Angenommen, ist eine Zufallsvariable mit pdf . Dann hat die Zufallsvariable das pdf
Ich verstehe den Kalkül dahinter. Aber ich versuche mir einen Weg zu überlegen, wie ich es jemandem erklären kann, der keinen Kalkül kennt. Insbesondere versuche ich zu erklären, warum der Faktor vorne erscheint. Ich werde es versuchen:
Angenommen, hat eine Gaußsche Verteilung. Fast das ganze Gewicht seiner pdf zwischen den Werten, sagen wir, und Aber , dass die Karten auf 0 bis 9 für . Daher wurde das Schwergewicht im PDF für bei der Umwandlung in auf einen größeren Wertebereich ausgedehnt . Damit ein wahres PDF ist, muss das extra schwere Gewicht um den multiplikativen Faktor 1 herabgewichtet werden
Wie klingt das?
Wenn jemand eine bessere Erklärung für sich oder einen Link in einem Dokument oder Lehrbuch liefern kann, würde ich das sehr begrüßen. Ich finde dieses Variablentransformationsbeispiel in mehreren Büchern mit mathematischen Wahrscheinlichkeits- / Statistikinformationen. Aber ich finde nie eine intuitive Erklärung dafür :(
quelle
Antworten:
PDFs sind Höhen, aber sie werden verwendet, um die Wahrscheinlichkeit anhand der Fläche darzustellen. Es ist daher hilfreich, ein PDF so auszudrücken, dass wir daran erinnern, dass Fläche gleich Höhe mal Basis ist.
Anfänglich ist die Höhe bei jedem Wertx durch die PDF fX(x) . Die Basis ist das infinitesimale Segment dx , von dem aus die Verteilung ( dh das Wahrscheinlichkeitsmaß im Gegensatz zur Verteilungsfunktion ) in Wirklichkeit die Differentialform oder das "Wahrscheinlichkeitselement" ist.
Dies ist nicht das PDF, sondern das Objekt, mit dem Sie sowohl konzeptionell als auch praktisch arbeiten möchten, da es explizit alle Elemente enthält, die zum Ausdrücken einer Wahrscheinlichkeit erforderlich sind.
Wenn wirx in Form von y=x2 erneut ausdrücken , werden die Basissegmente dx gedehnt (oder zusammengedrückt): Durch Quadrieren beider Enden des Intervalls von x auf x+dx wir, dass die Basis des y Bereichs sein muss ein längenintervall sein
Da das Produkt von zwei Infinitesimalen im Vergleich zu den Infinitesimalen selbst vernachlässigbar ist, schließen wir daraus
Nachdem dies festgestellt wurde, ist die Berechnung trivial, da wir nur die neue Höhe und die neue Breite einfügen:
Da die Basis, ausgedrückt alsy , dy , muss es, was auch immer multipliziert wird, die Höhe sein, die wir mittelfristig als direkt ablesen können
Diese GleichungPEX(x)=PEY(y) ist effektiv eine Erhaltung des Flächengesetzes (= Wahrscheinlichkeitsgesetz).
Diese Grafik zeigt präzise schmale (fast infinitesimale) Teile von zwei PDFs, die durchy=x2 . Wahrscheinlichkeiten werden durch die schattierten Bereiche dargestellt. Aufgrund des Quetschens des Intervalls [0.32,0.45] durch Quadrieren muss die Höhe des roten Bereichs ( y , links) proportional zur Fläche des blauen Bereichs ( x , rechts) vergrößert werden .
quelle
Wie wäre es, wenn ich Objekte herstelle, die immer quadratisch sind und die Verteilung der Seitenlängen der Quadrate kenne? Was kann ich über die Verteilung der Flächen der Quadrate sagen?
Was kann ich insbesondere über Y = X 2 sagen , wenn ich die Verteilung einer Zufallsvariablen kenne ? Eine Sache, die Sie sagen können, istX Y=X2
quelle
density = prob mass/interval
... was mache ich falsch?Ok, jetzt kommen wir zur Dichte. Zuerst müssen wir definieren , was eine Wahrscheinlichkeitsdichte ist. Wie der Name schon sagt, ist es der Anteil der Personen pro Gebiet . Das heißt, wir zählen den Anteil der Personen an diesem Behälter und dividieren ihn durch die Größe des Behälters . Da wir festgestellt haben, dass die Proportionen der Menschen hier gleich sind, sich jedoch die Größe der Behälter geändert hat, ziehen wir den Schluss, dass die Dichte unterschiedlich sein wird. Aber um wie viel anders?
Aus unserem vorherigen Ergebnis, dass die Population in jeder Tonne die gleiche ist, haben wir dann, dass
quelle