如果是CDF,则看起来()也是CDF。
问:这是标准结果吗?
Q:有一个很好的方法找到一个函数与 ST,其中
基本上,我手头还有另一个CDF。从某种程度上讲,我想描述产生该CDF的随机变量的特征。
编辑:如果能得到特殊情况的分析结果,我会很高兴。或者至少知道这样的结果很棘手。
如果是CDF,则看起来()也是CDF。
问:这是标准结果吗?
Q:有一个很好的方法找到一个函数与 ST,其中
基本上,我手头还有另一个CDF。从某种程度上讲,我想描述产生该CDF的随机变量的特征。
编辑:如果能得到特殊情况的分析结果,我会很高兴。或者至少知道这样的结果很棘手。
Answers:
我喜欢其他答案,但还没有人提及以下内容。事件 发生当且仅当,因此,如果和是独立的和,然后,以便为的正整数(比如,)取其中的是独立同分布的
对于我们可以切换为,因此将是该随机变量,从而独立副本的最大值具有与相同的分布(并且这将不是我们熟悉的朋友之一) , 一般来说)。
由于(F Z) m / n = (F 1 / n Z) m,因此是正有理数(例如)的情况 。
对于非理性的,选择一个收敛于α的正有理序列a k;那么序列X k(我们可以对每个k使用上面的技巧)将收敛于期望的X分布。
这可能不是你要找的表征,但它至少提供了如何思考一些想法为α适当不错。另一方面,我不太确定它到底能得到多少好:您已经有了CDF,因此链式规则为您提供了PDF,您可以计算直到太阳落山的时刻...?的确,大多数Z不会有α = √熟悉的X,但是如果我想通过一个示例来寻找有趣的东西,我可以尝试将Z均匀分布在单位间隔中,其中F(z)=z,0<z<1。
编辑: 我在@JMS答案中写了一些评论,并且有一个关于我的算术的问题,所以我会写出我的意思,希望它更清楚。
@cardinal正确至@JMS答案的评论中写道,该问题简化为 或更一般地,当Ž不一定Ñ (0 ,1 ),我们有 X = 克- 1(Ý )= ˚F - 1(˚F α(Ý ))。
让我们以一种特殊情况为例,将其插入并查看其工作方式。令具有Exp(1)分布,CDF F (x )= (1 - e - x),x > 0 , CDF F - 1(y )= - ln (1 - y )倒数 。 插入所有东西很容易找到g ; 完成后,我们得到 y = g (x )= −
仿真结果图如下。
用于生成图的R代码(减去标签)为
n <- 10000; alpha <- 0.7
z <- rbeta(n, shape1 = alpha, shape2 = 1)
y <- -log(1 - z)
plot(ecdf(y))
f <- function(x) (pexp(x, rate = 1))^alpha
curve(f, add = TRUE, lty = 2, lwd = 2)
我觉得合身度很好。也许我这次不疯了?
Module[ {y, w, a = 0.1, z = 3.24, f = ChiDistribution[7.6], xmin=0, xmax=5}, y = CDF[f,z]; w = InverseCDF[f, y^(1/a)]; Show[ Plot[{CDF[f, x],CDF[f,x]^a} , {x, xmin, xmax}, Filling->{1->{2}}], Graphics[{ Dashed, Arrow[{{z,0}, {z,y}}], Arrow[{{z,y}, {w,y}}], Arrow[{{w,y}, {w,0}}] }] ] ]