Jump to content

Отношения между распределениями вероятностей

Отношения между некоторыми одномерными распределениями вероятностей показаны соединенными линиями. пунктирные линии означают приблизительную взаимосвязь. дополнительная информация: [1]
Отношения между одномерными распределениями вероятностей в ProbOnto . [2]

В теории вероятностей и статистике существует несколько взаимосвязей между распределениями вероятностей . Эти отношения можно разделить на следующие группы:

  • Одно распределение является частным случаем другого с более широким пространством параметров.
  • Преобразования (функция случайной величины);
  • Комбинации (функция нескольких переменных);
  • Аппроксимационные (предельные) отношения;
  • Сложные отношения (полезны для байесовского вывода);
  • Двойственность [ нужны разъяснения ] ;
  • Сопряженные априоры .

Особый случай параметризации распределения

[ редактировать ]

Преобразование переменной

[ редактировать ]

кратное случайной величине

[ редактировать ]

Умножение переменной на любую положительную действительную константу дает масштабирование исходного распределения.Некоторые из них являются самовоспроизводящимися, что означает, что масштабирование дает одно и то же семейство распределений, хотя и с другим параметром: нормальное распределение , гамма-распределение , распределение Коши , экспоненциальное распределение , распределение Эрланга , распределение Вейбулла , логистическое распределение , распределение ошибок , степенное распределение , распределение Рэлея .

Пример:

  • Если X — гамма-случайная величина с параметрами формы и скорости ( α , β ), то Y = aX — гамма-случайная величина с параметрами ( α , β / a ).
  • Если X — гамма-случайная величина с параметрами формы и масштаба ( k , θ ), то Y = aX — гамма-случайная величина с параметрами ( k , ).

Линейная функция случайной величины

[ редактировать ]

Аффинное преобразование ax + b приводит к перемещению и масштабированию исходного распределения. Самовоспроизводящимися являются: Нормальное распределение , Распределение Коши , Логистическое распределение , Распределение ошибок , Распределение степени , Распределение Рэлея .

Пример:

  • Если Z — нормальная случайная величина с параметрами ( µ = m , σ 2 = с 2 ), то X = aZ + b — нормальная случайная величина с параметрами ( µ = am + b , σ 2 = а 2 с 2 ).

Обратная случайная величина

[ редактировать ]

Обратная величина 1/ X случайной величины X является членом того же семейства распределений, что и X , в следующих случаях: Распределение Коши , распределение F , логлогистическое распределение .

Примеры:

  • Если X — случайная величина Коши ( μ , σ ), то 1/ X — случайная величина Коши ( μ / C , σ / C ), где C = μ 2 + р 2 .
  • Если X является случайной величиной F ( ν 1 , ν 2 ), то 1/ X является случайной величиной F ( ν 2 , ν 1 ).

Другие случаи

[ редактировать ]

Некоторые распределения инвариантны относительно определенного преобразования.

Пример:

  • Если X является бета- ( α , β ) случайной величиной, то (1 - X ) является бета- ( β , α ) случайной величиной.
  • Если X является биномиальной ( n , p ) случайной величиной, то ( n - X ) является биномиальной ( n , 1 - p ) случайной величиной.
  • Если X имеет кумулятивную функцию распределения F X , то обратная кумулятивному распределению F
    X
    ( X ) — стандартная равномерная (0,1) случайная величина.
  • Если X является нормальным ( µ , p 2 ) случайная величина, тогда e Х является логнормальным ( µ , σ 2 ) случайная величина.
И наоборот, если X является логнормальным ( µ , σ 2 ) случайная величина, то log X является нормальной ( µ , σ 2 ) случайная величина.
  • Если X экспоненциальная случайная величина со средним значением β , то X 1/ с случайная величина Вейбулла ( γ , β ).
  • Квадрат стандартной нормальной случайной величины имеет распределение хи-квадрат с одной степенью свободы.
  • Если X Стьюдента t случайная величина ν со степенью свободы , то X 2 является случайной величиной F (1, ν ).
  • Если X двойная экспоненциальная случайная величина со средним значением 0 и масштабом λ , то | Х | — экспоненциальная случайная величина со средним значением λ .
  • Геометрическая величины случайная величина — это нижняя граница случайной экспоненциальной .
  • Прямоугольная случайная величина — это нижняя граница равномерной случайной величины.
  • Обратная случайная величина — это экспонента равномерной случайной величины.

Функции нескольких переменных

[ редактировать ]

Сумма переменных

[ редактировать ]

Распределение суммы независимых случайных величин представляет собой свертку их распределений. Предполагать это сумма независимые случайные величины каждый с функциями вероятностной массы . Затем

Если оно имеет распределение из того же семейства распределений, что и исходные переменные, то это семейство распределений называется замкнутым при свертке . Часто (всегда?) эти распределения также являются стабильными распределениями (см. также Дискретно-стабильное распределение ).

Примерами таких одномерных распределений являются: нормальные распределения , распределения Пуассона , биномиальные распределения (с общей вероятностью успеха), отрицательные биномиальные распределения (с общей вероятностью успеха), гамма-распределения (с общим параметром скорости ), распределения хи-квадрат , распределения Коши , гиперэкспоненциальные распределения . распределения .

Примеры: [3] [4]

    • Если X 1 и X 2 являются Пуассона случайными величинами со средними значениями µ 1 и µ 2 соответственно, то X 1 + X 2 является Пуассона случайной величиной со средним значением µ 1 + µ 2 .
    • Сумма гамма- ( αi β , β случайных величин имеет гамма- ( Σαi , ) распределение ).
    • Если X 1 является Коши ( µ 1 , σ 1 случайной величиной ) и X 2 является случайной величиной Коши ( µ 2 , σ 2 ), то X 1 + X 2 является случайной величиной Коши ( µ 1 + µ 2 , σ 1 + σ 2 ). ) случайная величина.
    • Если X 1 и X 2 являются хи-квадрат случайными величинами ν 1 и ν 2 со степенями свободы соответственно, то X 1 + X 2 является случайной величиной хи-квадрат ν 1 + ν 2 . со степенями свободы
    • Если X 1 является нормальным ( µ 1 , σ 2
      1
      ) случайная величина, а X 2 — нормальная ( µ 2 , σ 2
      2
      ) случайная величина, то X 1 + X 2 является нормальной ( µ 1 + µ 2 , σ 2
      1
      + п 2
      2
      ) случайная величина.
    • Сумма N случайных величин хи-квадрат (1) имеет распределение хи-квадрат с N степенями свободы.

Остальные распределения не замкнуты относительно свертки, но их сумма имеет известное распределение:

  • Сумма n случайных величин Бернулли (p) является биномиальной ( n , p ) случайной величиной.
  • Сумма n геометрических случайных величин с вероятностью успеха p представляет собой отрицательную биномиальную случайную величину с параметрами n и p .
  • Сумма n экспоненциальных ( β ) случайных величин представляет собой гамма ( n , β ) случайную величину. Поскольку n — целое число, гамма-распределение также является распределением Эрланга .
  • Сумма квадратов N стандартных нормальных случайных величин имеет распределение хи-квадрат с N степенями свободы.

Произведение переменных

[ редактировать ]

Произведение независимых случайных величин X и Y может принадлежать к тому же семейству распределений, что и X и Y : распределению Бернулли и логнормальному распределению .

Пример:

  • Если X 1 и X 2 — независимые логнормальные случайные величины с параметрами ( µ 1 , σ 2
    1
    ) и ( м 2 , п 2
    2
    ) соответственно, то X 1 X 2 логнормальная случайная величина с параметрами ( µ 1 + µ 2 , σ 2
    1
    + п 2
    2
    ).

(См. также Распространение продукции .)

Минимум и максимум независимых случайных величин

[ редактировать ]

Для некоторых распределений минимальное значение нескольких независимых случайных величин является членом одного семейства с разными параметрами: Распределение Бернулли , Геометрическое распределение , Экспоненциальное распределение , Распределение экстремальных значений , Распределение Парето , Распределение Рэлея , Распределение Вейбулла .

Примеры:

  • Если X 1 и X 2 являются независимыми геометрическими случайными величинами с вероятностью успеха p 1 и p 2 соответственно, то min( X 1 , X 2 ) является геометрической случайной величиной с вероятностью успеха p = p 1 + p 2 p 1. п 2 . Зависимость будет проще, если ее выразить через вероятность отказа: q = q 1 q 2 .
  • Если X 1 и X 2 являются независимыми экспоненциальными случайными величинами со скоростью µ 1 и µ 2 соответственно, то min( X 1 , X 2 ) является экспоненциальной случайной величиной со скоростью µ = µ 1 + µ 2 .

Аналогичным образом, распределения, для которых максимальное значение нескольких независимых случайных величин является членом одного и того же семейства распределений, включают: Распределение Бернулли , Степенное распределение.

  • Если X и Y являются независимыми стандартными нормальными случайными величинами, X / Y является случайной величиной Коши (0,1).
  • Если X 1 и X 2 являются независимыми хи-квадрат случайными величинами ν 1 и ν 2 со степенями свободы соответственно, то ( X 1 / ν 1 )/( X 2 / ν 2 ) является F ( ν 1 , ν 2 ) случайная величина.
  • Если X стандартная нормальная случайная величина, а U — независимая случайная величина хи-квадрат с ν степенями свободы, то случайная величина Стьюдента t ( ν ).
  • Если X 1 является гамма- ( α 1 , 1) случайной величиной, а X 2 является независимой гамма- 2 , 1) случайной величиной, то X 1 /( X 1 + X 2 ) является бета ( α 1 , α 2 ) случайная величина. В более общем смысле, если X 1 является гамма-( α 1 , β 1 ) случайной величиной, а X 2 является независимой гамма-( α 2 , β 2 ) случайной величиной, то β 2 X 1 /( β 2 X 1 + β 1 X 2 ) является бета( α 1 , α 2 ) случайной величиной.
  • Если X и Y — независимые экспоненциальные случайные величины со средним значением µ, то X Y двойная экспоненциальная случайная величина со средним значением 0 и масштабом µ.
  • Если X i являются независимыми Бернулли случайными величинами , то их четность (XOR) является переменной Бернулли, описываемой леммой о нагромождении .

(См. также соотношение распределения .)

Приблизительные (предельные) отношения

[ редактировать ]

Приблизительные или предельные отношения означают

  • либо комбинация бесконечного числа случайных величин iid стремится к некоторому распределению,
  • или что предел, когда параметр стремится к некоторому значению, приближается к другому распределению.

Комбинация случайных величин iid :

  • При определенных условиях сумма (следовательно, среднее) достаточно большого числа случайных величин iid, каждая из которых имеет конечное среднее значение и дисперсию, будет примерно нормально распределена. Это центральная предельная теорема (ЦПТ).

Частный случай параметризации распределения:

  • X гипергеометрическая ( m , N , n ) случайная величина. Если n и m велики по сравнению с N , а p = m / N не близко к 0 или 1, то X приблизительно имеет биномиальное ( n , p ) распределение.
  • X бета-биномиальная случайная величина с параметрами ( n , α , β ). Пусть p = α /( α + β ) и предположим, что α + β велико, тогда X приблизительно имеет биномиальное ( n , p ) распределение.
  • Если X является биномиальной ( n , p ) случайной величиной и если n велико, а np мало, то X приблизительно имеет распределение Пуассона ( np ).
  • Если X отрицательная биномиальная случайная величина с большим r , P около 1 и r (1 − P ) = λ , то X приблизительно имеет распределение Пуассона со средним значением λ .

Последствия CLT:

  • Если X случайная величина Пуассона с большим средним значением, то для целых чисел j и k P( j X k ) примерно равно P ( j − 1/2 ≤ Y k + 1/2), где Y нормальный распределение с тем же средним значением и дисперсией, что X. и
  • Если X биномиальная ( n , p ) случайная величина с большими np и n (1 − p ), то для целых чисел j и k P ( j X k ) примерно равно P ( j − 1/2 ≤ Y k + 1/2), где Y нормальная случайная величина с тем же средним значением и дисперсией, что и X , т. е. np и np (1 − p ).
  • Если X является бета- случайной величиной с параметрами α и β равными и большими, то X приблизительно имеет нормальное распределение с одинаковым средним значением и дисперсией, т.е. средним значением α /( α + β ) и дисперсией αβ /(( α + β ) 2 ( а + б + 1)).
  • Если X является случайной величиной гамма ( α , β ) и параметр формы α велик по сравнению с параметром масштаба β , то X примерно имеет нормальную случайную величину с тем же средним значением и дисперсией.
  • Если X случайная величина Стьюдента t с большим числом степеней свободы ν , то X приблизительно имеет стандартное нормальное распределение.
  • Если X является случайной величиной F ( ν , ω ) с большим ω , то νX приблизительно распределяется как случайная величина хи-квадрат с ν степенями свободы.

Сложные (или байесовские) отношения

[ редактировать ]

Когда один или несколько параметров распределения являются случайными величинами, сложное распределение представляет собой предельное распределение переменной.

Примеры:

  • Если Х | N биномиальная ( N , p ) случайная величина, где параметр N — случайная величина с отрицательно-биномиальным ( m , r ) распределением, тогда X распределяется как отрицательно-биномиальное ( m , r /( p + qr )) .
  • Если Х | N биномиальная ( N , p ) случайная величина, где параметр N — случайная величина с распределением Пуассона ( µ ), тогда X распределяется как Пуассон ( µp ).
  • Если Х | μ Пуассона ( μ случайная величина ), а параметр μ — случайная величина с гамма-распределением ( m , θ ) (где θ — параметр масштаба), тогда X распределяется как отрицательно-биномиальное ( m , θ /(1 + θ) )), иногда называемое гамма-распределением Пуассона .

Некоторые дистрибутивы были специально названы составными: бета-биномиальное распределение , бета-отрицательное биномиальное распределение , гамма-нормальное распределение .

Примеры:

  • Если X является биномиальной ( n , p ) случайной величиной, а параметр p является случайной величиной с бета-распределением ( α , β ), то X распределяется как бета-биномиальное ( α , β , n ).
  • Если X является отрицательно-биномиальной ( r , p ) случайной величиной, а параметр p является случайной величиной с бета-распределением ( α , β ), то X распределяется как бета-отрицательное биномиальное распределение ( r , α , β ).

См. также

[ редактировать ]
  1. ^ ЛИМИС, Лоуренс М.; Жаклин Т. МАККЕСТОН (февраль 2008 г.). «Одномерные отношения распределения» (PDF) . Американский статистик . 62 (1): 45–53. дои : 10.1198/000313008x270448 . S2CID   9367367 .
  2. ^ Сват, MJ; Гренон, П; Вималаратне, С (2016). «ProbOnto: онтология и база знаний вероятностных распределений» . Биоинформатика . 32 (17): 2719–21. doi : 10.1093/биоинформатика/btw170 . ПМК   5013898 . ПМИД   27153608 .
  3. ^ Кук, Джон Д. «Диаграмма распределительных отношений» .
  4. ^ Динов, Иво Д.; Зигрист, Кайл; Перл, Деннис; Калинин, Алексей; Кристу, Николя (2015). «Распределение вероятностей: вычислительная веб-инфраструктура для изучения свойств, взаимосвязей и приложений вероятностных распределений» . Вычислительная статистика . 594 (2): 249–271. дои : 10.1007/s00180-015-0594-6 . ПМЦ   4856044 . ПМИД   27158191 .
[ редактировать ]
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 37376ad5b84a431b3a65142ce650f002__1705603380
URL1:https://arc.ask3.ru/arc/aa/37/02/37376ad5b84a431b3a65142ce650f002.html
Заголовок, (Title) документа по адресу, URL1:
Relationships among probability distributions - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)