ตัวแปรสุ่มและการแจกแจง
ตัวแปรสุ่มคือฟังก์ชันที่วัดค่าได้บนปริภูมิความน่าจะเป็น และการแจกแจงของตัวแปรสุ่ม ซึ่งเป็นการวัดแบบพุชฟอร์เวิร์ดที่ตัวแปรสุ่มเหนี่ยวนำบนเส้นจำนวนจริง คือสิ่งที่การทดลองและข้อมูลรายงานจริง ๆ พื้นที่นี้ศึกษาการแจกแจงและเครื่องมือวิเคราะห์ที่ใช้อธิบายการแจกแจงเหล่านั้น
Definition
ตัวแปรสุ่มคือฟังก์ชันที่วัดค่าได้จากปริภูมิความน่าจะเป็นไปยังจำนวนจริง และการแจกแจงของตัวแปรสุ่มคือการวัดความน่าจะเป็นที่ตัวแปรสุ่มเหนี่ยวนำบนเส้นจำนวนจริง ซึ่งสรุปได้ด้วยฟังก์ชันการแจกแจงและศึกษาผ่านความหนาแน่น โมเมนต์ และฟังก์ชันลักษณะเฉพาะ
Scope
ขอบเขตครอบคลุมถึงตัวแปรสุ่มและเวกเตอร์สุ่ม ฟังก์ชันการแจกแจงและความหนาแน่น ฟังก์ชันลักษณะเฉพาะ (characteristic function) ในฐานะการแปลงฟูเรียร์ของการแจกแจง รวมถึงการแปลงผกผันและคุณสมบัติความเป็นเอกลักษณ์ ตระกูลการแจกแจงแบบไม่ต่อเนื่องและต่อเนื่องมาตรฐาน และการแปลงตัวแปรพร้อมกับโมเมนต์ ฟังก์ชันก่อกำเนิด และความสัมพันธ์ระหว่างกัน
Sub-topics
Core questions
- การแจกแจงของตัวแปรสุ่มถูกกำหนดขึ้นโดยอิสระจากปริภูมิผลลัพธ์พื้นฐานได้อย่างไร?
- การแปลงเชิงวิเคราะห์ใดที่เข้ารหัสการแจกแจงได้อย่างเป็นเอกลักษณ์และทำให้ผลรวมของตัวแปรอิสระง่ายขึ้น?
- ตระกูลการแจกแจงมาตรฐานใดที่เกิดขึ้นซ้ำ ๆ และเพราะเหตุใด?
- การแจกแจงเปลี่ยนแปลงไปอย่างไรภายใต้ฟังก์ชันของตัวแปรสุ่ม และโมเมนต์ของมันเผยให้เห็นอะไรบ้าง?
Key theories
- การแจกแจงในฐานะการวัดแบบพุชฟอร์เวิร์ด
- การแจกแจงหรือกฎของตัวแปรสุ่มคือภาพของการวัดความน่าจะเป็นภายใต้ตัวแปร ดังนั้นข้อความเชิงความน่าจะเป็นทั้งหมดเกี่ยวกับตัวแปรจึงขึ้นอยู่กับกฎนี้เท่านั้น ไม่ได้ขึ้นอยู่กับปริภูมิความน่าจะเป็นเฉพาะที่รองรับตัวแปรนั้น
- คุณสมบัติความเป็นเอกลักษณ์และการแปลงผกผันของฟังก์ชันลักษณะเฉพาะ
- ฟังก์ชันลักษณะเฉพาะคือการแปลงฟูเรียร์ของการแจกแจง ซึ่งกำหนดการแจกแจงได้อย่างเป็นเอกลักษณ์ สามารถแปลงผกผันเพื่อกู้คืนการแจกแจงได้ และเปลี่ยนการสังวัตนาการ (convolution) ของตัวแปรอิสระให้เป็นการคูณ ซึ่งทำให้เป็นเครื่องมือวิเคราะห์หลักสำหรับทฤษฎีบทลิมิต
Clinical relevance
การแจกแจงเป็นภาษาที่ใช้ในการแสดงแบบจำลองทางสถิติ การจำลอง และความเสี่ยง การเลือกและการปรับให้เข้ากับตระกูลการแจกแจงเป็นพื้นฐานของการประมาณค่าและการทดสอบสมมติฐาน ฟังก์ชันลักษณะเฉพาะและฟังก์ชันก่อกำเนิดเป็นตัวขับเคลื่อนการพิสูจน์ทฤษฎีบทลิมิต และการแปลงตัวแปรเป็นเรื่องปกติในการสุ่มตัวอย่างแบบมอนติคาร์โลและการแพร่กระจายของความไม่แน่นอน
History
การแจกแจงเฉพาะ เช่น การแจกแจงทวินาม การแจกแจงปกติ และการแจกแจงปัวซง ได้รับการศึกษามานานก่อนทฤษฎีเชิงนามธรรม โดยเดอ มัวฟวร์, ลาปลาซ, เกาส์ และปัวซง มุมมองที่เป็นหนึ่งเดียวของตัวแปรสุ่มในฐานะฟังก์ชันที่วัดค่าได้พร้อมกฎที่ถูกเหนี่ยวนำ และการใช้ฟังก์ชันลักษณะเฉพาะอย่างเป็นระบบโดยเลวี เป็นส่วนหนึ่งของการสังเคราะห์เชิงทฤษฎีการวัดในศตวรรษที่ยี่สิบ
Key figures
- William Feller
- Paul Levy
- Pierre-Simon Laplace
- Carl Friedrich Gauss
Related topics
Seminal works
- feller1971
- billingsley1995
Frequently asked questions
- ความแตกต่างระหว่างตัวแปรสุ่มกับการแจกแจงของตัวแปรสุ่มคืออะไร?
- ตัวแปรสุ่มคือฟังก์ชันบนปริภูมิผลลัพธ์ ในขณะที่การแจกแจงของตัวแปรสุ่มคือการวัดความน่าจะเป็นที่ตัวแปรสุ่มเหนี่ยวนำบนเส้นจำนวนจริง ตัวแปรสุ่มที่แตกต่างกันมากสองตัวสามารถมีการแจกแจงเดียวกันได้ และมีเพียงการแจกแจงเท่านั้นที่มีความสำคัญสำหรับความน่าจะเป็นของเหตุการณ์ที่กำหนดผ่านตัวแปรเพียงอย่างเดียว
- เหตุใดจึงมีการใช้ฟังก์ชันลักษณะเฉพาะอย่างแพร่หลาย?
- ฟังก์ชันลักษณะเฉพาะมีอยู่เสมอ กำหนดการแจกแจงได้อย่างเป็นเอกลักษณ์ เปลี่ยนผลรวมของตัวแปรอิสระให้เป็นผลคูณ และมีคุณสมบัติความต่อเนื่องที่ทำให้เป็นเครื่องมือธรรมชาติสำหรับการพิสูจน์การลู่เข้าในการแจกแจงและทฤษฎีบทลิมิตกลาง