Мне всегда говорили, что CDF уникален, однако PDF / PMF не уникален, почему это так? Можете ли вы привести пример, когда PDF / PMF не является уникальным?
Мне всегда говорили, что CDF уникален, однако PDF / PMF не уникален, почему это так? Можете ли вы привести пример, когда PDF / PMF не является уникальным?
Ответы:
Давайте вспомним некоторые вещи. Пусть являются вероятностным пространство , Ω нашего образца набора, наша σ - алгебра, и Р является функцией вероятности , определенная на A . Случайная величина является измеримой функцией Х : Ом → R т.е. Х - 1 ( S ) ∈ для любого Лебегу подмножество в R, Если вы не знакомы с этой концепцией, то все, что я скажу потом, не будет иметь никакого смысла.
Каждый раз, когда у нас есть случайная величина , она индуцирует вероятностную меру X ′ на R с помощью категорического продвижения вперед. Другими словами, X ′ ( S ) = P ( X - 1 ( S ) ) . Это тривиально , чтобы проверить , что X ' является вероятностной мерой на R . Мы называем X ' на распределение в X .
Теперь с этим понятием связано то, что называется функцией распределения функциональной переменной. Для произвольной переменной определим F ( x ) = P ( X ≤ x ) . Функции распределения F : R → [ 0 , 1 ] обладают следующими свойствами:
являетсянепрерывным справа.
не убывает
и F ( - ∞ ) = 0 .
Очевидно, что случайные переменные, которые равны, имеют одинаковую функцию распределения и распределения.
Обратный процесс и получение меры с заданной функцией распределения довольно технически. Допустим, вам дана функция распределения . Определите µ ( a , b ] = F ( b ) - F ( a ) . Вы должны показать, что µ - это мера на полуалгебре интервалов ( a , b ] . После этого вы можете применить теорему о расширении Каратеодори. расширить μ до вероятностной меры на R .
Чтобы ответить на запрос о примере двух плотностей с одинаковым интегралом (т.е. иметь одинаковую функцию распределения), рассмотрим эти функции, определенные на действительных числах:
f(x) = 1 ; when x is odd integer
f(x) = exp(-x^2) ; elsewhere
а потом;
f2(x) = 1 ; when x is even integer
f2(x) = exp(-x^2) ; elsewhere
They are not equal at all x, but are both densities for the same distribution, hence densities are not uniquely determined by the (cumulative) distribution. When densities with a real domain are different only on a countable set of x values, then the integrals will be the same. Mathematical analysis is not really for the faint of heart or the determinately concrete mind.
I disagree with the statement, "the probability distribution function does not uniquely determine a probability measure", that you say in your opening question. It does uniquely determine it.
Let be two probability mass functions. If,
We can rewrite the above integral into,
Define , so . We use the well-known theorem that if an integral of a non-negative function is zero then the function is zero almost everywhere. In particular, a.e. on . So a.e. on . Now repeat the argument in the other direction with . We will get that a.e on . Thus, a.e. on .