การแสดง


9

ถ้า X∼C(0,1)หาการกระจายของ Y=2X1−X2.

เรามี FY(y)=Pr(Y≤y)

=Pr(2X1−X2≤y)

={Pr(X∈(−∞,−1−1+y2y])+Pr(X∈(−1,−1+1+y2y]),ify>0Pr(X∈(−1,−1+1+y2y])+Pr(X∈(1,−1−1+y2y]),ify<0

ฉันสงสัยว่าความแตกต่างของกรณีด้านบนนั้นถูกต้องหรือไม่

ในทางตรงกันข้ามต่อไปนี้ดูเหมือนว่าวิธีที่ง่ายกว่า:

เราสามารถเขียน Y=tan⁡(2tan−1⁡X) ใช้ตัวตน 2tan⁡z1−tan2⁡z=tan⁡2z

ตอนนี้ X∼C(0,1)⟹tan−1⁡X∼R(−π2,π2)

⟹2tan−1⁡X∼R(−π,π)

⟹tan⁡(2tan−1⁡X)∼C(0,1)อันสุดท้ายคือการแปลง 2 ต่อ 1

แต่ถ้าฉันถูกขอให้สืบทอดการกระจายตัวของ Yจากคำจำกัดความฉันคิดว่าวิธีแรกคือฉันควรดำเนินการอย่างไร การคำนวณกลายเป็นเรื่องยุ่งเล็กน้อย แต่ฉันจะได้ข้อสรุปที่ถูกต้องหรือไม่? ทางเลือกอื่นก็ยินดีต้อนรับเช่นกัน


การกระจาย Univariate อย่างต่อเนื่อง (ชุดที่ 1)โดย Johnson-Kotz-Balakrishnan ได้เน้นถึงคุณสมบัติของการกระจาย Cauchy มันกลับกลายเป็นว่าเป็นกรณีพิเศษของผลลัพธ์ทั่วไป

ป้อนคำอธิบายรูปภาพที่นี่

ป้อนคำอธิบายรูปภาพที่นี่


4
ทางออกที่สองนั้นถูกต้องสมบูรณ์ดังนั้นจึงไม่ควรคัดค้าน
— ซีอาน

1
ภาคผนวก: ตั้งแต่ P(X<x)=tan−1⁡(x)/π+1/2การแก้ปัญหาครั้งแรกควรใช้ตัวตนนี้แทนเจนต์
— ซีอาน

@ ซีอานจริงๆแล้วฉันกำลังพยายามที่จะยุติการโต้แย้งในวิธีแรก
— StubbornAtom

คำตอบ:


6

ทางเลือกอื่นที่เรียบง่ายกว่าดูที่มัน:

Cauchy มาตรฐานการกระจาย:

f(x)dx=π−1x2+1dx

การเปลี่ยนแปลงของตัวแปร:

u(x)=2x1−x2andx1(u)=−1−u2+1u,x2(u)=−1+u2+1u

การเปลี่ยนแปลงของการกระจาย:

g(u)du=∑i=1,2f(xi(u))|dxidu|du

หากคุณทำงานกับสิ่งนั้นซึ่งไม่จำเป็นต้องยุ่งมากคุณก็จะได้

g(u)=π−1u2+1

การแสดงกราฟิก

การแสดงกราฟิกที่ใช้งานง่ายของการเปลี่ยนแปลง


งานประเภทนี้เช่นตัวตน 2tan⁡z1−tan2⁡z=tan⁡2zแต่เขียนอย่างชัดเจนยิ่งขึ้น

หรือชอบการนำเสนอของคุณด้วยฟังก์ชันการแจกแจงสะสมแบบแยก FY(y)=Pr(Y≤y) แต่ตอนนี้แยกออก fY(y)=Pr(y−12dy≤Y≤y+12dy).


2
ที่จริงแล้วสูตรการเปลี่ยนแปลงเมื่อ x(u) มีมากกว่าหนึ่งรากสำหรับการกำหนดใด ๆ u, พูด xi(u)=u สำหรับ i=1,2,…n, คือ
g(u)=∑i=1nf(xi(u))|dxi(u)du|.
ดังนั้นการเพิ่มที่คุณอธิบายตามความจำเป็นจึงมีอยู่ในสูตรจริง
— Dilip Sarwate

@DilipSarwate ฉันจะเปลี่ยนมัน
— Sextus Empiricus

3

การเปลี่ยนแปลงในแนวทางที่สองดูเหมือนจะขาดแรงจูงใจ (รายละเอียดบางอย่างที่ต้องเติมด้วย) ที่นี่จากการคำนวณฟังก์ชั่นลักษณะฉันพยายามสำรองการเปลี่ยนแปลง "ลึกลับ" ของคุณ

ฟังก์ชั่นลักษณะของ Y สามารถคำนวณได้ดังนี้:

φY(t)=E[eitY]=∫−∞∞eit2x1−x21π(1+x2)dx=1π∫−∞∞eit2x1−x2darctan⁡x,
ซึ่งแสดงให้เห็นว่าเราพยายามเปลี่ยนแปลง u=arctan⁡x, ซึ่งนำไปสู่
(1)φY(t)=1π∫−π/2π/2eit2tan⁡u1−tan2⁡udu=1π∫−π/2π/2eittan⁡(2u)du.

เป้าหมายของเราคือแสดงให้เห็นว่าอินทิกรัลเข้ามา (1) เท่ากับฟังก์ชันลักษณะของตัวแปรสุ่ม Cauchy มาตรฐาน X:

φX(t)=∫−∞∞eitx1π(1+x2)dx(2)=1π∫−π/2π/2eittan⁡udu

ทำไมอินทิกรัลใน (1) เท่ากับอินทิกรัลของ (2)? เมื่อเห็นอย่างรวดเร็วครั้งแรกสิ่งนี้จะตอบโต้ได้ง่ายเล็กน้อย ในการตรวจสอบเราจะต้องปฏิบัติต่อความน่าเชื่อถือของฟังก์ชันtan⁡(⋅)รอบคอบ มาทำงานกันต่อไป(1):

φY(t)=1π∫−π/2π/2eittan⁡(2u)du=12π∫−ππeittan⁡vdv(Change of variable v=2u)=12π[∫−π−π/2+∫−π/2π/2+∫π/2π]eittan⁡udu=12φX(t)+12π∫−π−π/2eittan⁡vdv+12π∫π/2πeittan⁡vdv(3)=12φX(t)+12π∫−π/20e−ittan⁡u1du1+12π∫0π/2e−ittan⁡u2du2(4)=12φX(t)+12π∫−π/2π/2e−ittan⁡vdv=φX(t)(5)

(3): เพราะฟังก์ชั่น u↦tan⁡(u) ไม่ได้เป็นเสียงเดียวในช่วงเวลา (−π,π)ฉันได้สร้างการหารดังกล่าวเพื่อให้การรวมแต่ละอย่างเป็นเสียงเดียวในช่วงเวลาที่แยกจากกัน

(4): การเปลี่ยนแปลงสูตรของตัวแปรสองอย่างคือ u1=−π−v และ u2=π−v.

(5): การเปลี่ยนแปลงสูตรตัวแปรครั้งสุดท้าย u=−v.

ขั้นตอนต่าง ๆ (3)-(5) อธิบายอย่างละเอียดว่า "สิ่งสุดท้ายคือการแปลงแบบ 2 ต่อ 1" ในคำถามของ OP


ฉันสงสัยว่าทำไมวิธีที่สองคือ 'ลึกลับ' หรือ 'ขาดแรงจูงใจ' ความจริงที่ว่าΘ∼Rect(−π/2,π/2)⇔tan⁡(Θ)∼C(0,1)เป็นผลลัพธ์ที่ได้มาตรฐานซึ่งสามารถมองเห็นได้ง่ายโดยใช้ความน่าจะเป็นการแปลงแบบอินทิกรัล และในขั้นตอนสุดท้ายที่ฉันไปจากU∼Rect(−π,π) ถึง V=tan⁡U∼C(0,1)อาจเป็นธรรมดังนี้:
— StubbornAtom

...FV(v)=Pr(tan⁡U≤v)=FU(tan−1⁡v). ฉันแยกแยะ wrt ด้านบนv เพื่อรับ fV(v)=fU(tan−1⁡v)2ddv(tan−1⁡v)ที่ฉันคูณยาโคเบียนด้วย 2 เพราะการเปลี่ยนแปลงนั้นเป็นสองต่อหนึ่ง (−π,π). ทั้งหมดนี้สามารถแสดงออกอย่างจริงจังมากขึ้นฉันเดาว่า
— StubbornAtom
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.