Distribución condicional de variable aleatoria uniforme dada estadística de orden


9

Tengo la siguiente pregunta a mano:

Supongamos que son variables aleatorias iid que siguen a Unif . ¿Cuál es la distribución condicional de dada ?U,V(0,1)UZ:=max(U,V)

Traté de escribir Z=IV+(1I)U donde I={1U<V0U>V

Pero no estoy llegando a ninguna parte.


3
Esto puede estar mal, pero aquí va. Si U es el máximo, entonces U=Z . De lo contrario, U<V=Z , entonces U sería uniforme en [0,Z] . Los dos casos deberían tener la misma probabilidad, ¿entonces U tiene una mezcla de las dos distribuciones?
GeoMatt22

Respuestas:


4

Una imagen puede ayudar. Las distribuciones uniformes independientes en el intervalo pueden considerarse una distribución uniforme en el cuadrado de la unidad . Los eventos son regiones en el cuadrado y sus probabilidades son sus áreas.[0,1]I2=[0,1]×[0,1]

Figura

Sea cualquier valor posible de . El conjunto de coordenadas donde forma los bordes superior y derecho de un cuadrado del lado . Sea un pequeño número positivo. El conjunto de coordenadas cuyo máximo se encuentra entre y forma un engrosamiento estrecho de ese cuadrado, como está sombreado en la figura. Su área es la diferencia de las áreas de dos cuadrados, uno del lado y el otro del lado , de dondezmax(U,V)(U,V)max(U,V)=zzdz(U,V)zz+dzz+dzz

(1)Pr(zZz+rez)=(z+rez)2-z2=2zrez+(rez)2.

Vamos ser cualquier valor posible de : se marca con una línea vertical discontinua en las figuras. tuU

El panel izquierdo muestra un caso donde : La posibilidad de que sea ​​el área a la izquierda de esa línea (igual a ); pero el evento de que y encuentra entre y es solo el área sombreada de color marrón. Es un rectángulo, por lo que su área es su ancho veces su altura . Así,tuzUtutuUtu Zzz+rezturez

(2)Pr(Utu,zZz+rez)=turez.

El panel derecho muestra un caso donde . Ahora la posibilidad de que y consista en dos rectángulos. El superior tiene base y altura ; el derecho tiene base y altura . Por lo tantoz<tuz+rezUtuz<Zz+rezturez(tu-z)z+rez

(3)Pr(Utu,zZz+rez)=turez+(tu-z)(z+rez).

Por definición, las probabilidades condicionales son estas posibilidades divididas por la probabilidad total de que , dada en arriba. Divida y por este valor. Dejar que sea ​​infinitesimal y retener la parte estándar del resultado da las posibilidades condicionadas a . Por lo tanto, cuando ,zZz+rez(1)(2)(3)rezZ=z0uz

Pr(Uu|Z=z)=udz2zdz+(dz)2=u2z+dzu2z.

Cuando , escriba para y calculez<uz+dzu=z+λdz0<λ1

Pr(Uu|Z=z)=udz+(uz)(z+dz)2zdz+(dz)2=(z+λdz)dz+(λdz)(z+dz)2zdz+(dz)21+λ2.

Finalmente, para , el área marrón en el panel derecho ha crecido para igualar el área gris, de donde su relación es .u>z+dz1

Estos resultados muestran que la probabilidad condicional crece linealmente de a a medida que crece de a , luego se dispara linealmente de a en el intervalo infinitesimal entre y , luego se queda en para todos los grandes . Aquí hay un gráfico:0z/(2z)=1/2u0z1/21zz+dz1u

Figura 2

Debido a que es infinitesimal, ya no es posible distinguir visualmente de : la trama salta desde una altura de a .dzzz+dz1/21

Al poner todo lo anterior en una sola fórmula para aplicar a cualquier para la cual , podríamos escribir la función de distribución condicional comoz0<z1

FU|Z=z(u)={0u0u2z0<uz1u>z.

Esta es una respuesta completa y rigurosa. El salto muestra que una función de densidad de probabilidad no describirá adecuadamente la distribución condicional en el valor . Sin embargo, en todos los demás puntos, hay una densidad . Es igual a para , para (la derivada de con respecto a ), y para . Podría usar una "función generalizada" para escribir esto en una forma similar a la densidad. Sea la "densidad generalizada" que da un salto de magnitudU=zfU|Z=z(u)0u01/(2z)0u<zu/(2z)u0u>zδz1en : es decir, es la "densidad" de un átomo de probabilidad unitaria ubicado en . Entonces, la densidad generalizada en puede escribirse para expresar el hecho de que una probabilidad de se concentra en . En su totalidad, podríamos escribirzzz12δz1/2z

fU|Z=z(u)={0u012z0<u<z12δz(u)u=z0u>z.

4

Primero considere la distribución del máximo condicional en . El máximo vuelve igual a en el caso de que con probabilidad condicional . De lo contrario, lleva algún valor mayor que igual a . La distribución condicional general será, por lo tanto, una mezcla entre una masa puntual en (de tamaño u) y una densidad uniforme en (que se integra a ). Representando la masa puntual por la función delta de Dirac, la función de densidad de probabilidad generalizada (gpdf) de esta distribución condicional es ZU=uZuV<uuZuVu(u,1)1u

fZ|U=u(z)=uδ(zu)+{1for u<z<10otherwise.
La gpdf conjunta de y es entonces El pdf del máximo es . Por lo tanto, el gpdf condicional de dado el máximo convierte en ZU
fZ,U(z,u)=fZ|U=u(z)fU(u)=uδ(zu)+{1for 0<u<z<10otherwise.
fZ(z)=2zUZ
fU|Z=z(u)=fZ,U(z,u)fZ(z)=12δ(zu)+{12zfor 0<u<z0otherwise,
zcon probabilidad 1/2 y una densidad uniforme en integrando a 1/2.(0,z)

Bueno, ¡+1 por tu gran ayuda! Pero tengo un problema. No sé la función DIRAC DELTA. ... Entonces, ¿se puede hacer sin él?
Qwerty

1
No lo sé. Parece una forma conveniente de representar una distribución que es en parte discreta y en parte continua. Un hilo en math.stackexchange tiene más discusión.
Jarle Tufto
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.