Zufallsvariablen und Verteilungen
Eine Zufallsvariable ist eine messbare Funktion auf einem Wahrscheinlichkeitsraum, und ihre Verteilung, das von ihr auf der reellen Achse induzierte Pushforward-Maß, ist das, was Experimente und Daten tatsächlich berichten; dieser Bereich untersucht Verteilungen und die analytischen Werkzeuge, die sie beschreiben.
Definition
Eine Zufallsvariable ist eine messbare Funktion von einem Wahrscheinlichkeitsraum zu den reellen Zahlen, und ihre Verteilung ist das Wahrscheinlichkeitsmaß, das sie auf der reellen Achse induziert, zusammengefasst durch die Verteilungsfunktion und untersucht durch Dichten, Momente und charakteristische Funktionen.
Scope
Der Bereich umfasst Zufallsvariablen und Zufallsvektoren, Verteilungs- und Dichtefunktionen, die charakteristische Funktion als Fouriertransformation einer Verteilung sowie deren Inversion und Eindeutigkeit, die Standardfamilien diskreter und kontinuierlicher Verteilungen und die Transformation von Variablen zusammen mit Momenten, erzeugenden Funktionen und den Beziehungen zwischen ihnen.
Sub-topics
Core questions
- Wie wird die Verteilung einer Zufallsvariablen unabhängig vom zugrunde liegenden Stichprobenraum definiert?
- Welche analytischen Transformationen kodieren eine Verteilung eindeutig und vereinfachen Summen unabhängiger Variablen?
- Welche Standardverteilungsfamilien treten wiederholt auf und warum?
- Wie transformiert sich eine Verteilung unter Funktionen der Zufallsvariablen, und was verraten ihre Momente?
Key theories
- Verteilung als Pushforward-Maß
- Die Verteilung oder das Gesetz einer Zufallsvariablen ist das Bild des Wahrscheinlichkeitsmaßes unter der Variablen, sodass alle probabilistischen Aussagen über die Variable nur von diesem Gesetz und nicht vom jeweiligen Wahrscheinlichkeitsraum, der sie trägt, abhängen.
- Eindeutigkeit und Inversion der charakteristischen Funktion
- Die charakteristische Funktion ist die Fouriertransformation einer Verteilung; sie bestimmt die Verteilung eindeutig, kann invertiert werden, um sie wiederherzustellen, und wandelt die Faltung unabhängiger Variablen in Multiplikation um, was sie zum zentralen analytischen Werkzeug für Grenzwertsätze macht.
Clinical relevance
Verteilungen sind die Sprache, in der statistische Modelle, Simulationen und Risiken ausgedrückt werden: Die Wahl und Anpassung einer Verteilungsfamilie ist die Grundlage für Schätzung und Hypothesentests, charakteristische und erzeugende Funktionen treiben die Beweise von Grenzwertsätzen voran, und Variablentransformationen sind Routine bei Monte-Carlo-Stichproben und der Ausbreitung von Unsicherheiten.
History
Spezifische Verteilungen wie die Binomial-, Normal- und Poisson-Verteilung wurden lange vor der abstrakten Theorie von de Moivre, Laplace, Gauss und Poisson untersucht. Die vereinheitlichende Sichtweise einer Zufallsvariablen als messbare Funktion mit einem induzierten Gesetz und die systematische Verwendung charakteristischer Funktionen nach Levy gehören zur maßtheoretischen Synthese des zwanzigsten Jahrhunderts.
Key figures
- William Feller
- Paul Levy
- Pierre-Simon Laplace
- Carl Friedrich Gauss
Related topics
Seminal works
- feller1971
- billingsley1995
Frequently asked questions
- Was ist der Unterschied zwischen einer Zufallsvariablen und ihrer Verteilung?
- Die Zufallsvariable ist eine Funktion auf einem Stichprobenraum, während ihre Verteilung das Wahrscheinlichkeitsmaß ist, das sie auf der reellen Achse induziert; zwei sehr unterschiedliche Zufallsvariablen können dieselbe Verteilung haben, und nur die Verteilung ist für Wahrscheinlichkeiten von Ereignissen relevant, die allein durch die Variable definiert sind.
- Warum werden charakteristische Funktionen so intensiv genutzt?
- Sie existieren immer, bestimmen die Verteilung eindeutig, wandeln Summen unabhängiger Variablen in Produkte um und weisen Stetigkeitseigenschaften auf, die sie zum natürlichen Vehikel für den Nachweis von Konvergenz in Verteilung und des zentralen Grenzwertsatzes machen.