Chapter 6 Functions of Random Variables
Fördelningsfunktions-metoden (Kap 6.3)
Fallet där \(U\) är en funktion av en slumpvariabel \(Y\) , dvs \(U=h(Y)\)
Utgående från täthetsfunktionen \(f(y)\) för \(Y\) och beskrivning av funktionen \(h\) , tar man fram täthetsfunktionen \(f(u)\) för \(U\).
Men man gör detta genom att gå via slumpvariablernas fördelningsfunktioner.
För att inte blanda ihop beteckningarna för de två slumpvariablernas beskrivningar, använder vi olika index; Y respektive U :
För slumpvariabeln \(Y\) betecknas täthetsfunktionen \(f_Y(y)\)
och fördelningsfunktionen betecknas \(F_Y(y)\) .
För slumpvariabeln \(U\) betecknas täthetsfunktionen \(f_U(u)\)
och fördelningsfunktionen betecknas \(F_U(u)\) .
Beskrivning av fördelningsfunktions-metoden
Start
* Information om fördelningen för slumpvariabeln \(Y\) , i form av täthetsfunktionen \(f_Y(y)\) .
* Information om funktionen \(h\) , i form av en formel \(U=h(Y)\)
Mål
* Information om fördelningen för slumpvariabeln \(U\) , i form av täthetsfunktionen \(f_U(u)\) .
Bild av proceduren från start till mål
Exempel 1
Om \(Y \sim Re(0,2)\) och \(U=10 Y + 5\), vilken fördelning får \(U\) ?
Först en bild av täthetsfunktionen \(f(y)\) för slumpvariabeln \(Y \sim Re(0,2)\):
\(\displaystyle f_Y(y)=\left\{ \begin{array}{ll} 0, & y<0 \\ 0.5, & 0 \leq y \leq 2 \\ 0, & y > 2 \end{array} \right.\)
Steg 1
Bestäm \(F_Y(y)\)
Vi vet att \(F_Y(y)\) är en primitiv funktion till \(f_Y(y)\) för \(0 \leq y \leq 2\) .
Det vi behöver veta är värdet på konstanten C, men det kan vi bestämma genom att utnyttja antingen \(F_Y(0)=0\) eller \(F_Y(2)=1\)
Vi får formeln \(F_Y(y)=0.5y+C\) , och villkoren ovan ger att \(C = 0\) .
\(\displaystyle F_Y(y)=\left\{ \begin{array}{ll} 0, & y<0 \\ 0.5y, & 0 \leq y \leq 2 \\ 1, & y > 2 \end{array} \right.\)
Steg 2
Bestäm \(F_U(u)\)
I detta steg behöver vi använda att \(U=10 Y + 5\) ,
samt att denna formel gäller för \(0 \leq y \leq 2\) .
\(F_U(u)\) = \(P(U \leq u)\) = \(P(10 Y + 5 \leq u)\) = \(P(10 Y \leq u – 5)\) = \(P(Y \leq \frac{u – 5}{10})\) = \(P( Y \leq 0.1u – 0.5)\) (1)
Använd nu formeln för \(F_Y(y)\) = \(0.5 \cdot y\) enligt ovan.
Eftersom \(0 \leq y \leq 2\) och \(u=10 y + 5\) får vi att formeln för \(F_U(u)\) gäller för \(5 \leq u \leq 25\) .
Eftersom \(F_Y(y)\) = \(P(Y \leq y)\) , får vi att (1) ger \(F_U(u)\) = \(P( Y \leq 0.1u – 0.5)\) = \(F_Y(0.1u – 0.5)\) = \(0.5 \cdot (0.1u – 0.5)\) = \(0.05u – 0.25\) .
Vi får
\(\displaystyle F_U(u)=\left\{ \begin{array}{ll} 0, & u<5 \\ 0.05u – 0.25, & 5 \leq u \leq 25 \\ 1, & u > 25 \end{array} \right.\)
Steg 3
Bestäm \(f_U(u)\)
För att komma från \(F_U(u)\) till \(f_U(u)\) är det bara att derivera;
\(f_U(u)\) = \(F’_U(u)\)
Det ger \(\displaystyle f_U(u)=\left\{ \begin{array}{ll} 0, & u<5 \\ 0.05, & 5 \leq u \leq 25 \\ 0, & u > 25 \end{array} \right.\)
Detta är samma sak som att säga att \(U \sim Re(5,25)\)
Bilden av proceduren igen:
Exempel 2
Om \(Y \sim Re(1,5)\) och \(U=2 Y^2 + 3\), vilken fördelning får \(U\) ?
Givet är alltså
\(\displaystyle f_Y(y)=\left\{ \begin{array}{ll} 0, & y < 1 \\ \frac{1}{4}, & 1 \leq y \leq 5 \\ 0, & y > 5 \end{array} \right.\)
Steg 1
Bestäm \(F_Y(y)\)
Vi vet att \(F_Y(y)\) är en primitiv funktion till \(f_Y(y)\) för \(1 \leq y \leq 5\) .
Det vi behöver veta är värdet på konstanten C, men det kan vi bestämma genom att utnyttja antingen \(F_Y(1)=0\) eller \(F_Y(5)=1\)
Vi får formeln \(F_Y(y)=\frac{1}{4} y+C\) , och villkoren ovan ger att \(C = -\frac{1}{4}\) .
\(\displaystyle F_Y(y)=\left\{ \begin{array}{ll} 0, & y<1 \\ \frac{1}{4} y -\frac{1}{4}, & 1 \leq y \leq 5 \\ 1, & y > 5 \end{array} \right.\)
Steg 2
Bestäm \(F_U(u)\)
I detta steg behöver vi använda att \(U=2 Y^2 + 3\) ,
samt att denna formel gäller för \(1 \leq y \leq 5\) .
Eftersom \(1 \leq y \leq 5\) och \(u=2 y^2 + 3\) är växande för \(1 \leq y \leq 5\) får vi att formeln för \(F_U(u)\) gäller för \(5 \leq u \leq 53\) .
\(F_U(u)\) = \(P(U \leq u)\) = \(P(2 Y^2 + 3 \leq u)\) = \(P(2 Y^2 \leq u – 3)\) = \(P( Y^2 \leq \frac{u – 3}{2})\)
Om \(Y^2 \leq \frac{u – 3}{2}\) , innebär det att
\(-\sqrt{\frac{u – 3}{2}} \leq Y \leq \sqrt{\frac{u – 3}{2}}\)
Lite repetition från kap 4 del 1
Allmänt:
\(P(a \leq Y \leq b)\) = \(\displaystyle \int_a^b f(y) \ dy\) = \(F(b)-F(a)\)
Eftersom \(f_Y(y)=0\) för \(y<1\) , betyder det att
\(P \left(-\sqrt{\frac{u – 3}{2}} \leq Y \leq \sqrt{\frac{u – 3}{2}} \: \right)\) = \(P \left(1 \leq Y \leq \sqrt{\frac{u – 3}{2}} \: \right)\)
Både \(1\) och \(\sqrt{\frac{u – 3}{2}}\) finns i området \(1 \leq y \leq 5\) (eftersom \(5 \leq u \leq 53\) )
Och i detta område har vi nyss konstaterat att sannolikhetsberäkningar kan göras med \(f_Y(y)=\frac{1}{4}\) respektive \(F_Y(y)=\frac{1}{4} y-\frac{1}{4}\)
Detta (se repetitionen ovan) innebär att \(P \left(1 \leq Y \leq \sqrt{\frac{u – 3}{2}} \: \right)\) = \(F_Y \left(\sqrt{\frac{u – 3}{2}} \: \right) – F_Y(1)\) .
Då har vi allt vi behöver för hela “kedjan”;
\(F_U(u)\) = \(P(U \leq u)\) = \(P(2 Y^2 + 3 \leq u)\) = \(P(2 Y^2 \leq u – 3)\) = \(P( Y^2 \leq \frac{u – 3}{2})\) = \(P \left(-\sqrt{\frac{u – 3}{2}} \leq Y \leq \sqrt{\frac{u – 3}{2}} \: \right)\) = \(P \left(1 \leq Y \leq \sqrt{\frac{u – 3}{2}} \: \right)\) = \(F_Y \left(\sqrt{\frac{u – 3}{2}} \right) – F_Y(1)\) = \(\frac{1}{4} \cdot \sqrt{\frac{u – 3}{2}} -\frac{1}{4} \, \, — 0\) = \(\frac{1}{4} \cdot \sqrt {\frac{1}{2}u-\frac{3}{2}} -\frac{1}{4}\) = \(\frac{1}{4} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{\frac{1}{2}} -\frac{1}{4}\)
Vi får
\(\displaystyle F_U(u)=\left\{ \begin{array}{ll} 0, & u<5 \\ \frac{1}{4} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{\frac{1}{2}} -\frac{1}{4}, & 5 \leq u \leq 53 \\ 1, & u > 53 \end{array} \right.\)
Steg 3
Bestäm \(f_U(u)\)
För att komma från \(F_U(u)\) till \(f_U(u)\) är det bara att derivera;
\(f_U(u)\) = \(F’_U(u)\)
Derivering:
\(F_U(u)\) = \(\frac{1}{4} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{\frac{1}{2}} -\frac{1}{4}\) ger
\(F’_U(u)\) = \(\frac{1}{4} \cdot \frac{1}{2} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{ – \frac{1}{2}} \cdot \frac{1}{2}-0\) = \(\frac{1}{16} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{ – \frac{1}{2}}\) = \(\frac{ \sqrt{2}}{16 \cdot \sqrt{u-3} }\)
Vi får alltså \(\displaystyle f_U(u)=\left\{ \begin{array}{ll} 0, & u<5 \\ \frac{ \sqrt{2}}{16 \cdot \sqrt{u-3} }, & 5 \leq u \leq 53 \\ 0, & u > 53 \end{array} \right.\)
Fallet där \(U\) är en funktion av två slumpvariabler \(Y_1\) och \(Y_2\)
Detta fall ingår inte i kursen.
// add bootstrap table styles to pandoc tables $(document).ready(function () { $('tr.header').parent('thead').parent('table').addClass('table table-condensed'); });