คำอธิบายที่เข้าใจง่ายสำหรับความหนาแน่นของตัวแปรที่ถูกแปลง?


37

สมมติว่าXเป็นตัวแปรสุ่มที่มีรูปแบบไฟล์ PDF fX(x) ) จากนั้นตัวแปรสุ่มY=X2มี pdf

fY(y)={12y(fX(y)+fX(y))y00y<0

ฉันเข้าใจแคลคูลัสที่อยู่เบื้องหลังนี้ แต่ฉันพยายามคิดหาวิธีอธิบายให้คนที่ไม่รู้แคลคูลัส โดยเฉพาะฉันพยายามอธิบายว่าทำไมปัจจัย1yปรากฏขึ้นด้านหน้า ฉันจะแทงมัน:

สมมติว่าXมีการแจกแจงแบบเกาส์ เกือบทั้งหมดน้ำหนักของไฟล์ PDF ที่อยู่ระหว่างค่าการพูด3และ3.แต่แผนที่ที่ 0-9 สำหรับYYดังนั้นน้ำหนักหนักใน pdf สำหรับXได้รับการขยายในช่วงที่กว้างขึ้นของค่าในการเปลี่ยนแปลงที่จะYYดังนั้นสำหรับfY(y)ที่จะเป็นไฟล์ PDF ที่แท้จริงน้ำหนักที่หนักเป็นพิเศษจะต้องลดน้ำหนักโดยปัจจัยคูณ1y

ฟังดูเป็นยังไง?

หากใครสามารถให้คำอธิบายที่ดีกว่าของพวกเขาเองหรือเชื่อมโยงไปยังหนึ่งในเอกสารหรือตำราเรียนฉันจะขอบคุณมันมาก ฉันพบตัวอย่างการเปลี่ยนแปลงตัวแปรนี้ในหนังสือคณิตศาสตร์สถิติ / ความน่าจะเป็นเบื้องต้น แต่ฉันไม่เคยพบคำอธิบายที่เข้าใจง่ายเลย :(


ฉันคิดว่าคำอธิบายของคุณถูกต้อง
สูง

2
คำอธิบายนั้นถูกต้อง แต่เป็นเชิงคุณภาพอย่างแท้จริง: รูปแบบที่แม่นยำของปัจจัยการคูณยังคงเป็นปริศนา พลังงาน -1/2 นั้นปรากฏขึ้นอย่างน่าอัศจรรย์ ดังนั้นในบางระดับคุณต้องทำสิ่งเดียวกันกับที่แคลคูลัสทำ: หาอัตราการเปลี่ยนแปลงของฟังก์ชันรากที่สอง
whuber

คำตอบ:


37

PDF เป็นความสูง แต่ใช้เพื่อแสดงความน่าจะเป็นโดยการใช้พื้นที่ ดังนั้นจึงช่วยในการแสดง PDF ในลักษณะที่เตือนเราว่าพื้นที่เท่ากับฐานคูณความสูง

ในขั้นต้นสูงที่ค่าใด ๆxจะได้รับจากไฟล์ PDF fX(x) ) ฐานคือเซ็กเมนต์ที่เล็กที่สุดdxซึ่งการกระจายตัว (นั่นคือการวัดความน่าจะเป็นซึ่งตรงข้ามกับฟังก์ชันการแจกแจง ) เป็นรูปแบบอนุพันธ์หรือ "องค์ประกอบความน่าจะเป็น"

PEX(x)=fX(x)dx.

สิ่งนี้ไม่ใช่ PDF เป็นวัตถุที่คุณต้องการทำงานกับทั้งแนวคิดและการปฏิบัติเพราะมันมีองค์ประกอบทั้งหมดที่จำเป็นในการแสดงความน่าจะเป็นอย่างชัดเจน

เมื่อเราแสดงxอีกครั้งในรูปของy=x2ส่วนฐานdxจะถูกยืด (หรือบีบ): โดยการยกกำลังสองทั้งสองช่วงจากxถึงx+dxเราจะเห็นว่าฐานของพื้นที่yต้อง เป็นช่วงความยาว

dy=(x+dx)2x2=2xdx+(dx)2.

เนื่องจากผลิตภัณฑ์ของ infinitesimals สองชุดนั้นมีความสำคัญน้อยมากเมื่อเทียบกับ infinitesimals เองเราจึงสรุป

dy=2xdx, whence dx=dy2x=dy2y.

เมื่อสร้างสิ่งนี้แล้วการคำนวณนั้นสำคัญมากเพราะเราเพิ่งเสียบส่วนสูงใหม่กับความกว้างใหม่:

PEX(x)=fX(x)dx=fX(y)dy2y=PEY(y).

เพราะฐาน, ในแง่ของy , คือdy , อะไรก็ตามคูณมันต้องเป็นความสูง, ซึ่งเราสามารถอ่านได้โดยตรงจากเทอมกลางเป็น

12yfX(y)=fY(y).

สมการนี้PEX(x)=PEY(y) เป็นกฎหมายอนุรักษ์พื้นที่ (= ความน่าจะเป็น)ได้อย่างมีประสิทธิภาพ

สอง PDF

y=x2[0.32,0.45]yx


2
2xy

P(X(x,x+dx))=fx(x)dxpdfX(x)

dx

fX(x)fx(x)dxfX(x)dx

1
@Carlos: ขอบคุณ; ตอนนี้ฉันเห็นประเด็นของคุณแล้ว ฉันได้ทำการแก้ไขเพื่อแก้ไข
whuber

11

ถ้าฉันผลิตวัตถุที่มักจะเป็นสี่เหลี่ยมจัตุรัสและรู้การกระจายของความยาวด้านของสี่เหลี่ยม สิ่งที่ฉันสามารถพูดเกี่ยวกับการกระจายตัวของพื้นที่ของสี่เหลี่ยม?

XY=X2

FY(c)=P(Yc)=P(X2c)=P(cXc)=FX(c)FX(c).

YX


2
fY

1
ฉันไม่เข้าใจว่าทำไม pdf (x) = f (x) dx แล้ว pdf (x) dx = f (x), density = prob mass/interval... อะไรที่ฉันคิดผิด?
เฟอร์นันโด

2

YP(Y(y,y+Δy))Y(y,y+Δy)Δy

XYXY=X2Y(y,y+Δy)X2(x2,(x+Δx)2)X(|x|,|x|+Δx) or X(|x|Δx,|x|)(y,y+Δy)(|x|,|x|+Δx)(|x|Δx,|x|)

P(Y(y,y+Δy))=P(X(|x|,|x|+Δx))+P(X(|x|Δx,|x|))

ตกลงทีนี้มาถึงความหนาแน่นกันแล้ว อันดับแรกเราต้องกำหนดความหนาแน่นของความน่าจะเป็น เป็นชื่อที่แนะนำก็คือสัดส่วนของบุคคลต่อพื้นที่ นั่นคือเรานับหุ้นของบุคคลที่เกี่ยวกับถังที่และหารด้วยขนาดของถัง เนื่องจากเราได้พิสูจน์แล้วว่าสัดส่วนของคนเหมือนกันที่นี่ แต่ขนาดของถังขยะเปลี่ยนไปเราจึงสรุปว่าความหนาแน่นจะแตกต่างกัน แต่แตกต่างกันมากแค่ไหน?

YfY(y):=P(Y(y,y+Δy))ΔyXfX(x):=P(X(x,x+Δx))Δx

จากผลลัพธ์ก่อนหน้าของเราว่าจำนวนประชากรในแต่ละถังนั้นเท่ากันเราก็มี

fY(y):=P(Y(y,y+Δy))Δy=P(X(|x|,|x|+Δx))+P(X(|x|Δx,|x|))Δy=fX(|x|)Δx+fX(|x|)ΔxΔy=ΔxΔy(fX(|x|)+fX(|x|))=ΔxΔy(fX(y)+fX(y))

fX(y)+fX(y)ΔxΔyy=x2y+Δy=(x+Δx)2=x2+2xΔx+Δx2ΔxΔx2Δy=2xΔxΔxΔy=12x=12y12y

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.