这可能是一个琐碎的问题,但是到目前为止,我的搜索仍然没有结果,包括这篇Wikipedia文章和“分发纲要” 文档。
如果具有均匀分布,是否意味着遵循指数分布?Ë X
同样,如果遵循指数分布,是否表示遵循均匀分布?升Ñ (Ý )
这可能是一个琐碎的问题,但是到目前为止,我的搜索仍然没有结果,包括这篇Wikipedia文章和“分发纲要” 文档。
如果具有均匀分布,是否意味着遵循指数分布?Ë X
同样,如果遵循指数分布,是否表示遵循均匀分布?升Ñ (Ý )
Answers:
对均匀随机变量取幂不会给出指数,对指数随机变量的对数取幂也不会得到均匀。
令在上是均匀的,并令。(0 ,1 )X = EXP (Û )
因此。
这不是指数变量。类似的计算表明,指数的对数不一致。
令为标准指数,因此。˚F ÿ(Ý )= P (Ý ≤ Ý )= 1 - ë - ÿ
令。然后。˚F V(v )= P (V ≤ v )= P (LN Ý ≤ v )= P (Ý ≤ Ë v)= 1 - ë - ë v
这不是制服。(实际上,是Gumbel分布的随机变量,因此您可以将的分布称为“翻转的Gumbel”。)V
但是,在每种情况下,我们只需考虑随机变量的界限即可更快地看到它。如果是Uniform(0,1),则它位于0到1之间,因此位于到之间...因此它不是指数的。类似地,对于指数,处于,因此既不能是均匀的(0,1),也不能是任何其他均匀的。X = EXP (Û )1 Ë Ý LN ý (- ∞ ,∞ )
我们还可以进行模拟,然后再次看到它:
首先,对制服求幂-
[蓝色曲线是我们在上面计算出的密度(在指定间隔处为1 / x)...]
第二,指数的对数:
我们看到的远非统一!(如果我们区分之前计算出的cdf,可以得出密度,则它与我们在此处看到的形状匹配。)
的确,逆cdf方法表明,取统一(0,1)变量的对数的负值可得出标准指数变量,反之,对标准指数的负数取幂可得到一个均匀值。[另见概率积分变换 ]
此方法告诉我们,如果,则。如果我们将cdf的倒数作为标准统一的变换来应用,则所得的随机变量具有分布函数。
如果我们让是均匀的(0,1),则。令。(请注意,在(0,1)上也是统一的,因此您实际上可以让,但是这里我们完全遵循cdf逆方法)
然后,这是标准指数的cdf。
[ cdf 逆变换的这一特性是为什么实际上需要变换才能获得指数分布,而概率积分变换是为什么对负指数的负数求幂的结果变得均匀。]