pdf produk dari dua variabel acak Uniform independen

12

Misalkan ~ dan ~ menjadi dua variabel acak independen dengan distribusi yang diberikan. Apa distribusi ?XU(0,2)YU(10,10)V=XY

Saya telah mencoba konvolusi, mengetahui itu

h(v)=y=y=+1yfY(y)fX(vy)dy

Kita juga tahu bahwa fY(y)=120 ,

h(v)=120y=10y=101y12dy
h(v)=140y=10y=101ydy

Sesuatu memberi tahu saya, ada sesuatu yang aneh di sini karena tidak terputus pada 0. Tolong bantu.

cgo
sumber
1
Jika ini adalah pertanyaan pekerjaan rumah, bisakah Anda tambahkan tag belajar mandiri? Terima kasih!
Andy
mungkinkah ini bukan seragam RV?
Yair Daon
Itu tidak terlihat seperti seragam. mungkin sesuatu dengan log? Tapi saya tidak tahu bagaimana menuliskannya karena nol ada di antara batas, dan fungsinya tidak ditentukan di nol.
cgo

Jawaban:

14

Jawaban yang bagus, teliti, dan elegan telah diposting. Tujuan yang satu ini adalah untuk mendapatkan hasil yang sama dengan cara yang mungkin sedikit lebih mengungkapkan struktur yang mendasari . Ini menunjukkan mengapa fungsi densitas probabilitas (pdf) harus tunggal pada .0XY0


Banyak yang dapat dicapai dengan berfokus pada bentuk distribusi komponen :

  • U ( 0 , 1 ) U ( 0 , 1 )X adalah dua kali variabel acak . adalah karakteristik bentuk "bagus" standar dari semua distribusi seragam.U(0,1)U(0,1)

  • U ( 0 , 1 )|Y|adalah sepuluh kali variabel acak .U(0,1)

  • Tanda mengikuti distribusi Rademacher: sama dengan atau , masing-masing dengan probabilitas .- 1 1 1 / 2Y111/2

(Langkah terakhir ini mengubah varian non-negatif menjadi distribusi simetris sekitar , yang kedua ekornya terlihat seperti distribusi asli.)0

Oleh karena itu (a) simetris tentang dan (b) nilai absolutnya adalah kali produk dari dua variabel acak independen.0 2 × 10 = 20 U ( 0 , 1 )XY02×10=20U(0,1)

Produk seringkali disederhanakan dengan mengambil logaritma. Memang, telah diketahui bahwa log negatif dari variabel memiliki distribusi Eksponensial (karena ini adalah tentang cara paling sederhana untuk menghasilkan varian eksponensial acak), di mana log negatif dari produk keduanya memiliki distribusi jumlah dua Eksponensial. Eksponensial adalah distribusi . Distribusi gamma dengan parameter skala yang sama mudah untuk ditambahkan: Anda cukup menambahkan parameter bentuknya. Karenanya, varian A plus memiliki distribusi . Karena ituΓ ( 1 , 1 ) Γ ( 1 , 1 ) Γ ( 1 , 1 ) Γ ( 2 , 1 )U(0,1)Γ(1,1)Γ(1,1)Γ(1,1)Γ(2,1)

Variabel acak adalah versi simetri kali dari eksponensial negatif dari variabel .20 Γ ( 2 , 1 )XY20Γ(2,1)

Angka

Konstruksi PDF dari distribusi ditunjukkan dari kiri ke kanan, mulai dari seragam, ke eksponensial, ke , ke eksponensial negatifnya , untuk hal yang sama diskalakan oleh , dan akhirnya versi simetri itu. PDF-nya tidak terbatas pada , mengkonfirmasikan diskontinuitas di sana.U ( 0 , 1 ) Γ ( 2 , 1 ) 20 0XYU(0,1)Γ(2,1)200

Kami mungkin puas untuk berhenti di sini. Misalnya, karakterisasi ini memberi kita cara untuk menghasilkan realisasi secara langsung, seperti dalam ungkapan ini :XYR

n <- 1; 20 * exp(-rgamma(n, 2, scale=1)) * ifelse(runif(n) < 1/2, -1, 1)

Analisis tesis juga mengungkapkan mengapa pdf meledak pada . 0 Singularitas itu pertama kali muncul ketika kami mempertimbangkan eksponensial (negatif dari distribusi , yang sesuai dengan mengalikan satu varian dengan yang lain. Nilai dalam (katakanlah) dari muncul dalam banyak cara, termasuk (tetapi tidak terbatas pada) ketika (a) salah satu faktor kurang dari atau (b) kedua faktornya kurang dari . Root kuadrat itu jauh lebih besar dari sendiri ketika dekat denganU ( 0 , 1 ) ε 0 ε Γ(2,1)U(0,1)ε0ε εε0εεε0. Ini memaksa banyak kemungkinan, dalam jumlah yang lebih besar dari , untuk dimasukkan ke dalam interval panjang . Agar hal ini dimungkinkan, kerapatan produk harus menjadi besar secara acak pada . Manipulasi selanjutnya - penyelamatan dengan faktor dan simetrizing - jelas tidak akan menghilangkan singularitas itu. ε020εε020

Karakterisasi deskriptif dari jawaban ini juga mengarah langsung ke rumus dengan minimum keributan, menunjukkannya lengkap dan ketat. Misalnya, untuk mendapatkan pdf , mulailah dengan elemen probabilitas dari distribusi ,Γ ( 2 , 1 )XYΓ(2,1)

f(t)dt=tetdt, 0<t<.

Membiarkan menyiratkan dan . Transformasi ini juga membalik urutan: nilai yang lebih besar dari mengarah ke nilai yang lebih kecil dari . Untuk alasan ini kita harus meniadakan hasil setelah penggantian, memberid t = - d ( log ( z ) ) = - d z / z 0 < z < 1 t zt=log(z)dt=d(log(z))=dz/z0<z<1tz

f(t)dt=(log(z)e(log(z))(dz/z))=log(z)dz, 0<z<1.

Faktor skala mengkonversi ini menjadi20

log(z/20)d(z/20)=120log(z/20)dz, 0<z<20.

Akhirnya, simetriasinya menggantikan dengan, memungkinkan nilainya berkisar dari hingga , dan membagi pdf dengan untuk menyebarkan probabilitas total secara merata di seluruh interval dan :| z | - 20 20 2 ( - 20 , 0 ) ( 0 , 20 )z|z|20202(20,0)(0,20)

fXY(z)dz=12120log(|z|/20), 20<z<20;fXY(z)dz=0 otherwise.
whuber
sumber
Terima kasih telah mencoba membuatnya lebih "mudah didekati. Saya masih menemukan ini sedikit kontra intuitif jadi saya hanya menjalankan ini (mirip dengan" simulasi "Xi'an): plot( density( outer(seq(-10,10,length=10),seq(0,2,length=10), "*") ) )Menerobos panjang hingga 100 menghindari beberapa artefak untuk kepadatan di distribusi terbatas
DWin
9

Dalam derivasi Anda, Anda tidak menggunakan kepadatan . Karena , jadi dalam rumus konvolusi Anda (Saya juga mengoreksi Jacobian dengan menambahkan nilai absolut). Karenanya, X U ( 0 , 2 ) f X ( x ) = 1XXU(0,2)h(v)=1

fX(x)=12I(0,2)(x)
h(v)=12010101|y|12I(0,2)(v/y)dy
h(v)=1401001|y|I0v/y2dy+1400101|y|I0v/y2dy=1401001|y|I0v/2y10dy+1400101|y|I0v/2y10dy=140I20v010v/21|y|dy+140I20v0v/2101|y|dy=140I20v0log{20/|v|}+140I0v20log{20/|v|}=log{20/|v|}40I20v20
Di sini adalah konfirmasi dengan simulasi hasil: masukkan deskripsi gambar di sini

diperoleh sebagai

   hist(runif(10^6,0,2)*runif(10^6,10,10),prob=TRUE,
   nclass=789,border=FALSE,col="wheat",xlab="",main="")
   curve(log(20/abs(x))/40,add=TRUE,col="sienna2",lwd=2,n=10^4)
Xi'an
sumber
Hai, terima kasih. Saya ingin bertanya mengapa batas berubah dari -10 ke 10 menjadi -10 ke v / 2?
cgo
Haruskah ada negatif di suatu tempat? Terima kasih
cgo
1
Jawabannya terlihat benar, cgo. Perhatikan bahwa ketika , adalah positif karena . Plot menunjukkan grafik dan jelas itu positif di seluruh domain yang digambarkan. Ekspresi yang setara adalah , yang merupakan yang saya pilih untuk digunakan dalam jawaban saya. log ( 20 / | v | ) 20 / | v | > 1 - log ( | v | / 20 )20<v<20log(20/|v|)20/|v|>1log(|v|/20)
Whuber