CDF nâng lên một sức mạnh?


14

Nếu FZ là CDF, có vẻ như FZ(z)α ( α>0 ) cũng là CDF.

Q: Đây có phải là một kết quả tiêu chuẩn?

Hỏi: Có cách nào tốt để tìm hàm g với Xg(Z) st FX(x)=FZ(z)α , trong đó xg(z)

Về cơ bản, tôi có một CDF khác trong tay, FZ(z)α . Trong một số dạng rút gọn, tôi muốn mô tả biến ngẫu nhiên tạo ra CDF đó.

EDIT: Tôi rất vui nếu tôi có thể nhận được kết quả phân tích cho trường hợp đặc biệt . Hoặc ít nhất biết rằng một kết quả như vậy là khó chữa.ZN(0,1)


2
Vâng, đó là một kết quả khá nổi tiếng và dễ khái quát. (Làm thế nào?) Bạn cũng có thể tìm thấy g , ít nhất là ngầm. Về cơ bản, đây là một ứng dụng của kỹ thuật biến đổi nghịch đảo thường được sử dụng để tạo ra các biến thiên ngẫu nhiên của một phân phối tùy ý.
Đức hồng y

2
@cardinal Xin vui lòng, trả lời. Nhóm nghiên cứu sau đó phàn nàn rằng chúng tôi không chiến đấu với tỷ lệ trả lời thấp.

1
@mbq: Cảm ơn ý kiến ​​của bạn, điều mà tôi hiểu và tôn trọng rất nhiều. Vui lòng hiểu rằng đôi khi các cân nhắc về thời gian và / hoặc địa điểm không cho phép tôi đăng câu trả lời, nhưng hãy cho phép nhận xét nhanh có thể khiến OP hoặc những người tham gia khác bắt đầu. Hãy yên tâm rằng, trong tương lai, nếu tôi có thể đăng câu trả lời, tôi sẽ làm như vậy. Hy vọng sự tiếp tục tham gia của tôi thông qua ý kiến ​​cũng sẽ ổn thôi.
Đức hồng y

2
@cardinal Một số người trong chúng ta cũng có tội như vậy, vì những lý do tương tự ...
whuber

2
@brianjd Vâng, đây là một kết quả nổi tiếng đã được sử dụng để sản xuất công nghiệp các bản phân phối "tổng quát", xem . Tồn tại nhiều biến đổi như thế này và mọi người sử dụng chúng cho mục đích này: họ tìm thấy một phép biến đổi tham số, áp dụng nó cho một phân phối và voilá, bạn có một bài báo chỉ bằng cách tính các thuộc tính của nó. Và tất nhiên, bình thường là 'nạn nhân' đầu tiên.

Câu trả lời:


10

Tôi thích các câu trả lời khác, nhưng chưa ai đề cập đến những điều sau đây. Sự kiện này xảy ra khi và chỉ khi { m một x ( U , V ) t } , vì vậy nếu UV là độc lập và W = m một x ( U , V ) , sau đó F W ( t ) = F U ( t ) *{Ut, Vt}{max(U,V)t}UVW=max(U,V) như vậy cho α một số nguyên dương (nói, α = n ) lấy X = m một x ( Z 1 , . . . Z n ) nơi Z 's là iidFW(t)=FU(t)FV(t)αα=nX=max(Z1,...Zn)Z

Với chúng ta có thể chuyển đổi để lấy F Z = F n X , vì vậy X sẽ là biến ngẫu nhiên sao cho tối đa n bản sao độc lập có cùng phân phối với Z (và đây sẽ không phải là một trong những người bạn quen thuộc của chúng ta , nói chung). α=1/nFZ=FXnXnZ

Trường hợp của một số hữu tỷ dương (giả sử, α = m / n ) xuất phát từ trước đó vì ( F Z ) m / n = ( F 1 / n Z ) m .αα= =m/n

(FZ)m/n= =(FZ1/n)m.

Đối với là một số vô tỷ, chọn một chuỗi các số hữu tỷ dương a k hội tụ đến α ; thì chuỗi X k (nơi chúng ta có thể sử dụng các thủ thuật trên cho mỗi k ) sẽ hội tụ trong phân phối cho X mong muốn.αmộtkαXkkX

Điều này có thể không phải là đặc tính mà bạn đang tìm kiếm, nhưng nó ít nhất đưa ra một số ý tưởng về cách suy nghĩ về cho α phù hợp thoải mái. Mặt khác, tôi không thực sự chắc chắn nó có thể thực sự đẹp hơn bao nhiêu: bạn đã có CDF, vì vậy quy tắc chuỗi cung cấp cho bạn PDF và bạn có thể tính toán các khoảnh khắc cho đến khi mặt trời lặn ...? Đó là sự thật mà hầu hết Z 's sẽ không có một X đó là quen thuộc đối với α = FZααZX , nhưng nếu tôi muốn chơi xung quanh với một ví dụ để tìm kiếm thứ gì đó thú vị, tôi có thể thửZphân bố đồng đều trên khoảng đơn vị vớiF(z)=z,0<z<1.α= =2ZF(z)= =z0<z<1


EDIT: Tôi đã viết một số bình luận trong câu trả lời @JMS, và có một câu hỏi về số học của tôi, vì vậy tôi sẽ viết ra những gì tôi muốn nói với hy vọng rằng nó rõ ràng hơn.

@cardinal chính xác trong bình luận cho câu trả lời @JMS viết rằng vấn đề đơn giản hoá để hay tổng quát hơn khi Z không nhất thiết phải là N ( 0 , 1 ) , chúng tôi có x = g - 1 ( y ) = F - 1 ( F α ( y ) ) .

g1(y)=Φ1(Φα(y)),
ZN(0,1)
x=g1(y)=F1(Fα(y)).
Quan điểm của tôi là khi có hàm nghịch đảo đẹp, chúng ta chỉ có thể giải cho hàm y = g ( x ) bằng đại số cơ bản. Tôi đã viết trong bình luận rằng g nên là y = g ( x ) = F - 1 ( F 1 / α ( x ) ) .Fy=g(x)g
y=g(x)=F1(F1/α(x)).

Chúng ta hãy lấy một trường hợp đặc biệt, cắm mọi thứ vào và xem nó hoạt động như thế nào. Hãy có một (1) phân phối Exp, với CDF F ( x ) = ( 1 - e - x ) , x > 0 , và ngược CDF F - 1 ( y ) = - ln ( 1 - y ) . Thật dễ dàng để cắm mọi thứ vào để tìm g ; sau khi hoàn thành, chúng tôi nhận được y = g ( x ) = -X

F(x)=(1ex), x>0,
F1(y)=ln(1y).
g Vì vậy, tóm lại, yêu cầu của tôi là nếu X E x p ( 1 ) và nếu chúng ta xác định Y = - ln ( 1 - ( 1 - e - X ) 1 / α ) , sau đó Y sẽ có CDF trông giống F Y ( y ) = (
y=g(x)=ln(1(1ex)1/α)
XExp(1)
Y=ln(1(1eX)1/α),
Y Chúng ta có thể chứng minh điều này trực tiếp (nhìn vàoP(Yy)và sử dụng đại số để có được biểu thức, trong bước tiếp theo, chúng ta cần Chuyển đổi tích phân xác suất). Chỉ trong trường hợp (thường lặp đi lặp lại) rằng tôi bị điên, tôi đã chạy một số mô phỏng để kiểm tra lại xem nó có hoạt động không, ... và nó cũng vậy. Xem bên dưới. Để làm cho mã dễ dàng hơn tôi đã sử dụng hai sự kiện: Nếu  X ~ F  sau đó  U = F ( X ) ~ U n i f ( 0 , 1 )
FY(y)=(1ey)α.
P(Yy)
If XF then U=F(X)Unif(0,1).
If UUnif(0,1) then U1/αBeta(α,1).

Các âm mưu của kết quả mô phỏng sau.

ECDF và F đến alpha

Mã R được sử dụng để tạo âm mưu (trừ nhãn) là

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)

Sự phù hợp trông khá tốt, tôi nghĩ? Có lẽ tôi không điên (lần này)?


Z~N(0,1)g(z)= =Φ-1(Φ1/α(z))

Nó sẽ là tốt để kiểm tra lại số học của bạn.
Đức hồng y

@cardinal errr ... OK, tôi đã làm, ... và nó có đúng không? Bạn vui lòng chỉ ra lỗi?

(+1) Lời xin lỗi. Tôi không chắc đầu mình ở đâu khi lần đầu tiên nhìn vào thứ này. Rõ ràng là (tốt, nên có!) Chính xác.
Đức hồng y

@cardinal, không hại, không hôi. Tôi thừa nhận, mặc dù, bạn thực sự đã làm tôi đổ mồ hôi trong một phút! :-)

14

Bằng chứng không lời

nhập mô tả hình ảnh ở đây

FFαα<1zx= =g(z)


Hình đẹp Q: Điều gì đã được rút ra trong? TikZ?
lowndrul

@brianjd: Nếu tôi nhớ lại, @whuber thực hiện nhiều âm mưu của mình bằng Mathicala.
Đức hồng y

3
@cardinal Bạn nói đúng. Trên thực tế, tôi sử dụng bất cứ thứ gì tiện dụng và có vẻ như nó sẽ làm tốt công việc một cách nhanh chóng. FWIW, đây là mã: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}}] }] ] ]
whuber

6

Q1) Có. Nó cũng hữu ích để tạo các biến được sắp xếp ngẫu nhiên; bạn có thể thấy điều này từ bức ảnh đẹp của @ whuber :).α>1 hoán đổi thứ tự ngẫu nhiên.

Đó là một cdf hợp lệ chỉ là vấn đề xác minh các điều kiện cần thiết: Fz(z)αphải là cadlag , không tăng và giới hạn1 ở vô cực và 0 ở vô cực âm. Fz có các tính chất này vì vậy tất cả đều dễ dàng để hiển thị.

Câu 2) Có vẻ như nó sẽ khá khó phân tích, trừ khi FZ đặc biệt


@JMS: Thế còn Z~N(0,1)?
lowndrul

2
@brianjd: Tôi không tin như vậy. Để chog là một hàm đơn điệu nghiêm ngặt liên tục (do đó, có một nghịch đảo được xác định rõ g-1) thỏa mãn điều kiện của bạn. Sau đó, nó phải làΦα(bạn)= =P(g(Z)bạn)= =P(Zg-1(bạn))= =Φ(g-1(bạn)) và vì thế g-1(bạn)= =Φ-1(Φα(bạn)). Vì vậy, nghịch đảo được xác định khá rõ ràng, nhưng khônggchinh no. Đây là những gì tôi muốn nói trong nhận xét trước đây của tôi vềgđược tìm thấy ngầm .
hồng y

@brianjd - Những gì @cardinal nói :) Tôi thậm chí không thể nghĩ ra một trường hợp đặc biệt nào cho FZ nơi bạn nhận được một hình thức đóng (không có nghĩa là không có một khóa học).
JMS

@JMS: Z~Bạn[0,1]sẽ là một ví dụ tích cực.
Đức hồng y

@cardinal Tôi chưa bao giờ nghĩ đến một bản phân phối hiếm như vậy ... nhưng bây giờ bạn đề cập đến nó Betmột(một,1) nên làm việc nói chung, mang lại cho bạn một Betmột(mộtα,1).
JMS
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.