Siempre me han dicho que un CDF es único, sin embargo, un PDF / PMF no es único, ¿por qué es eso? ¿Puedes dar un ejemplo donde un PDF / PMF no es único?
Siempre me han dicho que un CDF es único, sin embargo, un PDF / PMF no es único, ¿por qué es eso? ¿Puedes dar un ejemplo donde un PDF / PMF no es único?
Respuestas:
Recordemos algunas cosas. Dejar que sea un espacio de probabilidad , es nuestra muestra, es nuestro álgebra, y es una función de probabilidad definida sobre . Una variable aleatoria es una función medible es decir, para cualquier subconjunto medible de Lebesgue en . Si no está familiarizado con este concepto, todo lo que diga después no tendrá ningún sentido.Ω A σ P A X : Ω → R X - 1 ( S ) ∈ A R
Cada vez que tenemos una variable aleatoria, , induce una medida de probabilidad en por el impulso categórico. En otras palabras, . Es trivial comprobar que es una medida de probabilidad en . Hacemos un llamado la distribución de .X ′ R X ′ ( S ) = P ( X - 1 ( S ) ) X ′ R
Ahora relacionado con este concepto hay algo llamado la función de distribución de una variable de función. Dada una variable aleatoria definimos . Las funciones de distribución tienen las siguientes propiedades:
es derecho-continuo .
no es decreciente
y .
Claramente, las variables aleatorias que son iguales tienen la misma distribución y función de distribución.
Revertir el proceso y obtener una medida con la función de distribución dada es bastante técnico. Digamos que se le asigna una función de distribución . Defina . Debe demostrar que es una medida en el semi-álgebra de intervalos de . Luego puede aplicar el Carathéodory teorema de extensión para extender a una medida de probabilidad en .
Para responder a la solicitud de un ejemplo de dos densidades con la misma integral (es decir, tener la misma función de distribución) considere estas funciones definidas en los números reales:
f(x) = 1 ; when x is odd integer
f(x) = exp(-x^2) ; elsewhere
y entonces;
f2(x) = 1 ; when x is even integer
f2(x) = exp(-x^2) ; elsewhere
No son iguales en absoluto x, pero ambas son densidades para la misma distribución, por lo tanto, las densidades no están determinadas únicamente por la distribución (acumulativa). Cuando las densidades con un dominio real son diferentes solo en un conjunto contable de valores x, entonces las integrales serán las mismas. El análisis matemático no es realmente para el corazón débil o la mente decididamente concreta.
No estoy de acuerdo con la afirmación, "la función de distribución de probabilidad no determina únicamente una medida de probabilidad", que usted dice en su pregunta inicial. Lo determina de manera única.
Sea dos funciones de masa de probabilidad. Si, ∫ E f 1 = ∫ E f 2 Para cualquier conjunto medible E, entonces f 1 = f 2 en casi todas partes. Esto determina de manera única el pdf (porque en el análisis no nos importa si no están de acuerdo con un conjunto de medida cero).
Podemos reescribir la integral anterior en, Donde g = f 1 - f 2 es una función integrable.
Definir , entonces ∫ E g = 0 . Utilizamos el conocido teorema de que si una integral de una función no negativa es cero, entonces la función es cero en casi todas partes. En particular, g = 0 ae en E . Así f 1 = f 2 ae en E . Ahora repita el argumento en la otra dirección con F = { x ∈ R | g ≤ 0 }. Vamos a conseguir que la ae en F . Por lo tanto, f 1 = f 2 ae en E ∪ F = R .