定義
constant density between [a,b]。density為1/b-a,可以簡單地用P(a<=x<=b) = 1來算出。
Density & CDF
CDF的函數:
以上好像之前都證明過了。
E(X)
直覺果然是對的,就是一般所說的平均數,專指uniform density:E(X^2)
不想算的話就帶入公式吧:Var(X)
有了以上兩者,variance呼之欲出:Probability of X
Uniform的好處就是其實可以單純以event長度對區間的佔比來簡單推算機率(因為對常數做積分的緣故),省去非常多計算。例如某 a < c < b,則P(X <= c) = c-a / b-a。
Conditional Probability
uniform density另一個好處就是condition可以拿來當新的“樣本空間”,當然這是一種比喻的說法,計算上來說是成立的,舉例來說:一個density在區間[10,45]為uniform,則:
當然你永遠可以按照定義去算probability,當做檢查也不錯:
Linear Combination
如果Y是uniform RV X的linear combination (i.e. 只做scaling和translation,例如Y = cX+d),則Y仍然是一個uniform RV,而且和X有一樣的constant density。可以把Y想成是X的不同單位表現方式,例如X事表示攝氏溫度,則Y可以是華氏溫度。
既然Y仍然是一個uniform RV,如果X的區間為[a,b],則Y的區間為[ca+d, cb+d],遵從上面所講的所有uniform RV的一切性質。新的density:
Minimum Problem revisited
假設有X Y其joint density為uniform,在x:[0,5], y:[0,5]的區間內,令Z = min(X,Y), 問E(Z)?我們之前已經筆記39中講過怎麼從joint density求出min(X,Y)的probability。
現在來看看如果是uniform density會怎樣?
其實這邊提到的邏輯,是筆記39中的alternative,我們在筆記39中是利用CDF(Z)的complement來找出CDF(Z=a)。
我們在當時求CDF(Z=a)時,排除了P(min(X,Y) <= a) = P(X<= a || Y <=a)的聯集方式的選項,而是採取了找complement的方式。
這邊我們嘗試直接找聯集也是可以的,按照expectation定義:
第一項就是當min(X,Y)=Y的時候的積分區間,第二項是當min(X,Y) = X的積分區間,如果畫出定義域來看的話:
另外一種做法仍然是直接找出Z的CDF,不過會利用uniform本身的計算簡單(事實上沒有,因為先找CDF還要再找出density,還要再根據expectation定義去積分,不如直接採取上方步驟!!!)。
其實這邊做法跟筆記39就是一樣了,我們不從complement著手而已,看定義域的圖:
所以我們可以利用聯集找出CDF(Z):
再來微分算出density
再來積分找出expectation。
累!
沒有留言:
張貼留言