확률 변수와 분포 함수

확률 변수는 확률 공간에서 실수선으로의 가측 함수이며, 그 분포 함수(변수가 주어진 수준을 초과하지 않을 확률)는 변수의 값이 어떻게 분포되어 있는지를 설명하는 보편적인 방법입니다.

Definition

확률 변수는 확률 공간에서 실수로의 가측 함수이며, 그 분포 함수는 각 실수를 변수가 그 값보다 작거나 같을 확률에 매핑합니다.

Scope

이 주제는 실수 및 벡터 값 확률 변수의 가측성, 누적 분포 함수와 단조성, 우연속성, 극한이라는 정의적 특성, 분포 함수와 실수선 상의 확률 측도 간의 대응 관계, 밀도 및 이산, 절대 연속, 특이 부분으로의 르베그 분해, 그리고 주변 분포를 갖는 확률 벡터의 결합 분포를 다룹니다.

Core questions

• 표본 공간의 함수가 확률 변수라는 것은 무엇을 의미합니까?
• 누적 분포 함수를 특징짓는 속성은 무엇이며, 그것이 분포를 어떻게 결정합니까?
• 분포가 밀도를 가질 때는 언제이며, 대안은 무엇입니까?
• 여러 확률 변수의 결합 분포와 주변 분포는 어떻게 관련되어 있습니까?

Key concepts

• 가측 함수
• 누적 분포 함수
• 확률 밀도
• 르베그 분해
• 결합 분포 및 주변 분포

Key theories

분포 함수 대응

실수선 상의 모든 확률 측도는 극한이 0과 1인 유일한 비감소, 우연속 분포 함수에 대응하며, 그 역도 성립하여 1차원 분포에 대한 완전하고 구체적인 설명을 제공합니다.

분포의 르베그 분해

선 상의 모든 분포는 원자(atoms)에 지지되는 이산 부분, 밀도를 갖는 절대 연속 부분, 그리고 특이 연속 부분으로 고유하게 분할되며, 이는 확률 밀도가 언제 존재하고 언제 존재하지 않는지를 명확히 합니다.

Clinical relevance

분포 함수는 경험적 데이터가 추정하고 통계 모델이 가정하는 대상입니다. 경험적 분포 함수는 적합도 검정 및 부트스트랩의 기초가 되며, 분포 함수에서 파생된 분위수는 위험 가치(value-at-risk) 및 참조 범위를 정의하고, 밀도는 대부분의 우도 기반 추론에서 적합되는 대상입니다.

History

확률 변수가 단순히 가측 함수이며 그 행동이 분포 함수에 의해 포착된다는 인식은 20세기 초 확률의 측도론적 재정립과 함께 나타났으며, 이는 특정 분포에 대한 이전의 개별적인 처리를 대체했습니다.

Key figures

• Andrey Kolmogorov
• William Feller
• Henri Lebesgue

Seminal works

• billingsley1995

Frequently asked questions

모든 확률 변수가 밀도를 가집니까?

아닙니다. 분포가 절대 연속인 확률 변수만이 밀도를 가집니다. 이산 변수는 개별 점에 질량을 부여하며, 더 희귀한 특이 연속 분포는 원자가 없음에도 불구하고 밀도를 가지지 않습니다.

분포 함수가 엄격하게 작다(strictly less)가 아니라 작거나 같다(less-than-or-equal)로 정의되는 이유는 무엇입니까?

작거나 같다(less-than-or-equal)는 관례는 분포 함수를 우연속으로 만들며, 이는 기본 확률 측도 및 그 원자(atoms)와의 깔끔한 대응을 가능하게 하는 자연스러운 선택입니다.