Chapter 6 Functions of Random Variables
Transformations-metoden (Kap 6.4)
Fallet där \(U\) är en funktion av en slumpvariabel \(Y\) , dvs \(U=h(Y)\)
Utgående från täthetsfunktionen \(f_Y(y)\) för \(Y\) och beskrivning av funktionen \(h\) , tar man fram täthetsfunktionen \(f_U(u)\) för \(U\).
I den här metoden går vi direkt från täthetsfunktion till täthetsfunktion (utan* att gå via fördelningsfunktionen).
Såhär är metodens formel:
\(f_{U}\left( u\right)\) = \(f_{Y}\Bigl( h^{-1}(u) \Bigr) \cdot \displaystyle \left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\)
*För härledningen av metodens formel, används ändå fördelningsfunktionsmetoden.
Härledningen görs här i fallet där funktionen \(h\) är en linjär funktion, dvs \(U=a Y + b\) .
Härledning av metodens formel när \(U=a Y + b\) ; fall 1 där \(a>0\)
\(F_U(u)\) = \(P(U \leq u)\) = \(P(a Y + b \leq u)\) = \(P(a Y \leq u – b)\) = \(P \left(Y \leq \frac{u – b}{a} \right)\) = \(P \left( Y \leq \frac{1}{a} u – \frac{b}{a} \right)\) = \(F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\) .
För att sedan få fram \(f_U(u)\) behöver vi derivera \(F_U(u)\) .
Eftersom \(F_U(u)\) = \(F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\)
är en sammansatt funktion, som består av den yttre funktionen \(F_Y\) och den inre funktionen \(\frac{1}{a} u – \frac{b}{a}\) , så behöver kedjeregeln för derivering av sammansatta funktioner användas.
Då kanske du behöver repetera följande (länken fanns även i kapitel 4.)
Länk om derivata av sammansatta funktioner : [http://www.matteboken.se/lektioner/matte-4/derivata-och-differentialekvationer/derivatan-av-sammansatta-funktioner]
I vårt fall med \(F_U(u)\) = \(F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\)
så blir derivatan av \(F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\) lika med
\(f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\)
Yttre derivatan är \(f_Y\) (derivatan av \(F_Y\) .)
och inre derivatan är \(\frac{1}{a}\) (derivatan av \(\frac{1}{a} u – \frac{b}{a}\) . )
Beteckningen \(\frac{dg}{du}\)
Om man har en funktion \(g(u)\) och vill betona att derivatan beräknas just med avseende på variabeln \(u\) , kan man använda beteckningen \(\frac{dg}{du}\) som ett alternativ istället för beteckningen \(g'(u)\) .
Man kan också använda den beteckningen på följande sätt:
\(\displaystyle \frac{d\bigl(\frac{1}{a} u – \frac{b}{a} \bigr)}{du} =\textstyle \frac{1}{a}\)
Slutsatsen blir att
\(f_U(u) = f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\)
För att få en enklare formel är det lämpligt att döpa den inre funktionen \(\frac{1}{a} u – \frac{b}{a}\) till något lämpligt i sammanhanget.
Ursprunget till formeln för den inre funktionen är att \(u=a y + b\) är ekvivalent med \(y =\frac{1}{a} u – \frac{b}{a}\) . (Det får man om man löser ut \(y\) ur den första formeln.)
Och formeln \(u=a y + b\) kommer från att \(h(y)=a y + b\) . Med matematik-språk används beteckningen invers för ett sådant “omvänt” samband:
\(u=h(y) \Leftrightarrow y=h^{-1}(u)\) .
Beteckningen \(h^{-1}\) betyder alltså inversen till \(h\) .
Om du vill veta mer om vad invers innebär,kan du kolla i början på följande video:
[https://www.youtube.com/watch?v=kRZ66ia8ytY]
Vi har kommit fram till en lämplig beteckning för den inre funktionen \(\frac{1}{a} u – \frac{b}{a}\) ; den betecknas \(h^{-1}(u)\) .
Vi har alltså \(h^{-1}(u) = \frac{1}{a} u – \frac{b}{a}\)
Vår slutsats från tidigare;
att \(f_U(u) = f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\)
kan då även skrivas på följande sätt:
\(f_U(u) = f_Y \left( h^{-1}(u) \right) \cdot {h^{-1}}'(u)\) eller
\(f_U(u)\) = \(f_Y \left( h^{-1}(u) \right) \cdot \displaystyle \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\)
Härledning av metodens formel när \(U=a Y + b\) ; fall 2 där \(a<0\)
\(F_U(u)\) = \(P(U \leq u)\) = \(P(a Y + b \leq u)\) = \(P(a Y \leq u – b)\)
I nästa steg skiljer det sig från fall 1; Eftersom \(a<0\) gäller \(aY \leq u – b \Leftrightarrow Y \geq \frac{u – b}{a}\) .
Vi börjar från början igen:
\(F_U(u)\) = \(P(U \leq u)\) = \(P(a Y + b \leq u)\) = \(P(a Y \leq u – b)\) = \(P \left(Y \geq \frac{u – b}{a} \right)\) = \(1 \ \ — \ \ P \left(Y \leq \frac{u – b}{a} \right)\) = \(1 \ \ — \ \ P \left( Y \leq \frac{1}{a} u – \frac{b}{a} \right)\) = \(1 \ \ — \ \ F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\) .
För att sedan få fram \(f_U(u)\) behöver vi derivera \(F_U(u)\) .
Derivatan av den första termen ( \(1\) ) blir \(0\) .
Derivatan av \(F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\)
kom vi fram till tidigare att den blev
\(f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\)
Sammantaget får vi då att derivatan av \(F_U(u)\) = \(1 \ \ — \ \ F_Y \left( \frac{1}{a} u – \frac{b}{a} \right)\) .
blir \(0 \ \ — f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\)
dvs
\(f_U(u) = \ – f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \frac{1}{a}\) .
I fall 2 har vi ju att \(a\) är ett negativt tal, så även faktorn \(\frac{1}{a}\) blir negativ.
Om vi byter den faktorn till \(\left\vert \frac{1}{a} \right\vert\) så byter därför hela uttrycket tecken, och därför kan vi ta bort minustecknet i början av hela uttrycket.
I fall 1 är det ju inga problem; \(\frac{1}{a}\) = \(\left\vert \frac{1}{a} \right\vert\) eftersom \(a\) är ett positivt tal.
Metodens formel när \(U=a Y + b\) ; både fall 1 och fall 2
I båda fallen får vi alltså att metodens formel blir \(f_U(u)\) = \(f_Y \left( \frac{1}{a} u – \frac{b}{a} \right) \cdot \left\vert \frac{1}{a} \right\vert\) .
Med beteckningen \(h(y)=a y + b\) kan vi skriva metodens formel som
\(f_{U}\left( u\right)\) = \(f_{Y}\Bigl( h^{-1}(u) \Bigr) \cdot \displaystyle \left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\)
Härledning av metodens formel för en allmän funktion \(h(y)\)
Metodens formel gäller inte bara för \(h(y)=a y + b\) , utan den gäller för alla funktioner \(h(y)\) som är antingen växande eller avtagande.
Den allmänna härledningen finns i texten i kursbokens kap 6.4
Övningar
Exempel 1
Om \(Y \sim Re(0,2)\) och \(U=10 Y + 5\), vilken fördelning får \(U\) ?
Lösning
Vi har \(f_Y(y) = 0.5\) för \(0 \leq y \leq 2\)
Vi har \(h(y)=10 y + 5\) .
Om vi löser ut \(y\) ur formeln \(u=10 y + 5\) så får vi \(y = \frac{1}{10} u – \frac{5}{10}\)
Detta innebär att \(h^{-1}(u) = \frac{1}{10} u – \frac{5}{10}\) .
Nu använder vi transformationsmetodens formel:
\(f_{U}\left( u\right)\) = \(f_{Y}\Bigl( h^{-1}(u) \Bigr) \cdot \displaystyle \left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\) .
Eftersom \(f_Y(y) = 0.5\) är en konstant funktion, blir även \(f_{Y}\Bigl( h^{-1}(u) \Bigr) = 0.5\) .
Vi får att derivatan av funktionen \(h^{-1}(u)\) blir \(\frac{1}{10}\) , dvs \(\left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\) = \(\left\vert \frac{1}{10}\right\vert\) = \(\frac{1}{10}\).
Sammansatt får vi \(f_{U}\left( u\right)\) = \(0.5 \cdot \frac{1}{10}\)= \(0.05\) .
Eftersom \(f_Y(y) = 0.5\) gäller för \(0 \leq y \leq 2\) och \(u=10 y + 5\) , så gäller \(f_U(u) = 0.05\) för \(5 \leq u \leq 25\)
Svar: \(f_U(u) = 0.05\) , \(5 \leq u \leq 25\)
Exempel 2
Om \(Y \sim Re(1,5)\) och \(U=2 Y^2 + 3\), vilken fördelning får \(U\) ?
Lösning
Vi har \(f_Y(y)=\frac{1}{4}\) för \(1 \leq y \leq 5\) .
Vi har \(h(y)=2 y^2 + 3\) .
Om vi löser ut \(y\) ur formeln \(u=2 y^2 + 3\) så får vi \(y = \sqrt{\frac{u – 3}{2}}\) eller \(y = – \sqrt{\frac{u – 3}{2}}\)
Men eftersom \(1 \leq y \leq 5\) , så bortfaller det negativa alternativet.
Detta innebär att \(h^{-1}(u) = \sqrt{\frac{u – 3}{2}}\) = \(\left( \frac{1}{2} u – \frac{3}{2} \ \right)^{\frac{1}{2}}\) .
Nu använder vi transformationsmetodens formel:
\(f_{U}\left( u\right)\) = \(f_{Y}\Bigl( h^{-1}(u) \Bigr) \cdot \displaystyle \left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\) .
Eftersom \(f_Y(y) = \frac{1}{4}\) är en konstant funktion, blir även \(f_{Y}\Bigl( h^{-1}(u) \Bigr) = \frac{1}{4}\) .
Vi får att derivatan av funktionen \(h^{-1}(u)\) blir \(\frac{1}{2} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{ – \frac{1}{2}} \cdot \frac{1}{2}\) = \(\frac{1}{4} \cdot \left( \frac{1}{2}u-\frac{3}{2} \right)^{ – \frac{1}{2}}\) = \(\frac{ \sqrt{2}}{4 \cdot \sqrt{u-3} }\) ,
dvs \(\left\vert \frac{d\Bigl( h^{-1}(u) \Bigr)}{du}\right\vert\) = \(\left\vert \frac{ \sqrt{2}}{4 \cdot \sqrt{u-3} }\right\vert\) = \(\frac{ \sqrt{2}}{4 \cdot \sqrt{u-3} }\).
Sammansatt får vi \(f_{U}\left( u\right)\) = \(\frac{1}{4} \cdot \frac{ \sqrt{2}}{4 \cdot \sqrt{u-3} }\) = \(\frac{ \sqrt{2}}{16 \cdot \sqrt{u-3} }\) .
Eftersom \(f_Y(y) = \frac{1}{4}\) gäller för \(1 \leq y \leq 5\) och \(u=2 y^2 + 3\) , så gäller \(f_{U}\left( u\right)\) = \(\frac{ \sqrt{2}}{16 \cdot \sqrt{u-3} }\) för \(3 \leq u \leq 53\)
Svar: \(f_{U}\left( u\right)\) = \(\frac{ \sqrt{2}}{16 \cdot \sqrt{u-3} }\) , \(3 \leq u \leq 53\)
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'); });