Распределение функции случайной величины: метод

Распределение функции случайной величины находят, переводя событие для результата обратно в событие для исходной величины. Если , то ключевая запись - . Дальше решают неравенство относительно и вычисляют его вероятность. При этом разные значения могут давать одно значение : например, квадрат одинаков для и . Калькулятор показывает обе границы такого события для равномерной величины; меняйте порог и сравнивайте длину интервала с вероятностью.
Идея метода: найти прообраз события
Пусть закон известен, а требуется закон . Само преобразование не создаёт новые исходы эксперимента: каждому исходному значению оно ставит в соответствие . Поэтому событию соответствует множество всех , для которых . Это множество называют прообразом промежутка .
Вероятность прообраза берут по известному закону . Для непрерывной величины с плотностью это интеграл по найденному множеству:
Если множество состоит из нескольких интервалов, интегралы по ним складывают. При дискретном законе вместо интеграла суммируют вероятности соответствующих значений. Само определение и основные свойства разобраны в статье о функции распределения случайной величины; здесь она служит инструментом преобразования.
Алгоритм решения
Удобно придерживаться пяти шагов, даже если функция кажется простой.
- Уточните закон и носитель . Например, при равномерном распределении на плотность равна внутри этого отрезка и нулю вне его.
- Найдите возможные значения . Для квадрата указанного они лежат в . Это сразу задаёт поведение функции распределения за пределами отрезка.
- Решите по . Делайте это отдельно для диапазонов , в которых форма решения меняется, и пересекайте его с носителем .
- Вычислите вероятность найденного множества. Используйте интеграл, значения или сумму вероятностей. Объединение непересекающихся частей требует суммы.
- Проверьте ответ. Функция распределения должна не убывать, стремиться к нулю слева и к единице справа. Если нужна плотность и распределение абсолютно непрерывно, продифференцируйте на подходящих интервалах.
Сначала область значений, затем неравенство: такой порядок защищает от выражений вроде при отрицательном и от плотности вне допустимой области. Носитель результата иногда меньше образа всей числовой прямой, потому что исходная величина принимает не все значения.
Пример: квадрат равномерной величины
Пусть и . Исходную плотность и смысл равномерности можно сверить в статье о равномерном распределении. При квадрат не может быть меньше порога, поэтому . При в событие попадает весь носитель, следовательно, .
Для промежутка решаем неравенство:
Здесь важны обе границы: отрицательные значения тоже дают положительный квадрат. Плотность исходной величины постоянна, поэтому вероятность равна длине выделенного интервала, делённой на длину всего носителя:
Итак, полностью записанный ответ:
Например, : условию отвечают значения от до , то есть половина исходного отрезка. На рисунке это значение отмечено на графике функции распределения.

Дифференцирование даёт при и ноль вне . В нуле формула неограниченно возрастает, но это не точечная вероятность: . Несобственный интеграл плотности по равен единице. Значение плотности в отдельных граничных точках можно задать произвольно без изменения закона.
Монотонное преобразование и обратная функция
Если строго возрастает и обратная функция определена на нужном диапазоне, то для непрерывного событие равносильно . Поэтому внутри образа носителя. При строгом убывании знак меняется: равносильно . Для непрерывного тогда .
Непрерывность здесь существенна: при атоме в точке следует писать , где слева от скобки стоит левый предел. Он сохраняет вероятность равенства. Если преобразование определено лишь на части прямой, дополнительно проверяют, что попадает в эту область с вероятностью один.
Для гладкой обратной функции плотность на внутренних точках диапазона находится по формуле
Модуль производной нужен и для убывающей ветви: плотность не может быть отрицательной. Его смысл - изменение масштаба маленького интервала при переходе от к . Эта формула предполагает существование подходящих плотностей и обратной функции; она не заменяет проверку границ носителя.
Пример убывающего преобразования
Пусть исходная величина равномерна на отрезке от нуля до единицы, а результат равен единице минус исходное значение. Результат также лежит между нулём и единицей, но это ещё не доказывает равномерность: её нужно получить из вероятностей. Для порога внутри этого отрезка запишем событие: результат не больше порога тогда и только тогда, когда исходная величина не меньше единицы минус порог. Поскольку исходная плотность равна единице, вероятность равна длине отрезка от единицы минус порог до единицы, то есть самому порогу. Следовательно, результат действительно равномерен на том же отрезке.
В этой задаче легко получить правильную область значений и при этом ошибиться в вероятности, если забыть об изменении знака неравенства. Проверка на пороге, близком к нулю, помогает обнаружить ошибку: вероятность должна быть близка к нулю, а не к единице. Вне отрезка значения функции распределения снова равны нулю слева и единице справа.
Если обратных ветвей несколько
Разбейте носитель на интервалы монотонности . Для каждого допустимого корня уравнения найдите вклад своей ветви. В регулярных точках, где производная не равна нулю, вклады суммируются:
Учитывают только корни на носителе исходного закона. Число таких корней может меняться с , поэтому формула часто получается кусочной. Для квадрата при корни равны , а . Каждый вносит ; сумма совпадает с плотностью выше. В точке производная исходной функции обращается в ноль, и применять формулу деления непосредственно нельзя. Поведение там устанавливают через предел или функцию распределения.
Метод преобразования одной величины не следует путать со свёрткой: распределение суммы независимых величин требует учитывать два исходных аргумента. Для функции двух зависимых величин, в свою очередь, нужен их совместный закон, а не только отдельные распределения.
Как меняется число корней
Рассмотрим тот же квадрат, но теперь исходная величина равномерна на отрезке от минус одного до двух. Область результата простирается от нуля до четырёх. При пороге между нулём и единицей в носитель попадают оба корня, и длина соответствующего промежутка равна удвоенному корню из порога. При пороге между единицей и четырьмя левая граница уже вышла за носитель: исходные значения идут от минус одного до положительного корня. Длина нужного промежутка поэтому равна единице плюс корень из порога.
Исходный отрезок имеет длину три, поэтому в каждом из двух диапазонов указанную длину делят на три. Обе формулы дают две трети на общей границе, а при верхнем пределе вторая даёт единицу. Этот пример показывает, зачем проверять принадлежность корней носителю: если продолжать учитывать отрицательную ветвь после её выхода за границу, получится лишняя вероятность. Точно так же при работе с плотностью сумма ветвей должна меняться на соответствующем диапазоне результата.
Дискретная величина: объединение вероятностей
Пусть принимает значения с вероятностями , , . При получаем всего два разных результата. Для подходит только , поэтому вероятность равна . Для подходят оба оставшихся исхода, и их вероятности складываются: .
Закон записывают как таблицу значений с вероятностями . Его функция распределения равна нулю при , равна при и единице при . Здесь обычная плотность не описывает скачки: дифференцирование почти всюду даёт ноль и теряет точечные вероятности.
Частые ошибки
- Берут только один корень. Для при положительном нужны и отрицательная, и положительная ветви, если они входят в носитель.
- Забывают область значений. Формула внутри интервала сама по себе не задаёт на всей прямой.
- Не меняют знак при убывающем . Сначала преобразуйте событие, а не подставляйте обратную функцию механически.
- Путают плотность с вероятностью. Плотность может превышать единицу или быть неограниченной; вероятность задаётся интегралом или скачком функции распределения.
- Игнорируют повторяющиеся значения в таблице. Вероятности разных исходных значений с одним образом нужно сложить.
FAQ
Всегда ли у есть плотность?
Нет. Даже при непрерывном преобразование с постоянным участком может собрать положительную вероятность в одной точке. В общем случае функция распределения надёжнее: она описывает и скачки, и непрерывную часть.
Можно ли найти вероятность без плотности ?
Да. Для интервала используйте . Для иных включений концов учитывайте возможные скачки. Иногда проще сразу найти прообраз события и вычислить его вероятность по закону .
Почему в примере квадрат не распределён равномерно?
Преобразование меняет масштаб неодинаково: около нуля большой относительно результата диапазон исходных значений сжимается сильнее. Поэтому равные отрезки по оси обычно получают разные вероятности, хотя равномерна.
Коротко
Чтобы найти распределение , сначала выразите событие через , учтите весь прообраз и его пересечение с носителем, затем вычислите вероятность. При наличии плотности её можно получить дифференцированием или суммированием вкладов обратных ветвей. Проверка границ и полной вероятности завершает решение.
Читайте также

Функция распределения случайной величины: свойства
Функция распределения F(x) = P(X меньше или равно x): определение, все свойства, как строить для дискретной и непрерывной величины, связь с плотностью и расчёт вероятности на интервале.

Цепь Маркова: стационарное распределение
Как найти стационарное распределение цепи Маркова по матрице переходов: пример для двух состояний, проверка баланса и условия сходимости с разбором ошибок.

Дивергенция Кульбака-Лейблера: смысл и расчёт
Дивергенция Кульбака-Лейблера простыми словами: формула и пример расчёта для двух исходов, асимметрия, нулевые вероятности и связь с энтропией и обучением моделей.

Геометрическая вероятность: задача о встрече
Как решить задачу о встрече через геометрическую вероятность: квадрат времён прихода, область встречи, расчёт для ожидания 15 минут и варианты условий.

Критерий Лиллиефорса: проверка нормальности выборки
Критерий Лиллиефорса проверяет нормальность при неизвестных среднем и дисперсии. Разбираем статистику D, расчёт на примере, критические значения и вывод.

Неравенство Маркова и Чебышёва: сравнение оценок
Неравенства Маркова и Чебышёва оценивают вероятность по среднему и дисперсии. Сравним границы одного события, проверим условия и разберём примеры равенства.