Vấn đề này có thể nhanh chóng được giảm xuống thành một trong việc tìm ra lượng tử của phân bố hình thang .
Hãy để chúng tôi viết lại quy trình dưới dạng
trong đó và là các biến ngẫu nhiên iid ; và, theo tính đối xứng, điều này có phân phối biên tương tự như quá trình
Hai thuật ngữ đầu tiên xác định mật độ hình thang đối xứngU 1 U 2 U ( - 1 , 1 )
P(x)=U1⋅12sinx+U2⋅12cosx+12(sinx+cosx),
U1U2U(−1,1)P¯¯¯¯(x)=U1⋅∣∣∣12sinx∣∣∣+U2⋅∣∣∣12cosx∣∣∣+12(sinx+cosx).
vì đây là tổng của hai biến ngẫu nhiên thống nhất trung bình bằng 0 (nói chung, với các độ rộng nửa khác nhau). Thuật ngữ cuối cùng chỉ dẫn đến một bản dịch của mật độ này và lượng tử là tương đương với bản dịch này (nghĩa là lượng tử của phân phối dịch chuyển là lượng tử dịch chuyển của phân phối trung tâm).
Số lượng của một phân phối hình thang
Đặt trong đó và là các phân phối độc lập và . Giả sử không mất tính tổng quát mà . Sau đó, mật độ của được hình thành bằng cách xác định mật độ của và . Đây có thể dễ dàng thấy là một hình thang có các đỉnh , , và .Y=X1+X2X1X2U(−a,a)U(−b,b)a≥bYX1X2(−a−b,0)(−a+b,1/2a)(a−b,1/2a)(a+b,0)
Định lượng phân phối của , với mọi , do đó,
Theo tính đối xứng, với , ta có .Yp<1/2
q(p):=q(p;a,b)={8abp−−−−√−(a+b),(2p−1)a,p<b/2ab/2a≤p≤1/2.
p>1/2q(p)=−q(1−p)
Quay lại vụ án
Ở trên đã cung cấp đủ để đưa ra một biểu thức dạng đóng. Tất cả những gì chúng ta cần là chia thành hai trường hợpvàđể xác định vai trò nào của và vai trò nào của ở trên. (Hệ số của 2 ở đây chỉ là để bù cho các phép chia bằng hai trong định nghĩa của .)|sinx|≥|cosx||sinx|<|cosx|2a2bP¯¯¯¯(x)
Với , trên, chúng tôi đặt và và nhận
và trêncác vai trò đảo ngược. Tương tự, vớip<1/2|sinx|≥|cosx|a=|sinx|/2b=|cosx|/2
qx(p)=q(p;a,b)+12(sinx+cosx),
|sinx|<|cosx|p≥1/2
qx(p)=−q(1−p;a,b)+12(sinx+cosx),
Các lượng tử
Dưới đây là hai bản đồ nhiệt. Đầu tiên hiển thị các lượng tử phân phối cho lưới chạy từ đến . Các Phối cho xác suất kết hợp với mỗi quantile. Màu sắc biểu thị giá trị của lượng tử với màu đỏ sẫm biểu thị các giá trị rất lớn (dương) và màu xanh đậm biểu thị các giá trị âm lớn. Do đó, mỗi dải dọc là một biểu đồ lượng tử (cận biên) liên kết với .P(x)x02πypP(x)
Bản đồ nhiệt thứ hai dưới đây cho thấy bản thân các lượng tử, được tô màu bởi xác suất tương ứng. Ví dụ, màu đỏ sẫm tương ứng với và màu xanh đậm tương ứng với và . Cyan là khoảng và . Điều này rõ ràng hơn cho thấy sự hỗ trợ của từng phân phối và hình dạng.p=1/2p=0p=1p=1/4p=3/4
Một số R
mã mẫu
Hàm qproc
dưới đây tính hàm lượng tử của cho cho . Nó sử dụng tổng quát hơn để tạo ra các lượng tử.P(x)xqtrap
# Pointwise quantiles of a random process:
# P(x) = a_1 sin(x) + a_2 cos(x)
# Trapezoidal distribution quantile
# Assumes X = U + V where U~Uni(-a,a), V~Uni(-b,b) and a >= b
qtrap <- function(p, a, b)
{
if( a < b) stop("I need a >= b.")
s <- 2*(p<=1/2) - 1
p <- ifelse(p<= 1/2, p, 1-p)
s * ifelse( p < b/2/a, sqrt(8*a*b*p)-a-b, (2*p-1)*a )
}
# Now, here is the process's quantile function.
qproc <- function(p, x)
{
s <- abs(sin(x))
c <- abs(cos(x))
a <- ifelse(s>c, s, c)
b <- ifelse(s<c, s, c)
qtrap(p,a/2, b/2) + 0.5*(sin(x)+cos(x))
}
Dưới đây là một thử nghiệm với đầu ra tương ứng.
# Test case
set.seed(17)
n <- 1e4
x <- -pi/8
r <- runif(n) * sin(x) + runif(n) * cos(x)
# Sample quantiles, then actual.
> round(quantile(r,(0:10)/10),3)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
-0.380 -0.111 -0.002 0.093 0.186 0.275 0.365 0.453 0.550 0.659 0.917
> round(qproc((0:10)/10, x),3)
[1] -0.383 -0.117 -0.007 0.086 0.178 0.271 0.363 0.455 0.548
[10] 0.658 0.924