题目
16 设X,Y是两个相互独立且均服从正态分布N(0,((1)/(sqrt(2)))^2)的随机变量,求E(|X-Y|),D(|X-Y|).
16 设X,Y是两个相互独立且均服从正态分布$N(0,(\frac{1}{\sqrt{2}})^{2})$的随机变量,求E(|X-Y|),D(|X-Y|).
题目解答
答案
设 $Z = X - Y$,则 $Z \sim N(0, 1)$。 1. 计算 $E(|Z|)$: $E(|Z|) = \int_{-\infty}^{\infty} |z| \cdot \frac{1}{\sqrt{2\pi}} e^{-\frac{z^2}{2}} \, dz = 2 \int_{0}^{\infty} z \cdot \frac{1}{\sqrt{2\pi}} e^{-\frac{z^2}{2}} \, dz = \sqrt{\frac{2}{\pi}}$ 2. 计算 $D(|Z|)$: $E(|Z|^2) = E(Z^2) = D(Z) + [E(Z)]^2 = 1 + 0 = 1$ $[E(|Z|)]^2 = \left(\sqrt{\frac{2}{\pi}}\right)^2 = \frac{2}{\pi}$ $D(|Z|) = E(|Z|^2) - [E(|Z|)]^2 = 1 - \frac{2}{\pi} = \frac{\pi - 2}{\pi}$ 答案: $\boxed{\sqrt{\frac{2}{\pi}}, \frac{\pi - 2}{\pi}}$
解析
本题主要考查正态分布的性质、随机变量函数的期望与方差的计算。解题的关键思路是先根据已知条件确定$X - Y$的分布,然后利用期望和方差的定义及性质来计算$E(|X - Y|)$和$D(|X - Y|)$。
- 确定$Z = X - Y$的分布:
已知$X\sim N(0,(\frac{1}{\sqrt{2}})^{2})$,$Y\sim N(0,(\frac{1}{\sqrt{2}})^{2})$,且$X$与$Y$相互独立。
根据正态分布的性质:若$X\sim N(\mu_1,\sigma_1^{2})$,$Y\sim N(\mu_2,\sigma_2^{2})$,且$X$与$Y$相互独立,则$X - Y\sim N(\mu_1 - \mu_2,\sigma_1^{2}+\sigma_2^{2})$。
在这里$\mu_1 = 0$,$\mu_2 = 0$,$\sigma_1^{2}=(\frac{1}{\sqrt{2}})^{2}=\frac{1}{2}$,$\sigma_2^{2}=(\frac{1}{\sqrt{2}})^{2}=\frac{1}{2}$,所以$Z = X - Y\sim N(0,\frac{1}{2}+\frac{1}{2}) = N(0,1)$。 - 计算$E(|Z|)$:
根据期望的定义,对于连续型随机变量$Z$,其概率密度函数为$f(z)$,则$E(g(Z))=\int_{-\infty}^{\infty}g(z)f(z)dz$。
因为$Z\sim N(0,1)$,其概率密度函数为$f(z)=\frac{1}{\sqrt{2\pi}}e^{-\frac{z^{2}}{2}}$,所以$E(|Z|)=\int_{-\infty}^{\infty}|z|\cdot\frac{1}{\sqrt{2\pi}}e^{-\frac{z^{2}}{2}}dz$。
由于被积函数$|z|\cdot\frac{1}{\sqrt{2\pi}}e^{-\frac{z^{2}}{2}}$是偶函数,根据偶函数在对称区间上的积分性质$\int_{-\infty}^{\infty}g(z)dz = 2\int_{0}^{\infty}g(z)dz$,可得:
$E(|Z|)=2\int_{0}^{\infty}z\cdot\frac{1}{\sqrt{2\pi}}e^{-\frac{z^{2}}{2}}dz$
令$t=\frac{z^{2}}{2}$,则$dt = zdz$。当$z = 0$时,$t = 0$;当$z\to\infty$时,$t\to\infty$。
所以$E(|Z|)=2\int_{0}^{\infty}\frac{1}{\sqrt{2\pi}}e^{-t}dt=\frac{2}{\sqrt{2\pi}}\int_{0}^{\infty}e^{-t}dt$。
根据指数函数的积分公式$\int_{0}^{\infty}e^{-t}dt = 1$,可得$E(|Z|)=\frac{2}{\sqrt{2\pi}}=\sqrt{\frac{2}{\pi}}$。 - 计算$D(|Z|)$:
根据方差的计算公式$D(|Z|)=E(|Z|^{2})-[E(|Z|)]^{2}$。- 计算$E(|Z|^{2})$:
因为$|Z|^{2}=Z^{2}$,所以$E(|Z|^{2}) = E(Z^{2})$。
根据方差的定义$D(Z)=E(Z^{2})-[E(Z)]^{2}$,已知$Z\sim N(0,1)$,则$E(Z)=0$,$D(Z)=1$,所以$E(Z^{2})=D(Z)+[E(Z)]^{2}=1 + 0 = 1$,即$E(|Z|^{2}) = 1$。 - 计算$[E(|Z|)]^{2}$:
由前面计算可知$E(|Z|)=\sqrt{\frac{2}{\pi}}$,所以$[E(|Z|)]^{2}=(\sqrt{\frac{2}{\pi}})^{2}=\frac{2}{\pi}$。 - 计算$D(|Z|)$:
将$E(|Z|^{2}) = 1$和$[E(|Z|)]^{2}=\frac{2}{\pi}$代入方差公式$D(|Z|)=E(|Z|^{2})-[E(|Z|)]^{2}$,可得$D(|Z|)=1-\frac{2}{\pi}=\frac{\pi - 2}{\pi}$。
- 计算$E(|Z|^{2})$: