【问题标题】:how to define the probability distribution如何定义概率分布
【发布时间】:2018-11-20 04:02:23
【问题描述】:

我有一个小问题,如果您能给我一个解决方案或解决以下想法的概率分布的任何想法,我将非常高兴: 我有一个随机变量 x,它遵循参数 lambda1 的指数分布,我还有一个变量 y,它遵循参数 lambda2 的指数分布。 z 是一个离散值,如何在下面的公式中定义 k 的概率分布?

k=z-x-y

非常感谢

【问题讨论】:

  • 这是convolution 的问题。有关与您的问题非常接近的示例,请参阅here。如果我没记错的话,使用矩生成函数进行此类计算比直接进行积分要容易得多。
  • @apophis 由于 z 是离散变量,而 x 和 y 是连续的,这似乎会使这个问题有点不合常规......也许可以通过将离散分布表示为来取得进展脉冲(即 delta)函数的加权和(使其成为连续变量的函数)。我自己没试过。
  • @Robert Dodier 同意,这听起来真的很难。我的理解是,虽然 z 可能是变量,但它不是 随机 变量。
  • @apophis 当然它是一个随机变量 - 任何东西都是。 PDF(t) = ????(t-z)
  • 我投票结束这个问题,因为它是关于概率和Mathematics 而不是编程或软件开发。

标签: probability distribution


【解决方案1】:

好的,让我们从重写公式开始:

k = z-x-y = -(x-y) + z = - (x + y + -z)

括号中的部分看起来可以管理。让我们从x+y 开始。对于随机变量xy,如果想找出它们的总和,答案是PDF 卷积。

q = x+y

PDF(q) = S PDFx(q-t) PDFy(t) dt

其中S 表示集成。对于xy 是指数的,卷积积分是已知的并且当lambda 不同时等于表达式here,或者当lambda 相等时等于Gamma(2,lambda),Gamma 是Gamma distribution

如果z 是某个常数离散值,那么我们可以将其表示为带有 PDF 的连续 RV

PDF(t) = ?(t+z)

其中?Delta function,我们考虑到峰值将按预期在-z。它是归一化的,所以t 上的积分等于 1。它可以很容易地扩展到离散 RV,作为这些值的 ? 函数之和乘以概率,使得它们之和等于 1。

同样,我们有两个 RV 的和,具有已知的 PDF,解决方案是卷积,由于 ? 函数的特性,它很容易计算。所以x + y + -z 的最终 PDF 将是

PDF(q+z) dq

其中 PDF 取自指数分布 wiki 的总和表达式,伽玛分布来自 Gamma wiki。

你只需要否定,就是这样

【讨论】:

  • K=Z-(X+Y) 我对两个指数随机变量(X 和 Y)的 PDF 应用了卷积。这就像 $f_{U}(u)=\lambda^2 u e^{-\lambda.u}$。现在要为 delta 函数做什么,我在这里努力寻找 k 的 pdf? z- \lambda^2 u e^{-\lambda.u}$。 ?如果有人可以帮助我,我将不胜感激
  • @Angelıque 我会在周末写一个小文档并发送给你,如果可以的话。你有兴趣吗?
  • @Angelıque 尝试获取我在此链接上写的内容:drive.google.com/file/d/1q3BW2IWIJdqEJ02FDxLmGyHt09iFiDbL/…
  • @Angelıque 你收到文章了吗?
猜你喜欢
  • 1970-01-01
  • 2013-11-11
  • 1970-01-01
  • 1970-01-01
  • 2020-10-24
  • 2016-07-18
  • 1970-01-01
  • 1970-01-01
  • 2020-02-22
相关资源
最近更新 更多