경우 CDF, 그것과 같다 ( )뿐만 아니라 CDF이다.
Q : 이것이 표준 결과입니까?
Q : 함수를 찾는 좋은 방법이 있는가 과 일 , 여기서
기본적으로, 나는 또 다른 CDF, 있습니다. 일부 축소 된 형태의 의미에서 CDF를 생성하는 임의 변수를 특성화하고 싶습니다.
편집 : 특수 사례 대한 분석 결과를 얻을 수 있다면 기쁠 것 입니다. 또는 적어도 그러한 결과는 다루기 어렵다는 것을 알고 있습니다.
경우 CDF, 그것과 같다 ( )뿐만 아니라 CDF이다.
Q : 이것이 표준 결과입니까?
Q : 함수를 찾는 좋은 방법이 있는가 과 일 , 여기서
기본적으로, 나는 또 다른 CDF, 있습니다. 일부 축소 된 형태의 의미에서 CDF를 생성하는 임의 변수를 특성화하고 싶습니다.
편집 : 특수 사례 대한 분석 결과를 얻을 수 있다면 기쁠 것 입니다. 또는 적어도 그러한 결과는 다루기 어렵다는 것을 알고 있습니다.
답변:
나는 다른 답변을 좋아하지만 아무도 아직 다음을 언급하지 않았습니다. 이벤트는 에만 그리고 만약 발생 { 해요 X ( U , V를 ) ≤ t } 그렇다면, U 및 V는 독립적이다 W = m X ( U , V ) , 다음 F W ( t ) = F U F V ( t 그래서 대한 α 는 양의 정수 (예를 들어, α = N ) 받아 X = m X ( Z 1 , . . . Z의 N ) Z 의 인 IID
들어 우리가 얻을 switcheroo 수 F Z = F n은 X를 , 그래서 X는 그 확률 변수 등이 될 것이라고의 최대 N 독립적 인 복사본이 같은 분포가 (그리고 이것은 우리의 친숙한 친구 중 하나가 될 수없는 것 일반적으로).
의 경우 양 유리수 (예를 들어, α = m / N )부터 이전부터 다음 ( F Z ) m / N = ( F 1 / N Z ) m .
들면 무리수 긍정적 유리수의 순서를 선택할 K 집광하는 α ; 그러면 시퀀스 X k (각 k 에 대해 위의 트릭을 사용할 수 있음 )는 원하는 X 에 분포하여 수렴됩니다 .
이것은 당신이 찾고있는 특성되지 않을 수도 있지만, 적어도 그것은 생각하는 방법에 대한 몇 가지 아이디어를 제공 에 대한 α 적절하게 좋은합니다. 다른 한편으로, 나는 그것이 얼마나 더 좋은지 정말로 확신하지 못한다 : 당신은 이미 CDF를 가지고 있으므로 체인 규칙에 따라 PDF를 제공하고, 해가 뜰 때까지의 순간을 계산할 수있다 ...? 대부분의 Z 는 α = √에 익숙한 X 를 갖지 않는 것이 사실입니다 , 그러나 흥미로운 것을 찾기 위해 예제를 가지고 놀고 싶다면F(z)=z,0<z<1을 사용하여 단위 간격에 균일하게 분포 된Z를시도해 볼 수 있습니다.
편집 : @JMS 답변에 몇 가지 의견을 썼고 내 산술에 대한 질문이 있었으므로 더 명확하다는 희망에서 무엇을 의미하는지 작성하겠습니다.
@cardinal 제대로 @JMS 응답에 코멘트에 쓴 것과 문제의 단순화 또는 더 일반적으로 때 Z가 필요없는 N ( 0 , 1 ) , 우리 이 X = g - 1 ( Y ) = F - 1 ( F α ( 예를 ) ) .
특별한 경우를 살펴보고 플러그를 꽂고 작동 방식을 살펴 보겠습니다. 하자 CDF와 경험치 (1) 분포가 F ( X ) =을 ( 1 - E - X ) , X > 0 , CDF 및 역 F - 1 ( 예를 ) = - LN ( 1 - Y가 ) . g 를 찾기 위해 모든 것을 연결하는 것은 쉽다 ; 완료 되면 y = g ( ln ( 1 −
시뮬레이션 결과는 다음과 같습니다.
플롯 (마이너스 레이블)을 생성하는 데 사용되는 R 코드는
n <- 10000; alpha <- 0.7
z <- rbeta(n, shape1 = alpha, shape2 = 1)
y <- -log(1 - z)
plot(ecdf(y))
f <- function(x) (pexp(x, rate = 1))^alpha
curve(f, add = TRUE, lty = 2, lwd = 2)
잘 어울리는 것 같아요? 어쩌면 내가 미쳤는지 (이번)?
더 낮은 파란색 곡선은 위 빨간색 곡선은 (사례의 유형화 ) 및 화살표는 에 .
Module[ {y, w, a = 0.1, z = 3.24, f = ChiDistribution[7.6], xmin=0, xmax=5}, y = CDF[f,z]; w = InverseCDF[f, y^(1/a)]; Show[ Plot[{CDF[f, x],CDF[f,x]^a} , {x, xmin, xmax}, Filling->{1->{2}}], Graphics[{ Dashed, Arrow[{{z,0}, {z,y}}], Arrow[{{z,y}, {w,y}}], Arrow[{{w,y}, {w,0}}] }] ] ]
Q1) 그렇습니다. 또한 확률 적으로 정렬 된 변수를 생성하는 데 유용합니다. @ whuber 's pretty picture :)에서 이것을 볼 수 있습니다. 확률 론적 순서를 바꿉니다.
유효한 cdf라는 것은 필수 조건을 확인하는 문제 일뿐입니다. 수있다 cadlag , 비 감소 및 한계 무한대로 음의 무한대에서. 이러한 속성이 있으므로 모두 쉽게 표시 할 수 있습니다.
Q2) 분석적으로 어렵지 않은 것 같습니다. 특별하다