Ich weiß, dass der Beweis für die Wahrscheinlichkeitsintegraltransformation auf dieser Site mehrfach gegeben wurde. Die Beweise, die ich gefunden habe, verwenden jedoch die Hypothese, dass der CDF streng zunimmt (natürlich zusammen mit der Hypothese, dass eine kontinuierliche Zufallsvariable ist). Ich weiß, dass die einzig erforderliche Hypothese tatsächlich ist, dass eine kontinuierliche Zufallsvariable ist und keine strikte Monotonie erforderlich ist. Kannst du mir zeigen wie?
Da ich bereits hier bin, nehme ich auch die Gelegenheit wahr, um eine einfache Anwendung der Wahrscheinlichkeitsintegraltransformation zu bitten :) Können Sie mir zeigen, dass, wenn CDF und die Kürzung von zu , dann wird als wobei ?
probability
cdf
DeltaIV
quelle
quelle
Antworten:
In dem vom OP bereitgestellten Wikipedia-Link ist die Wahrscheinlichkeitsintegraltransformation im univariaten Fall wie folgt angegeben
Unter dieser Definition gilt weiterhin die Wikipedia-Reihe von Gleichheiten für kontinuierliche CDFs. Die kritische Gleichheit ist
Das gilt, weil wir eine kontinuierliche CDF untersuchen. In der Praxis bedeutet dies, dass der Graph kontinuierlich ist (und keine vertikalen Teile aufweist, da er eine Funktion und keine Entsprechung ist). Dies impliziert wiederum, dass das Infimum (der Wert von inf {...}), das als bezeichnet wird, immer so ist, dass . Der Rest ist sofort.x(y) FX(x(y))=y
In Bezug auf CDFs diskreter (oder gemischter) Verteilungen ist es nicht (kann nicht wahr sein), dass einem einheitlichen folgt , aber es ist immer noch wahr, dass die Zufallsvariable hat die Verteilungsfunktion (so dass die inverse Transformationsabtastung weiterhin verwendet werden kann). Ein Beweis findet sich in Shorack, GR (2000). Wahrscheinlichkeit für Statistiker . ch.7 .Y=FX(X) U(0,1) Z=F−1X(U) FX
quelle