Deje que siga una distribución uniforme e siga una distribución normal. ¿Qué se puede decir sobre ¿ Y ? ¿Hay una distribución para ello?
Encontré que la razón de dos normales con media cero es Cauchy.
Deje que siga una distribución uniforme e siga una distribución normal. ¿Qué se puede decir sobre ¿ Y ? ¿Hay una distribución para ello?
Encontré que la razón de dos normales con media cero es Cauchy.
Respuestas:
Sea la variable aleatoria con pdf f ( x ) :
donde he asumido (esto anida el caso uniforme estándar ( 0 , 1 ) ). [Se obtendrán resultados diferentes si dicho parámetro a < 0 , pero el procedimiento es exactamente el mismo. ]
Además, deje , y deje W = 1 / Y con pdf g ( w ) :
Luego, buscamos el pdf del producto , digamos h ( v ) , que viene dado por:
donde estoy usando la función de mathStaticaTransformProduct
para automatizar los detalles, y donde Erf
denota la función de error: http://reference.wolfram.com/language/ref/Erf.html
Todo listo.
Parcelas
Aquí hay dos parcelas del pdf:
Cheque Monte Carlo
La integral anterior se puede evaluar utilizando la siguiente secuencia de transformaciones:
Esta respuesta se puede verificar por simulación. El siguiente script en R realiza esta tarea.
n <- 1e7
mu <- 2
sigma <- 4
X <- runif(n)
Y <- rnorm(n, mean=mu, sd=sigma)
Z <- X/Y
# Constrain range of Z to allow better visualization
Z <- Z[Z>-10]
Z <- Z[Z<10]
# The actual density
hist(Z, breaks=1000, xlim=c(-10,10), prob=TRUE)
# The theoretical density
r <- seq(from=-10, to=10, by=0.01)
p <- sigma/sqrt(2*pi)*( exp( -mu^2/(2*sigma^2)) - exp(-(1/r-mu)^2/(2*sigma^2)) ) + mu*( pnorm((1/r-mu)/sigma) - pnorm(-mu/sigma) )
lines(r,p, col="red")
Aquí hay algunos gráficos para la verificación:
N ≤ 1 M Y < 1 X Y<0set.seed(1);x=rbeta(10000000,1,1)/rnorm(10000000,7);hist(x,n=length(x)/50000)
runif
runif
? Parece más idiomático y también parece ser más rápido)
hist(x,n=length(x),xlim=c(-10,10))
) (aproximadamente el 96% de la distribución parece estar dentro de esos límites)