Prawdopodobienstwo miedzy zmiennymi losowymi
-
- Użytkownik
- Posty: 27
- Rejestracja: 9 sie 2014, o 17:18
- Płeć: Mężczyzna
- Lokalizacja: Internet
- Podziękował: 2 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Witam, troche grzebalem po forum lecz nie znalazlem odpowiedzi na moje pytanie, czy istnieje uniwersalny sposob obliczania \(\displaystyle{ P(X<Y)}\) gdzie \(\displaystyle{ X}\) i \(\displaystyle{ Y}\) maja zadany rozklad? A co w przypadku \(\displaystyle{ P(X< f(Y))}\)?
Ostatnio zmieniony 8 wrz 2014, o 16:23 przez pyzol, łącznie zmieniany 1 raz.
Powód: Nieczytelny zapis - brak LaTeX-a. Proszę zapoznaj się z instrukcją: http://matematyka.pl/latex.htm .
Powód: Nieczytelny zapis - brak LaTeX-a. Proszę zapoznaj się z instrukcją: http://matematyka.pl/latex.htm .
- mm34639
- Użytkownik
- Posty: 245
- Rejestracja: 28 mar 2005, o 15:24
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 22 razy
- Pomógł: 61 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Hmm
"uczona" odpowiedź jest taka, że jeśli założymy, że zmienne są "jednowymiarowe" o wartościach w \(\displaystyle{ \mathbb{R}}\), i znamy ich rozkład łączny \(\displaystyle{ \mu}\) na \(\displaystyle{ \mathbb{R}^2}\), to \(\displaystyle{ \mathbb{P}(X<f(Y))=\int_{\mathbf{1}_{(x<f(y))}} \textrm{d}\mu(x,y)}\)
W praktyce, jeśli np. obie zmienne mają znane gęstości (powiedzmy \(\displaystyle{ f_X}\) i \(\displaystyle{ f_Y}\)) i są niezależne,
albo jeśli niekoniecznie są niezależne ale znamy gęstość łączną \(\displaystyle{ f_{X,Y}}\),
to powyższy zapis oznacza
\(\displaystyle{ \int\int_{\mathbf{1}_{(x<f(y))}} f_{X,Y}(x,y) \ \textrm{d}x\textrm{d}y}\)
- czyli, mówiąc po ludzku - całka po obszarze w którym \(\displaystyle{ x<f(y)}\) z gęstości łącznej.
Jeśli np. chcemy \(\displaystyle{ \mathbb{P}(X<Y)}\), to będzie to wyglądać
\(\displaystyle{ \int\int_{\mathbf{1}_{(x<y)}} f_{X,Y}(x,y) \ \textrm{d}x\textrm{d}y=\int_{-\infty}^{\infty} \int_{-\infty}^{x} f_{X,Y}(x,y) \ \textrm{d}y\textrm{d}x}\).
Jeśli zmienne mają rozkłady skokowe, to w naturalny sposób całki zamieniają nam się w sumy, itd itp.
Inna sprawa, czy całkę/sumę da się obliczyć.
To w sumie w miarę intuicyjne. Najlepiej pokazać na przykładzie.
"uczona" odpowiedź jest taka, że jeśli założymy, że zmienne są "jednowymiarowe" o wartościach w \(\displaystyle{ \mathbb{R}}\), i znamy ich rozkład łączny \(\displaystyle{ \mu}\) na \(\displaystyle{ \mathbb{R}^2}\), to \(\displaystyle{ \mathbb{P}(X<f(Y))=\int_{\mathbf{1}_{(x<f(y))}} \textrm{d}\mu(x,y)}\)
W praktyce, jeśli np. obie zmienne mają znane gęstości (powiedzmy \(\displaystyle{ f_X}\) i \(\displaystyle{ f_Y}\)) i są niezależne,
albo jeśli niekoniecznie są niezależne ale znamy gęstość łączną \(\displaystyle{ f_{X,Y}}\),
to powyższy zapis oznacza
\(\displaystyle{ \int\int_{\mathbf{1}_{(x<f(y))}} f_{X,Y}(x,y) \ \textrm{d}x\textrm{d}y}\)
- czyli, mówiąc po ludzku - całka po obszarze w którym \(\displaystyle{ x<f(y)}\) z gęstości łącznej.
Jeśli np. chcemy \(\displaystyle{ \mathbb{P}(X<Y)}\), to będzie to wyglądać
\(\displaystyle{ \int\int_{\mathbf{1}_{(x<y)}} f_{X,Y}(x,y) \ \textrm{d}x\textrm{d}y=\int_{-\infty}^{\infty} \int_{-\infty}^{x} f_{X,Y}(x,y) \ \textrm{d}y\textrm{d}x}\).
Jeśli zmienne mają rozkłady skokowe, to w naturalny sposób całki zamieniają nam się w sumy, itd itp.
Inna sprawa, czy całkę/sumę da się obliczyć.
To w sumie w miarę intuicyjne. Najlepiej pokazać na przykładzie.
-
- Użytkownik
- Posty: 27
- Rejestracja: 9 sie 2014, o 17:18
- Płeć: Mężczyzna
- Lokalizacja: Internet
- Podziękował: 2 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Dzieki, czy moglbys policzyc dla przykladu \(\displaystyle{ P( X^{2} < Y )}\) gdzie X i Y sa niezalezne o rozkladzie jednostajnym na [-1;1] ?
- mm34639
- Użytkownik
- Posty: 245
- Rejestracja: 28 mar 2005, o 15:24
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 22 razy
- Pomógł: 61 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Mógłbym
Przyda się rysunek
Na niebiesko jest obszar gdzie \(\displaystyle{ X^2<Y}\). Gęstość łączna naszego rozkładu jest stała, równa \(\displaystyle{ \frac{1}{4}}\) na kwadracie \(\displaystyle{ [-1,1] \times [-1,1]}\), a \(\displaystyle{ 0}\) gdzie indziej.
Zgodnie z tym co napisałem, by obliczyć prawdopodobieństwo całkujemy gęstość łączną po niebieskim obszarze (tzn po niebieskim oczywiście tylko wewnątrz kwadratu)
Zatem \(\displaystyle{ P(X^2<Y)=\int_{-1}^{1} \int_{x^2}^{1} \frac{1}{4} \ \textrm{d}y \, \textrm{d}x=\frac{1}{4}\int_{-1}^{1} (1-x^2) \ \textrm{d}x=\frac{1}{3}}\)
W tym wyjątkowym przypadku możemy zauważyć, że prawdopodobieństwo to jest pole niebieskiego podzielić przez pole kwadratu, ale tak jest TYLKO wtedy, gdy rozkład jest jednostajny na całym kwadracie, co niestety często się nie będzie zdarzać.
Przyda się rysunek
Na niebiesko jest obszar gdzie \(\displaystyle{ X^2<Y}\). Gęstość łączna naszego rozkładu jest stała, równa \(\displaystyle{ \frac{1}{4}}\) na kwadracie \(\displaystyle{ [-1,1] \times [-1,1]}\), a \(\displaystyle{ 0}\) gdzie indziej.
Zgodnie z tym co napisałem, by obliczyć prawdopodobieństwo całkujemy gęstość łączną po niebieskim obszarze (tzn po niebieskim oczywiście tylko wewnątrz kwadratu)
Zatem \(\displaystyle{ P(X^2<Y)=\int_{-1}^{1} \int_{x^2}^{1} \frac{1}{4} \ \textrm{d}y \, \textrm{d}x=\frac{1}{4}\int_{-1}^{1} (1-x^2) \ \textrm{d}x=\frac{1}{3}}\)
W tym wyjątkowym przypadku możemy zauważyć, że prawdopodobieństwo to jest pole niebieskiego podzielić przez pole kwadratu, ale tak jest TYLKO wtedy, gdy rozkład jest jednostajny na całym kwadracie, co niestety często się nie będzie zdarzać.
-
- Użytkownik
- Posty: 27
- Rejestracja: 9 sie 2014, o 17:18
- Płeć: Mężczyzna
- Lokalizacja: Internet
- Podziękował: 2 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
A w jaki sposob znalezc rozklad laczny gdy mam podane rozkaldy X i Y ?
-
- Użytkownik
- Posty: 2203
- Rejestracja: 15 lis 2012, o 00:13
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 43 razy
- Pomógł: 526 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Jeżeli zna się jedynie rozkłady brzegowe (a zmienne nie są niezależne) to nic nie można powiedzieć o rozkładzie łącznym. Jeśli są niezależne to gęstość łączna to po prostu iloczyn gęstości brzegowych.
- mm34639
- Użytkownik
- Posty: 245
- Rejestracja: 28 mar 2005, o 15:24
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 22 razy
- Pomógł: 61 razy
Prawdopodobienstwo miedzy zmiennymi losowymi
Jeśli mamy dwie zmienne o rozkładzie wykładniczym \(\displaystyle{ X}\) i \(\displaystyle{ Y}\), to jeśli są niezależne, to gęstość łączna to iloczyn gęstości. Jeśli mamy gęstości \(\displaystyle{ f_X(x)=\alpha \textrm{e}^{-\alpha x} \mathbf{1}_{[0,\infty]}}\) a \(\displaystyle{ f_Y (x)=\beta \textrm{e}^{-\beta x}\mathbf{1}_{[0,\infty]}}\) to gęstość łączna
\(\displaystyle{ f_{X,Y}(x,y)=\alpha \beta \textrm{e}^{-\alpha x-\beta y}\mathbf{1}_{[0,\infty] \times [0,\infty]}}\) - wykładnicze mają gęstość niezerową na dodatniej półosi, więc rozkład łączny jest niezerowy w "pierwszej ćwiartce". Jeśli nie wiemy czy są niezależne to z góry nie można powiedzieć nic o łącznym rozkładzie, bo nie wiemy w jaki sposób jedna zależy od drugiej.
Czasem można temu zaradzić - np. potrafimy podać rozkład łączny dwóch zmiennych o rozkładzie normalnym zależnych, jeśli dana jest macierz kowarancji.
\(\displaystyle{ f_{X,Y}(x,y)=\alpha \beta \textrm{e}^{-\alpha x-\beta y}\mathbf{1}_{[0,\infty] \times [0,\infty]}}\) - wykładnicze mają gęstość niezerową na dodatniej półosi, więc rozkład łączny jest niezerowy w "pierwszej ćwiartce". Jeśli nie wiemy czy są niezależne to z góry nie można powiedzieć nic o łącznym rozkładzie, bo nie wiemy w jaki sposób jedna zależy od drugiej.
Czasem można temu zaradzić - np. potrafimy podać rozkład łączny dwóch zmiennych o rozkładzie normalnym zależnych, jeśli dana jest macierz kowarancji.