Bağımsız Rasgele Değişkenlerin İşlevleri


25

Bağımsız rastgele değişkenlerin fonksiyonlarının kendi başlarına bağımsız olduğu iddiası doğru mu?

Bu sonucun, bazı örneklerde, örneğin örnek ortalama ile normal dağılımın örnek varyansı arasındaki bağımsızlığın kanıtı olarak, dolaylı olarak kullanıldığını gördüm, ancak bunun için gerekçe bulamadım. Görünüşe göre bazı yazarlar bunu olduğu gibi kabul ediyorlar ama bunun her zaman böyle olduğundan emin değilim.

Yanıtlar:


33

Bağımsızlığın en genel ve soyut tanımı bu iddiayı önemli bir nitelendirme koşulu sağlarken önemsiz kılar: iki rastgele değişkenin bağımsız olması, ürettikleri sigma cebirlerinin bağımsız olduğu anlamına gelir. Bir tarafından üretilen sigma cebir için ölçülebilir bir sigma cebir fonksiyonu bir alt cebir olan daha ziyade , bu rastgele değişkenlerin herhangi ölçülebilir fonksiyonlar bağımsız cebirlerini sahip, bu fonksiyonlar bağımsız İngilizce.

(Bir işlev ölçülemez olmadığında, genellikle yeni bir rasgele değişken oluşturmaz, bu yüzden bağımsız kavramı bile geçerli olmaz.)


Bunun ne kadar basit olduğunu görmek için tanımları açalım. Rastgele bir değişkenin X "örnek uzay" Ω (olasılık üzerinden incelenen sonuçlar kümesi) üzerinde tanımlanan gerçek değerli bir fonksiyon olduğunu hatırlayın .

  1. Rasgele bir değişkeni X, değerinin gerçek sayıların çeşitli aralıklarında (ya da daha genel olarak, aralıkların dışında basit şekillerde oluşturulan kümeler) yer alması ihtimalleri ile incelenmiştir: bunlar gerçek sayıların Borel ölçülebilir kümeleridir).

  2. Herhangi bir Borel ölçülebilir kümesine karşılık gelen , X ( ω ) ' in I olduğu tüm sonuçlardan ω oluşan X ( I ) olayıdır .I X(I)ωX(ω)I

  3. tarafından oluşturulan sigma cebiri , tüm bu olayların toplanmasıyla belirlenir.X

  4. Naif tanım iki rasgele değişkenler diyor ve Y olan bağımsız "ne zaman kendi olasılıklar çarpın." Yani, ben bir Borel ölçülebilir kümesiyim ve J bir diğeriyse , o zamanXYIJ

    Pr(X(ω)I and Y(ω)J)=Pr(X(ω)I)Pr(Y(ω)J).

  5. Fakat olayların dilinde (ve sigma cebirlerinde) aynı

    Pr(ωX(I) and ωY(J))=Pr(ωX(I))Pr(ωY(J)).

Şimdi iki fonksiyonu düşünün ve f X ve g Y'nin rastgele değişkenler olduğunu düşünün . (Çember işlevsel kompozisyondur: ( f X ) ( ω ) = f ( X ( ω ) ) .f,g:RRfXgY(fX)(ω)=f(X(ω)) "rastgele değişkenin bir işlevi".) Dikkat - bu sadece temeldir küme teorisi - kif

(fX)(I)=X(f(I)).

Başka bir deyişle, f X (solda olan) tarafından oluşturulan her olay otomatik olarak X tarafından yaratılan bir olaydırfXX (sağ tarafın şekliyle gösterildiği gibi). Bu nedenle, (5) otomatik olarak için de geçerlidir ve g fX : kontrol etmek bir şey yok!gY


NB Sen değerlerle" tarafından her yerde "gerçek değerli" yerini alabilir Rd " herhangi bir maddi şekilde başka değişiklik şey gerek kalmadan. Bu, vektör değerli rastgele değişkenlerin durumunu kapsar.


1
Sigma cebirleri ileri düzeydedir (lisansüstü seviye).
Aksakal

3
@Aksakal Hangi okula gideceğinize veya hangi kitapları okuduğunuza bağlıdır. (Bu materyali ikinci sınıf lisans düzeyinde başarılı bir şekilde öğrettim. Bu teorinin lisans düzeyinde de, Steven Shreve'nin sadece matematiksel geçmişi olan öğrencilere hitap eden Stokastik hesap matematiği üzerindeki metinleri gibi erişilebilir erişilebilir hesapları var.) Fakat bunun önemi ne? Herhangi bir gerekçe - sofistike bile olsa - haksız bir iddiaya tercih edilmelidir.
whuber

1
Bir soru soran birine yardım etmek için bu kadar belaya girme konusunda çok kibarsınız. Tekrar teşekkürler. Ve haklısın, tanımlar ne de olsa göz korkutucu değil.
JohnK

13

Bu "daha az gelişmiş" kanıtı göz önünde bulundurun:

Let , X , Y, bağımsız rastgele değişken ve vardır f , g ölçülebilir işlevlerdir. Sonra: P { f ( X ) x  ve  g ( Y ) X:ΩXRn,Y:ΩYRm,f:RnRk,g:RmRpX,Yf,g Bağımsızlığını kullanarak X ve Y , P ( { X { w R , n : f

P{f(X)x and g(Y)y}=P({f(X)x}{g(Y)y})=P({X{wRn:f(w)x}}{Y{wRm:g(w)y}}).
XY
P({X{wRn:f(w)x}}{Y{wRm:g(w)y}})==P{X{wRn:f(w)x}P{Y{wRm:g(w)y}}=P{f(X)x}P{g(Y)y}.

Fikir önceden olduğunu grubu böylece X için geçerli olan özellikler f ( X ) 'a genişletilir ve aynısı için de olur

{f(X)x}{wΩX:f(X(w))x}={X{wRn:f(w)x}},
Xf(X) .Y

2
+1. Temel katkıya açıkça odaklanan bu katkı için teşekkür ederiz. Sitemize hoşgeldiniz!
whuber

7

Evet, ve h ( Y ) , X ve Y bağımsız olduğu sürece g ve h işlevlerinden bağımsızdır. Olasılık teorisi derslerinde çalışılan çok iyi bilinen bir sonuçtur. Eminim Billingsley gibi herhangi bir standart metinde bulabilirsin.g(X)h(Y)ghXY


Teşekkürler, şu anda Hogg & Craig ve MGB'yi inceliyorum. Billingsley bir sonraki mantıksal adımdır.
JohnK

3
Billinglsey matematikçi olmadıkça ve çoktan önlem almamışsan işkence yapar. Partarathy en intro çok daha kolay 2-in-1 kitap Alan Karr en Olasılık metin de kolay okunur.
Aksakal

Billingsley’den daha kolay bir metin: probability.ca/jeff/grprobbook.html
Adrian

0

Alternatif olarak değil, önceki mükemmel cevaplara ek olarak, bu sonucun aslında çok sezgisel olduğuna dikkat edin.

XYXY

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.