ทำไมการบิดจึงใช้งานได้?


11

ดังนั้นฉันรู้ว่าถ้าเราต้องการหาการแจกแจงความน่าจะเป็นของผลรวมของตัวแปรสุ่มอิสระX+Yเราสามารถคำนวณได้จากการแจกแจงความน่าจะเป็นของXและYโดยการพูดว่า

fX+Y(a)=∫x=−∞∞fX,Y(X=x,Y=a−x) dx=∫x=−∞∞fX(x)fY(a−x) dx

สังหรณ์ใจนี้ทำให้รู้สึกเพราะถ้าเราต้องการที่จะหาโอกาสที่สองตัวแปรสุ่มรวมไปก็พื้นผลรวมของความน่าจะเป็นของเหตุการณ์ทั้งหมดที่นำไปสู่ข้อสรุปตัวแปรเหล่านั้นไป แต่ฉันจะพิสูจน์ข้อความนี้อย่างเป็นทางการได้อย่างไร?aa


เล็กน้อยคำถามที่แตกต่าง แต่คำตอบคือที่คล้ายกัน
— คาร์ล

คำตอบ:


10

วิธีแก้ปัญหาทั่วไปที่มากขึ้นจะพิจารณาZ=X+Yโดยที่XและYไม่จำเป็นต้องเป็นอิสระ กลยุทธ์การแก้ปัญหาทั่วไปสำหรับปัญหาที่คุณสงสัยว่า PDF มาจากไหนหรือจะหาเหตุผลได้อย่างไรคือหาการสะสมอาจแทนแล้วแยกความแตกต่างเพื่อลด CDF เป็น PDF

มันค่อนข้างง่ายที่จะเห็นว่าในกรณีที่ที่ Rเป็นพื้นที่ของ x - Yเครื่องบินที่ x + y ที่≤ ZFZ(z)=P(Z≤z)=∫∫RfX,Y(x,y)dxdyRxyx+y≤z

นี่คือพื้นที่ที่ฟักเป็นสีน้ำเงินในแผนภาพด้านล่าง มันเป็นเรื่องธรรมดาที่จะรวมกันในภูมิภาคนี้โดยการแบ่งมันออกเป็นแถบ - ฉันทำมันด้วยแถบแนวตั้ง แต่แนวนอนจะทำ ได้อย่างมีประสิทธิภาพผมจบลงด้วยแถบสำหรับแต่ละประสานตั้งแต่- ∞เพื่อ∞และพร้อมแถบแต่ละฉันต้องการYค่าไม่ได้ที่จะเพิ่มขึ้นเหนือเส้นx + Y = Zดังนั้นY ≤ Z - xx−∞∞yx+y=zy≤z−x

z <x + y

ขีด จำกัด ตอนนี้เราได้รับการบูรณาการในแง่ของและy ที่เราสามารถทำให้ลียนตัวU = x , V = x + y ที่ดังต่อไปนี้มีจุดประสงค์ในการรับZให้ปรากฏเป็นขีด จำกัด บนของโวลต์ คณิตศาสตร์นั้นตรงไปตรงมาตราบใดที่คุณเข้าใจการใช้ยาโคบเบียนเพื่อเปลี่ยนตัวแปรxyu=xv=x+yzv

FZ(z)=∫x=−∞x=∞∫y=−∞y=z−xfX,Y(x,y)dxdy=∫v=−∞v=z∫u=−∞y=∞fX,Y(u,v−u)dudv

ตราบใดที่มีเงื่อนไขบางประการเราสามารถแยกแยะความแตกต่างภายใต้เครื่องหมายอินทิกรัลกับเพื่อรับ:z

fZ(z)=∫−∞∞fX,Y(u,z−u)du

มันใช้งานได้แม้ว่าและYจะไม่เป็นอิสระ แต่ถ้าเป็นเช่นนั้นเราสามารถเขียนความหนาแน่นของรอยต่อเป็นผลคูณของขอบสองอัน:XY

fZ(z)=∫−∞∞fX(u)fY(z−u)du

ตัวแปรหุ่นสามารถโดยไม่เป็นอันตรายจะเขียนเป็นxถ้าต้องการux

สัญกรณ์ของฉันสำหรับอินทิกรัลตรงตามมาตรา 6.4 ของ Geoffrey Grimmett และ Dominic Walsh, ความน่าจะเป็น: บทนำ , Oxford University Press, New York, 2000


+1 ตามสัญกรณ์อนุสัญญาก็คือความแตกต่างด้านนอกของอินทิกรัลหลายค่าใช้กับอินทิกรัลนอก ดังนั้นในการแสดงออกของรูปแบบการบูรณาการด้วยความเคารพต่อทำได้ก่อน -มันคืออินทิกรัลชั้นใน - และว่าด้วยความเคารพต่อจะทำครั้งสุดท้าย - มันคืออินทิกรัลชั้นนอก ใบนี้เราเป็นอิสระที่จะวงเล็บสถานที่โดยไม่ต้องเปลี่ยนความหมายเช่นเดียวกับในY ∬⋯dxdyy ∫ ( ∫ ⋯ d x ) d yxy∫(∫⋯dx)dy
— whuber

1
@whuber คิดเกี่ยวกับมันแน่นอนว่าเป็นแบบแผนที่นำมาใช้ในตำราเรียนทุกเล่มที่ฉันรู้จัก (ดังนั้นการผสมผสานหลาย ๆ ครั้งจึงเป็นการรวมเข้าด้วยกันอย่างมีประสิทธิภาพ) แต่การส่งผ่าน Grimmett และ Welsh "ความน่าจะเป็น: บทนำ" นั้นสอดคล้องกับระเบียบของตัวเองในลำดับซ้ายขวาเหมือนกันทั้งข้อ จำกัด และความแตกต่างเช่นพวกเขาให้ ! ∫u∫v∫w...dudvdw
— Silverfish

ฉันรู้สึกขบขันอยู่ตลอดเวลาว่าที่จุดตัดของหลาย ๆ เขตเรากำลังเผชิญกับการประชุมที่ขัดแย้งกัน มันเป็นหนึ่งในความสุขของการทำงานกับผู้คนที่มีภูมิหลังต่างกัน
— whuber

@ เมื่อฉันรู้ว่าอนุสัญญาสำหรับการวางอินทิกรัลนั้นแตกต่างกันอย่างมากระหว่างประเทศ - คุณจะเพลิดเพลินไปกับสิ่งนี้จาก Tex SE tex.stackexchange.com/a/88961/25866และฉันหวังว่ามันจะถูกขยายเพื่อครอบคลุมการรวมหลาย ๆ !
— Silverfish

10

คำแถลงนั้นเป็นจริงถ้าหากว่าทางด้านขวาทำตัวเหมือนความหนาแน่นของ ; นั่นคือ,X+Y

FX+Y(a)=P(X+Y≤a)=∫−∞afX+Y(z)dz=∫−∞a(∫fX(x)fY(z−x)dx)dz

สำหรับทุก มาตรวจสอบสิ่งนี้กันโดยเริ่มจากด้านขวามือa

สมัครFubini ทฤษฎีบทเพื่อเปลี่ยนลำดับของการรวมกลุ่มและทำให้ทดแทน y ที่ ดีเทอร์มิแนนต์ของยาโคเบียนคือ1ดังนั้นจึงไม่มีคำแนะนำเพิ่มเติมจากการเปลี่ยนแปลงของตัวแปรนี้ โปรดทราบว่าเนื่องจากzและyอยู่ในการติดต่อแบบหนึ่งต่อหนึ่งและ- ∞ < z ≤ aหากเพียง แต่ถ้า- ∞ < y < a - xเราอาจเขียนอินทิกรัลเป็นz=x+y1zy−∞<z≤a−∞<y<a−x

=∫(∫−∞a−xfX(x)fY(y)dy)dx.

ตามคำนิยามนี่คืออินทิกรัลสำหรับของR2

=∬I(x+y≤a)fX(x)fY(y)dydx

ที่คือฟังก์ชั่นตัวบ่งชี้ของชุด ในที่สุดเนื่องจากXและYเป็นอิสระf ( X , Y ) ( x , y ) = f X ( x ) f Y ( y )สำหรับทุกคน( x , y )แสดงให้เห็นถึงความสมบูรณ์เป็นเพียงความคาดหวังIXYf(X,Y)(x,y)=fX(x)fY(y)(x,y)

=∬I(x+y≤a)f(X,Y)(x,y)dydx=E(I(X+Y≤a))=P(X+Y≤a),

ตามที่ต้องการ


โดยทั่วไปแม้ว่าหนึ่งหรือทั้งสองของหรือYไม่มีฟังก์ชันการแจกแจงเราก็ยังสามารถรับได้XY

FX+Y(a)=EX(FY(a−X))=EY(FX(a−Y))

โดยตรงจากคำจำกัดความพื้นฐานโดยใช้ความคาดหวังของตัวบ่งชี้เพื่อย้อนกลับไปมาระหว่างความน่าจะเป็นและความคาดหวังและใช้ประโยชน์จากสมมติฐานที่เป็นอิสระเพื่อแยกการคำนวณออกเป็นความคาดหวังแยกต่างหากสำหรับและY :XY

P(X+Y≤a)=E(I(X+Y≤a))=EX(EY(I(X+Y≤a))=EX(PY(Y≤a−X))=EX(FY(a−X)).

ซึ่งรวมถึงสูตรปกติสำหรับตัวแปรสุ่มแบบแยกเช่นแม้ว่าจะอยู่ในรูปแบบที่แตกต่างกันเล็กน้อยกว่าปกติ (เพราะมีการระบุไว้ในรูปของ CDF มากกว่าฟังก์ชันความน่าจะเป็นแบบมวล)

afX+Y

fX+Y(a)=ddaFX+Y(a)=EX(ddaFY(a−X))=EX(fY(a−X))=∫fX(x)fY(a−x)dx.
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.