Bir örneğin CDF'si neden eşit olarak dağıtılır


17

Okumayı burada bir örnek verilmiş olduğu X1,X2,...,Xn ED ile sürekli bir dağılımdan FX , örnek tekabül eden Ui=FX(Xi) , standart bir düzgün dağılımını izler.

Bunu Python'daki nitel simülasyonları kullanarak doğruladım ve ilişkiyi kolayca doğrulayabildim.

import matplotlib.pyplot as plt
import scipy.stats

xs = scipy.stats.norm.rvs(5, 2, 10000)

fig, axes = plt.subplots(1, 2, figsize=(9, 3))
axes[0].hist(xs, bins=50)
axes[0].set_title("Samples")
axes[1].hist(
    scipy.stats.norm.cdf(xs, 5, 2),
    bins=50
)
axes[1].set_title("CDF(samples)")

Aşağıdaki grafikte sonuç:

Plot showing the sample of a normal distribution and the cdf of the sample.

Bunun neden olduğunu kavrayamıyorum. CDF'nin tanımı ve PDF ile ilişkisi ile ilgili olduğunu varsayıyorum, ancak bir şey eksik ...

Birisi beni konuyla ilgili bir miktar okumaya yönlendirebilir veya konuyla ilgili bir sezgi almama yardım ederse çok memnun olurum.

EDIT: CDF şöyle görünür:

CDF of the sampled distribution


2
un cdf'sini hesaplayın . FX(X)
Zhanxiong

2
Bu, ters cdf simülasyon yönteminin temeli olduğundan, simülasyon hakkında herhangi bir kitapta bu özelliğin (sürekli rv'ler için) bir kanıtını bulacaksınız.
Xi'an

2
Ayrıca google-ing olasılık integral dönüşümünü
Zachary Blumenfeld

1
@ Xi'an Sonuç sadece rastgele değişkenler için geçerlidir. Bazen bu sonuç yanlışlıkla ayrık rasgele değişkenler için kullanılır. Öte yandan, birçok kanıtın , aynı zamanda çok güçlü bir varsayım olan F'nin katı tekdüzeliğini varsaydığı adımını içerdiğine dikkat edin . Aşağıdaki bağlantı bu konuyla ilgili titiz bir özet sunmaktadır: people.math.ethz.ch/~embrecht/ftp/generalized_inverse.pdfP(F(X)x)=P(XF1(x))F
Zhanxiong

@ Zhanxiong, için gerekli olan tek koşul , càdlàg olmasıdır. F
AdamO

Yanıtlar:


19

Varsayalım sürekli ve artan. Z = F X ( X ) tanımlayın ve Z'nin [ 0 , 1 ] içindeki değerleri aldığını unutmayın . Sonra F Z ( x ) = P ( F X ( X ) x ) = P ( X F - 1 X ( x ) ) = F X ( F -FXZ=FX(X)Z[0,1]

FZ(x)=P(FX(X)x)=P(XFX1(x))=FX(FX1(x))=x.

Diğer yandan, eğer değerleri alan bir düzgün rastgele değişken [ 0 , 1 ] , F , U ( x ) = R f U ( U )U[0,1]

FU(x)=RfU(u)du=0xdu=x.

Böylece her x [ 0 , 1 ] için .FZ(x)=FU(x)x[0,1]


Z'nin muntazam (0, 1) dağılımı olduğu anlaşılıyor mu?
İstatistikler

Z(0,1).

8

F(x)F(x)FxF1x=F-1(p) nokta x arkasında hangi düşer pnumunenin oranı. Fonksiyonel bileşim ölçülebilir şekilde değişmeliFF-1=λF-1F.

Tekdüze dağılım, yüzdelik bir işleve eşit bir kuantil fonksiyona sahip olan tek dağılımdır: bunlar kimlik fonksiyonudur. Dolayısıyla görüntü alanı olasılık alanı ile aynıdır.Fsürekli rasgele değişkenleri eşit ölçülerde (0, 1) bir boşlukta eşler . Herhangi iki yüzdelik dilimden beri,bir<b, sahibiz P(F1(a)<x<F1(b))=P(a<F(X)<b)=ba


I struggled for hours, but finally it clicked why the derived random variable Y=F(X) is uniformly distributed. Your answer really helped, thanks a lot. It seems very much like in algebra where 1 was the multiplicative identity.
Aditya P
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.