatrix} \frac{\partial x}{\partial z} & \frac{\partial x}{\partial w} \\ \frac{\partial y}{\partial z} & \frac{\partial y}{\partial w} \end{vmatrix} = \begin{vmatrix} 1 & 1 \\ 0 & 1 \end{vmatrix} = 1$$
公式:$$J = \begin{vmatrix} 1 & 1 \\ 0 & 1 \end{vmatrix} = 1$$
提示:注意雅可比行列式是变换的导数矩阵的行列式
步骤 3/5
目标:确定新变量的取值范围
原区域条件转化为: - $0 \leq y \leq 1$ 得 $0 \leq w \leq 1$; - $y \leq x \leq 2-y$ 得 $w \leq z+w \leq 2-w$,即 $z \geq 0$ 且 $z \leq 2-2w$。 因此 $w$ 需满足 $0 \leq w \leq 1$ 且 $w \leq 1 - \frac{z}{2}$,同时 $z \geq 0$。
提示:注意变量变换时区域边界的对应关系
步骤 4/5
目标:分情况讨论 z 的范围
由 $w \leq 1 - \frac{z}{2}$ 且 $w \geq 0$,可知 $1 - \frac{z}{2} \geq 0$ 即 $z \leq 2$。 当 $0 \leq z \leq 2$ 时,$w$ 的取值范围为 $0 \leq w \leq 1 - \frac{z}{2}$; 当 $z < 0$ 或 $z > 2$ 时,无有效 $w$,概率密度为 $0$。
提示:注意w的非负性约束
步骤 5/5
目标:计算 Z 的概率密度函数
联合概率密度 $f_{Z,W}(z,w) = f(x,y) \cdot |J| = 1$(在支撑集内)。 对 $w$ 积分得边缘密度: $$f_Z(z) = \int_{0}^{1 - \frac{z}{2}} 1 \, dw = 1 - \frac{z}{2}, \quad 0 \leq z \leq 2$$ 当 $z$ 在其他范围时,$f_Z(z)=0$。
公式:$$f_Z(z) = \int_{0}^{1 - \frac{z}{2}} 1 \, dw = 1 - \frac{z}{2}, \quad 0 \leq z \leq 2$$
提示:注意积分限由支撑集确定

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。