متغیرهای تصادفی و توزیعها
متغیر تصادفی تابعی اندازهپذیر در فضای احتمال است و توزیع آن، یعنی اندازهی پیشرانشی که بر روی خط اعداد حقیقی القا میکند، همان چیزی است که آزمایشها و دادهها در واقع گزارش میدهند؛ این حوزه به مطالعهی توزیعها و ابزارهای تحلیلی که آنها را توصیف میکنند، میپردازد.
Definition
متغیر تصادفی تابعی اندازهپذیر از فضای احتمال به اعداد حقیقی است و توزیع آن، اندازهی احتمالی است که بر روی خط اعداد حقیقی القا میکند، که توسط تابع توزیع خلاصه شده و از طریق چگالیها، گشتاورها و توابع مشخصه مورد مطالعه قرار میگیرد.
Scope
این حوزه شامل متغیرهای تصادفی و بردارهای تصادفی، توابع توزیع و چگالی، تابع مشخصه به عنوان تبدیل فوریه یک توزیع و وارونگی و یکتایی آن، خانوادههای استاندارد توزیعهای گسسته و پیوسته، و تبدیل متغیرها همراه با گشتاورها، توابع مولد، و روابط بین آنها میشود.
Sub-topics
Core questions
- چگونه توزیع یک متغیر تصادفی مستقل از فضای نمونه زیربنایی تعریف میشود؟
- کدام تبدیلهای تحلیلی یک توزیع را به طور منحصر به فرد کدگذاری میکنند و مجموع متغیرهای مستقل را ساده میکنند؟
- کدام خانوادههای توزیع استاندارد به طور مکرر ظاهر میشوند و چرا؟
- چگونه یک توزیع تحت توابع متغیر تصادفی تبدیل میشود و گشتاورهای آن چه چیزی را آشکار میکنند؟
Key theories
- توزیع به عنوان یک اندازهی پیشرانشی
- توزیع یا قانون یک متغیر تصادفی، تصویر اندازهی احتمال تحت آن متغیر است، بنابراین تمام گزارههای احتمالی در مورد متغیر فقط به این قانون بستگی دارند و نه به فضای احتمال خاصی که آن را حمل میکند.
- یکتایی و وارونگی تابع مشخصه
- تابع مشخصه تبدیل فوریه یک توزیع است؛ این تابع توزیع را به طور منحصر به فرد تعیین میکند، میتواند برای بازیابی آن وارون شود، و پیچش متغیرهای مستقل را به ضرب تبدیل میکند، که آن را به ابزار تحلیلی اصلی برای قضایای حدی تبدیل میکند.
Clinical relevance
توزیعها زبانی هستند که مدلهای آماری، شبیهسازی و ریسک با آن بیان میشوند: انتخاب و برازش یک خانواده توزیع زیربنای تخمین و آزمون فرضیه است، توابع مشخصه و مولد اثبات قضایای حدی را پیش میبرند، و تبدیل متغیرها در نمونهگیری مونت کارلو و انتشار عدم قطعیت معمول هستند.
History
توزیعهای خاصی مانند دوجملهای، نرمال و پواسون مدتها قبل از نظریه انتزاعی، توسط دو موآور، لاپلاس، گاوس و پواسون مورد مطالعه قرار گرفتند. دیدگاه یکپارچه متغیر تصادفی به عنوان یک تابع اندازهپذیر با یک قانون القایی، و استفاده سیستماتیک از توابع مشخصه که توسط لوی ارائه شد، به سنتز نظریه اندازه در قرن بیستم تعلق دارد.
Key figures
- William Feller
- Paul Levy
- Pierre-Simon Laplace
- Carl Friedrich Gauss
Related topics
Seminal works
- feller1971
- billingsley1995
Frequently asked questions
- تفاوت بین یک متغیر تصادفی و توزیع آن چیست؟
- متغیر تصادفی تابعی در فضای نمونه است، در حالی که توزیع آن، اندازهی احتمالی است که بر روی خط اعداد حقیقی القا میکند؛ دو متغیر تصادفی بسیار متفاوت میتوانند توزیع یکسانی داشته باشند، و فقط توزیع برای احتمالات رویدادهایی که تنها از طریق متغیر تعریف میشوند، اهمیت دارد.
- چرا توابع مشخصه به این شدت استفاده میشوند؟
- آنها همیشه وجود دارند، توزیع را به طور منحصر به فرد تعیین میکنند، مجموع متغیرهای مستقل را به حاصلضرب تبدیل میکنند، و دارای ویژگیهای پیوستگی هستند که آنها را به ابزار طبیعی برای اثبات همگرایی در توزیع و قضیه حد مرکزی تبدیل میکند.