Tekdüze rastgele bir değişkenin üssel hale getirilmesi, üslü bir değer vermediği gibi, üslü bir rastgele değişkenin günlüğünü almanın da tekdüze vermediği durum değildir.
üzerinde eşit olsun ve .( 0 , 1 ) X = exp ( U )U( 0 , 1 )X= exp( U)
FX( x ) = P( X≤ x ) = P( exp( U) ≤ x ) = P( U≤ lnx ) = lnx,1 < x < e
Yani .fx( x ) = ddxlnx = 1x,1 < x < e
Bu üstel bir değişken değildir. Benzer bir hesaplama, bir üstel kütüğün tek tip olmadığını gösterir.
Let , böylece standart bir üstel .F Y ( y ) = P ( Y ≤ y ) = 1 - e - yYFY( y) = P( Y≤ y) = 1 - e- y,y> 0
Let . Sonra .F V ( v ) = P ( V ≤ v ) = P ( ln Y ≤ v ) = P ( Y ≤ e v ) = 1 - e - e vV= lnYFV( v ) = P( V≤ v ) = P( lnY≤ v ) = P( Y≤ ev) = 1 - e- ev,v < 0
Bu üniforma değil. (Aslında a, Gumbel Eğer çağrı dağıtımı olabilir, böylece rastgele değişken -Dağıtık a 'Gumbel'ı çevrilmiş').V- VV
Bununla birlikte, her durumda, rasgele değişkenlerin sınırlarını göz önünde bulundurarak daha hızlı görebiliriz. Eğer homojen (0,1) olan 0 ile 1 arasında çok yalan arasında yer almaktadır ve üssel değil bu yüzden .... Benzer şekilde, üstel değeri için, açıktır , bu yüzden tekdüze olamaz (0,1) veya gerçekten başka bir üniforma olamaz.X = exp ( U ) 1 e Y ln Y ( - ∞ , ∞ )UX= exp( U)1eYlnY( - ∞ , ∞ )
Ayrıca benzetebilir ve hemen görebiliriz:
İlk olarak, bir üniformayı üssel hale getirmek -
[mavi eğri yukarıda çalıştığımız yoğunluktur (belirtilen aralıkta 1 / x) ...]
İkincisi, üstel bir kütük:
Gördüğümüz üniforma çok uzak! (Daha önce çalıştığımız, yoğunluğu verecek olan cdf'i ayırt edersek, burada gördüğümüz şekle uyuyor.)
Aslında, ters cdf yöntemi , bir tekdüze (0,1) varyantın günlüğünün negatifinin alınmasının standart bir üstel değişken verdiğini ve tersine, standart bir üstelin negatifinin üssel hale getirilmesinin bir üniforma verdiğini gösterir. [Ayrıca olasılık integrali dönüşümüne bakınız ]
Bu yöntem bize ise olduğunu söyler . standart bir üniforma olan üzerinde bir dönüşüm olarak uygularsak, ortaya çıkan rastgele değişken dağıtım fonksiyonuna .Y = F - 1 ( U ) U F YU= FY(Y)Y= F- 1(U)UFY
tekdüze olmasına izin verirsek (0,1), o zaman . Let . ( da (0,1) üzerinde aynı olduğunu unutmayın, bu nedenle izin verebilirsiniz , ancak burada ters cdf yöntemini tam olarak izliyoruz)Y = - ln UUY = - ln ( 1 - U ) 1 - UP(U≤ u ) = uY= - ln( 1 - U)1 - UY= - lnU
Sonra , standart bir üsün cdf'sidir.P(Y≤y) =P( - ln( 1 - U) ≤ y) =P( 1 - U≥ e- y) =P(U≤ 1 - e- y) = 1 - e- y
[ Ters cdf dönüşümünün bu özelliği , dönüşümünün aslında bir üstel dağılım elde etmek için neden gerekli olduğudur ve olasılık integral dönüşümü, negatif bir üstel negatifin üssel hale getirilmesinin üniform hale gelmesidir.]günlük