CDF поднят на власть?


15

Если - это CDF, похоже, что ( ) также является CDF.FZFZ(z)αα>0

В: Это стандартный результат?

Q: Есть ли хороший способ найти функцию с st , гдеgXg(Z)FX(x)=FZ(z)αxg(z)

По сути, у меня есть еще один CDF, FZ(z)α . В некотором смысле уменьшенной формы я хотел бы охарактеризовать случайную переменную, которая производит этот CDF.

РЕДАКТИРОВАТЬ: Я был бы счастлив, если бы я мог получить аналитический результат для особого случая ZN(0,1) . Или хотя бы знать, что такой результат неразрешимый.


2
Да, это довольно известный результат, который легко обобщить. (Как?) Вы также можете найти , по крайней мере, неявно. По сути, это применение метода обратного преобразования, который обычно используется для генерации случайных переменных произвольного распределения. g
кардинал

2
@cardinal Пожалуйста, ответь. Позже команда жалуется, что мы не боремся с низким соотношением ответов.

1
@mbq: Спасибо за ваши комментарии, которые я понимаю и очень уважаю. Пожалуйста, поймите, что иногда соображения о времени и / или месте не позволяют мне опубликовать ответ, но разрешают быстрый комментарий, который может помочь ОП или другим участникам начать. Будьте уверены, что в будущем, если я смогу опубликовать ответ, я сделаю это. Надеюсь, мое дальнейшее участие в комментариях также будет в порядке.
кардинал

2
@cardinal Некоторые из нас также виновны в том же, по тем же причинам ...
whuber

2
@brianjd Да, это хорошо известный результат, который был использован для промышленного производства «обобщенных» дистрибутивов, см . Существует много подобных преобразований, и люди используют их для этой цели: они находят параметрическое преобразование, применяют его к распределению и вуаля, у вас есть бумага, просто вычисляя ее свойства. И, конечно же, нормальная первая жертва.

Ответы:


11

Мне нравятся другие ответы, но никто еще не упомянул следующее. Событие происходит тогда и только тогда, когда , поэтому если и независимы и , затем поэтому для положительное целое число (скажем, ) принимает , где «ы являются IID{ м а х ( U , V ) т } U V W = т а х ( U , V ) Р Ш ( т ) = Р U ( т ) * Р V ( т ) α α = n X = m a x ( Z{Ut, Vt}{max(U,V)t}UVW=max(U,V)FW(t)=FU(t)FV(t)αα=nX=max(Z1,...Zn)Z

Для мы можем переключиться, чтобы получить , так что будет той случайной переменной, что максимум из независимых копий будет иметь такое же распределение, что и (и это не будь одним из наших знакомых друзей, в общем). α=1/nFZ=FXnXnZ

Случай положительного рационального числа (скажем, ) следует из предыдущего, поскольку αα=m/n

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

Для иррационального выберите последовательность положительных рациональных чисел сходящихся к ; тогда последовательность (где мы можем использовать описанные выше приемы для каждого ) будет сходиться по распределению к требуемомуαakαXkkX

Возможно, это не та характеристика, которую вы ищете, но она, по крайней мере, дает представление о том, как правильно думать о для . С другой стороны, я не совсем уверен, насколько лучше это может быть: у вас уже есть CDF, поэтому правило цепочки дает вам PDF, и вы можете вычислять моменты до заката ...? Это правда, что у большинства не будет , знакомого для , но если бы я захотел поиграть с примером, чтобы найти что-то интересное, я мог бы попробовать равномерно распределить на интервале единиц с , .FZααZXα=2ZF(z)=z0<z<1


РЕДАКТИРОВАТЬ: я написал несколько комментариев в ответ @JMS, и был вопрос о моей арифметике, поэтому я напишу, что я имел в виду, в надежде, что это более понятно.

@cardinal правильно в комментарии к @JMS ответ написал, что проблема упрощается до или в более общем случае, когда не обязательно , мы имеем Моя точка зрения заключалась в том, что когда имеет хорошую обратную функцию, мы можем просто решить для функции с базовой алгеброй. Я написал в комментарии, что должно быть

g1(y)=Φ1(Φα(y)),
ZN(0,1)
x=g1(y)=F1(Fα(y)).
Fy=g(x)g
y=g(x)=F1(F1/α(x)).

Давайте возьмем специальный случай, включим вещи и посмотрим, как это работает. Пусть имеет распределение Exp (1) с CDF и обратным CDF Легко подключить все, чтобы найти ; после того, как мы закончим, мы получим Итак, в итоге я утверждаю, что если и если мы определим тогда у будет CDF, который выглядит как Мы можем доказать это непосредственно (посмотрите наX

F(x)=(1ex), x>0,
F1(y)=ln(1y).
g
y=g(x)=ln(1(1ex)1/α)
XExp(1)
Y=ln(1(1eX)1/α),
Y
FY(y)=(1ey)α.
P(Yy) и использовать алгебру, чтобы получить выражение, в следующем за последним шагом нам понадобится интегральное преобразование вероятности). Просто в (часто повторяющемся) случае, что я сумасшедший, я провел несколько симуляций, чтобы перепроверить, что это работает, ... и это работает. См. ниже. Чтобы упростить код, я использовал два факта:
If XF then U=F(X)Unif(0,1).
If UUnif(0,1) then U1/αBeta(α,1).

Сюжет результатов моделирования выглядит следующим образом.

ECDF and F to the alpha

Код R, используемый для создания графика (без меток):

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)

Подходит выглядит довольно хорошо, я думаю? Может я не сумасшедший (на этот раз)?


Смотрите мой комментарий в ответе @JMS. Для ответ выглядит так: который не является закрытой формой, но может быть рассчитанным достаточно легко. И вы можете сделать это проще, признав, что входной сигнал для обратного CDF - это правильно выбранный бета-дистрибутив. Ответ будет хорошим в тех случаях, когда обратный CDF хорош, и некоторые из них бегают. ZN(0,1)g(z)=Φ1(Φ1/α(z))

Было бы хорошо перепроверить свою арифметику.
кардинал

@ cardinal errr ... хорошо, я сделал, ... и это правильно? Не могли бы вы указать на ошибку?

(+1) Извинения. Я не уверен, где моя голова была, когда я впервые посмотрел на это. Это очевидно (ну, должно было быть!) Правильно.
кардинал

@ Cardinal, без вреда, без фола. Я признаю, что ты действительно потел меня на минуту! :-)

14

Доказательство без слов

enter image description here

Нижняя синяя кривая - , верхняя красная кривая - (типизирует регистр ), а стрелки показывают, как перейти от к .FFαα<1zx=g(z)


Хорошая фотка! Q: Что это было привлечено? TikZ?
lowndrul

1
@brianjd: Если я помню, @whuber делает многие из своих сюжетов, используя Mathematica.
кардинал

3
@cardinal Ты прав. На самом деле, я использую все, что удобно, и кажется, что это быстро сработает. FWIW, вот код: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) Да. Это также полезно для генерации переменных, которые стохастически упорядочены; Вы можете видеть это на красивой картине @ whuber :). меняет случайный порядок.α>1

То, что это действительный cdf, это просто вопрос проверки необходимых условий: должен быть кадлагом , неубывать и ограничиваться 1 на бесконечности и 0 на отрицательной бесконечности. F z обладает этими свойствами, поэтому все это легко показать.Fz(z)α10Fz

Q2) Похоже, это было бы довольно сложно аналитически, если является особеннымFZ


@JMS: А как насчет ? ZN(0,1)
lowndrul

2
@brianjd: я так не считаю. Пусть - непрерывная строго монотонная функция (следовательно, с хорошо определенной обратной величиной g - 1 ), которая удовлетворяет вашим условиям. Затем, она должна быть , что Ф & alpha ; ( ¯u ) = P ( г ( Z ) U ) = P ( Z г - 1 ( U ) ) = Φ ( г - 1 ( U ) ) и так г - 1gg1Φα(u)=P(g(Z)u)=P(Zg1(u))=Φ(g1(u)) . Таким образом, обратный определяются достаточно явно, но не г сам. Это то, что я имел в виду в своем предыдущем комментарии о том, что g неявнонайден. g1(u)=Φ1(Φα(u))gg
кардинал

@brianjd - То, что сказал @cardinal :) Я даже не мог придумать особый случай для где вы получите закрытую форму (не говоря, конечно, нет). FZ
JMS

@JMS: будет одним положительным примером. ZU[0,1]
кардинал

@cardinal Я никогда бы не подумал о таком редком распределение ... но теперь, когда вы упоминаете ему должен работать в целом, давая вам обратно B е т в ( альфа , 1 ) , Beta(a,1)Beta(aα,1)
JMS
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.