定义3.7.5(两个随机变量的函数):给定一个样本空间 \( S \) 的实验,如果 \( X \) 和 \( Y \) 是映射 到X(s) 和 Y(s) 的随机变量,那么 g(X, Y) 就是映射 s 到 g(X(s), Y(s)) 的随机变量。
请注意,我们假定 \X \和 Y 定义在相同的样本空间 S 上。通常我们假设 S 足够丰富,以包含我们希望处理的任何随机变量。例如,如果 X \是基于硬币翻转的随机变量,Y 是基于一个六面骰子掷出的结果,我们就可以使用不同的样本空间 S_1 和 S_2 ,然后再重新定义 X 和 Y ,使它们都定义在一个更丰富的空间 \( \) 上。
一种理解随机变量 \( g(X, Y) \) 如何从 \( S \) 映射到 \( \) 的方法是通过表格显示在各种可能结果下的 \( X \),\( Y \),和 \( g(X, Y) \) 的值。解释 \( X + Y \) 作为随机变量是直观的:如果我们观察到 \( X = x \) 并且 \( Y = y \),那么 \( X + Y \) 就具体化为 \( x+y \)。对于像 \( \) 这样不太熟悉的例子,学生们通常不确定如何将其解释为随机变量。但是想法是一样的:如果我们观察到 \( X = x \) 并且 \( Y = y \),那么 \( \) 就具体化为 \( \)。