Спільний розподіл

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку
Показано багато випадкових спостережень (чорні) зі спільного розподілу ймовірності. Також показано й відособлені густини.

У дослідженнях імовірності для заданих щонайменше двох випадкових змінних X, Y, …, що визначені на ймовірнісному просторі, спі́льний розпо́діл імові́рності для X, Y, … є розподілом імовірності, що дає ймовірності того, що кожна з X, Y, … влучає в певний діапазон або дискретний набір значень, визначених для цієї змінної. У випадку лише двох випадкових змінних це називається двови́мірним розпо́ділом, але це поняття узагальнюється на будь-яке число випадкових змінних, даючи багатови́мірний розпо́діл.

Спільний розподіл ймовірності може бути виражено або в термінах спільної кумулятивної функції розподілу, або в термінах спільної функції густини ймовірності (у випадку неперервних змінних[en]) чи спільної функції маси ймовірності (у випадку дискретних змінних). Їх у свою чергу може бути застосовано для знаходження двох інших типів розподілів: відособленого розподілу, що дає ймовірності для будь-якої однієї зі змінних без посилання на жодні конкретні діапазони значень інших змінних, та умовного розподілу ймовірності, що дає ймовірності будь-якої підмножини змінних за умови конкретних значень решти змінних.

Приклади

[ред. | ред. код]

Підкидання монет

[ред. | ред. код]

Розгляньмо підкидання двох правдивих монет[en]; нехай A та B є дискретними випадковими змінними, пов'язаними з результатами підкидань першої та другої монети відповідно. Якщо монета показує аверс, то пов'язана випадкова змінна є 1, інакше 0. Спільна функція маси ймовірності A та B визначає ймовірності для кожної з пар результатів. Усіма можливими результатами є

Оскільки кожен з результатів є однаково правдоподібним, то спільною функцією маси ймовірності стає

де . Оскільки підкидання монет є незалежними, спільна функція маси ймовірності є добутком відособлених:

.

Загалом, кожне підкидання монети є пробою Бернуллі, й послідовність підкидань слідує розподілові Бернуллі.

Кидання грального кубика

[ред. | ред. код]

Розгляньмо кидання правдивого грального кубика, і нехай A = 1, якщо число є парним (тобто, 2, 4, або 6), а інакше A = 0. До того ж, нехай B = 1, якщо число є простим (тобто, 2, 3, або 5), а інакше B = 0.

1 2 3 4 5 6
A 0 1 0 1 0 1
B 0 1 1 0 1 0

Тоді спільним розподілом A та B, вираженим як функція маси ймовірності, є

Ці ймовірності обов'язково дають в сумі 1, оскільки ймовірністю того, що трапиться якась комбінація A та B, є 1.

Функція густини чи функція маси

[ред. | ред. код]

Дискретний випадок

[ред. | ред. код]

Спільною функцією маси ймовірності двох дискретних випадкових змінних є

Узагальненням попереднього випадку для двох змінних є спільний розподіл імовірності дискретних випадкових змінних , яким є

Ця тотожність відома як ланцюгове правило ймовірності.

Оскільки це є ймовірностями, у випадку для двох змінних ми маємо

що узагальнюється для дискретних випадкових змінних як

Неперервний випадок

[ред. | ред. код]

Спільна функція густини ймовірності fX,Y(xy) для неперервних випадкових змінних дорівнює

…де fY|X(y|x) та fX|Y(x|y) дають умовні розподіли Y коли X = x та X коли Y = y відповідно, а fX(x) та fY(y) дають відособлені розподіли X та Y відповідно.

Знов-таки, оскільки вони є розподілами ймовірності, маємо

Змішаний випадок

[ред. | ред. код]

Змішану спільну густину може бути визначено, коли одна випадкова змінна X є неперервною, а інша випадкова змінна Y є дискретною, або навпаки, як

Один з прикладів ситуації, в якій ми можемо хотіти знаходити сукупний розподіл однієї випадкової змінної, що є неперервною, та іншої випадкової змінної, що є дискретною, виникає, коли ми хочемо використовувати логістичну регресію в передбаченні ймовірності двійкового результату Y в залежності від неперервно розподіленого результату X. Ми змушені використовувати «змішану» спільну густину при знаходженні сукупного розподілу цього двійкового результату, оскільки вхідні змінні (X, Y) початково було визначено таким чином, що неможливо одночасно призначити їм або функцію густини ймовірності, або функцію маси ймовірності. Формально fX,Y(x, y) є функцією густини ймовірності (X, Y) з урахуванням добутку мір відповідних носіїв[en] X та Y. Будь-який з цих двох розкладів може потім бути використано для відновлення спільної кумулятивної функції розподілу:

Це визначення узагальнюється до суміші довільного числа дискретних та неперервних випадкових змінних.

Додаткові властивості

[ред. | ред. код]

Спільний розподіл незалежних змінних

[ред. | ред. код]

Дві дискретні випадкові змінні та є незалежними, якщо спільна функція маси ймовірності задовольняє

для всіх x та y.

Аналогічно, дві абсолютно неперервні випадкові змінні є незалежними, якщо

для всіх x та y. Це означає, що отримання будь-якої інформації про значення однієї або більше випадкових змінних веде до такого умовного розподілу будь-якої іншої змінної, що є тотожним її безумовному (відособленому) розподілові; таким чином, жодна змінна не надає жодної інформації про будь-яку іншу змінну.

Спільний розподіл для умовно залежних змінних

[ред. | ред. код]

Якщо підмножина змінних є умовно залежною[en] від іншої підмножини цих змінних, то спільний розподіл дорівнює . Таким чином, його може бути ефективно представлено розподілами нижчої розмірності та . Такі відносини умовної незалежності може бути представлено баєсовою мережею.

Кумулятивний розподіл

[ред. | ред. код]

Спільний розподіл імовірності для пари випадкових змінних може бути виражено в термінах кумулятивної функції розподілу

Важливі розподіли з власними назвами

[ред. | ред. код]

Спільні розподіли з власними назвами, що часто виникають у статистиці, включають багатовимірний нормальний розподіл, багатовимірний стійкий розподіл[en], поліноміальний розподіл, від'ємний поліноміальний розподіл[en], багатовимірний гіпергеометричний розподіл[en] та еліптичний розподіл.

Див. також

[ред. | ред. код]

Посилання

[ред. | ред. код]
  • Гнєденко Б. В. Курс теорії ймовірностей. — Київ : ВПЦ Київський університет, 2010. — 464 с.
  • Hazewinkel, Michiel, ред. (2001), distribution Joint distribution, Математична енциклопедія, Springer, ISBN 978-1-55608-010-4 (англ.)
  • Hazewinkel, Michiel, ред. (2001), distribution Multi-dimensional distribution, Математична енциклопедія, Springer, ISBN 978-1-55608-010-4 (англ.)
  • Joint continuous density function на PlanetMath (англ.)
  • Mathworld: Joint Distribution Function [Архівовано 27 травня 2016 у Wayback Machine.] (англ.)