Distribution conditionnelle : 7 faits intéressants à connaître

Distribution conditionnelle

   Il est très intéressant de discuter du cas conditionnel de la distribution lorsque deux variables aléatoires suivent la distribution satisfaisant l'une étant donnée l'autre, on voit d'abord brièvement la distribution conditionnelle à la fois dans le cas des variables aléatoires, discrètes et continues puis après avoir étudié quelques prérequis nous nous concentrons sur le attentes conditionnelles.

Distribution conditionnelle discrète

     À l'aide de la fonction de masse de probabilité conjointe dans la distribution conjointe, nous définissons la distribution conditionnelle pour les variables aléatoires discrètes X et Y en utilisant la probabilité conditionnelle pour X étant donné Y comme distribution avec la fonction de masse de probabilité

1
2.PNG
3.PNG

à condition que la probabilité du dénominateur soit supérieure à zéro, en similaire, nous pouvons l'écrire comme

4.PNG
5.PNG

dans la probabilité conjointe, si X et Y sont des variables aléatoires indépendantes, cela se transformera en

6.PNG
7.PNG
8.PNG

donc la distribution conditionnelle discrète ou la distribution conditionnelle pour les variables aléatoires discrètes X étant donné Y est la variable aléatoire avec la fonction de masse de probabilité ci-dessus de la même manière pour Y étant donné X que nous pouvons définir.

Exemple de distribution conditionnelle discrète

  1. Trouvez le fonction de masse de probabilité d'une variable aléatoire X étant donné Y = 1, si la fonction de masse de probabilité conjointe pour les variables aléatoires X et Y a des valeurs telles que

p(0,0)=0.4 , p(0,1)=0.2, p(1,0)= 0.1, p(1,1)=0.3

Maintenant tout d'abord pour la valeur Y = 1 nous avons

9.PNG

donc en utilisant la définition de la fonction de masse de probabilité

10.PNG
11.PNG
12.PNG

nous avons

13.PNG

et

14.PNG
  • obtenir la distribution conditionnelle de X étant donné X + Y = n, où X et Y sont des distributions de Poisson avec les paramètres λ1 et λ2 et X et Y sont des variables aléatoires indépendantes

Puisque les variables aléatoires X et Y sont indépendantes, la distribution conditionnelle aura donc la fonction de masse de probabilité comme

15.PNG
16.PNG
17.PNG

puisque la somme de la variable aléatoire de Poisson est à nouveau poisson, donc

18.PNG
19.PNG
20.PNG

ainsi la distribution conditionnelle avec la fonction de masse de probabilité ci-dessus sera une distribution conditionnelle pour de telles distributions de Poisson. Le cas ci-dessus peut être généralisé pour plus de deux variables aléatoires.

Distribution conditionnelle continue

   La distribution conditionnelle continue de la variable aléatoire X étant donné y déjà définie est la distribution continue avec la fonction de densité de probabilité

21.PNG

la densité du dénominateur est supérieure à zéro, ce qui pour la fonction de densité continue est

22.PNG
23.PNG

ainsi la probabilité d'une telle fonction de densité conditionnelle est

24.PNG

De la même manière qu'en discret si X et Y sont indépendants en continu alors aussi

25.PNG

et donc

px 26
px 28 Copie 1

afin que nous puissions l'écrire comme

px 29 Copie 1

Exemple de distribution conditionnelle continue

  1. Calculer la fonction de densité conditionnelle de la variable aléatoire X donnée Y si la fonction de densité de probabilité conjointe avec l'intervalle ouvert (0,1) est donnée par
px 30 Copie 1

Si pour la variable aléatoire X donnée Y à l'intérieur de (0,1), alors en utilisant la fonction de densité ci-dessus, nous avons

px 31
px 32
px 33
px 34
px 35
  • Calculer la probabilité conditionnelle
px 36

si la fonction de densité de probabilité conjointe est donnée par

px 37

Pour trouver la probabilité conditionnelle, nous avons d'abord besoin de la fonction de densité conditionnelle, donc par définition, ce serait

px 38
px 39
px 40

en utilisant maintenant cette fonction de densité dans la probabilité probabilite conditionnelle is

100
101
px 41

Distribution conditionnelle de la distribution normale bivariée

  Nous savons que la distribution normale bivariée des variables aléatoires normales X et Y avec les moyennes et les variances respectives en tant que paramètres a la fonction de densité de probabilité conjointe

Distribution conditionnelle
Conditionnel distribution de la normale bivariée distribution

donc trouver la distribution conditionnelle pour une telle distribution normale bivariée pour X donné Y est défini en suivant la fonction de densité conditionnelle de la variable aléatoire continue et la fonction de densité conjointe ci-dessus, nous avons

Distribution conditionnelle
Distribution conditionnelle de la distribution normale bivariée

En observant cela, nous pouvons dire que cela est normalement distribué avec la moyenne

px 42

et variance

px 43

de la même manière la fonction de densité conditionnelle pour Y étant donné X déjà défini va simplement intervertir les positions des paramètres de X avec Y,

La fonction de densité marginale pour X que nous pouvons obtenir à partir de la fonction de densité conditionnelle ci-dessus en utilisant la valeur de la constante

Distribution conditionnelle
Distribution conditionnelle de la distribution normale bivariée

substituons dans l'intégrale

px 44

la fonction de densité sera maintenant

Image3 1

puisque la valeur totale de

Image4

par la définition de la probabilité donc la fonction de densité sera maintenant

Image5

qui n'est rien d'autre que la fonction de densité de la variable aléatoire X avec la moyenne et la variance habituelles comme paramètres.

Distribution de probabilité conjointe de la fonction de variables aléatoires

  Jusqu'à présent, nous connaissons la distribution de probabilité conjointe de deux variables aléatoires, maintenant si nous avons des fonctions de ces variables aléatoires, quelle serait la distribution de probabilité conjointe de ces fonctions, comment calculer la fonction de densité et de distribution parce que nous avons des situations réelles où nous avoir des fonctions des variables aléatoires,

Si O1 Andy2 sont les fonctions des variables aléatoires X1 et X2 respectivement qui sont conjointement continues, alors la fonction de densité continue conjointe de ces deux fonctions sera

px 45

De Jacobien

px 46

Andy1 =g1 (X1X2) Andy2 =g2 (X1X2) pour certaines fonctions g1 et g2 . Ici g1 et g2 satisfait les conditions du jacobien comme continu et ont des dérivées partielles continues.

Maintenant, la probabilité pour de telles fonctions de variables aléatoires sera

Image7

Exemples sur la distribution de probabilité conjointe de la fonction de variables aléatoires

  1. Trouver la fonction de densité conjointe des variables aléatoires Y1 =X1 +X2 Andy2=X1 -X2 , où X1 et X2 sont la fonction de densité de probabilité conjointe continue et conjointe. discutez également de la nature différente de la distribution.

Ici, nous allons d'abord vérifier Jacobian

px 47

depuis g1(x1, X2) = x1 +x2  et g2(x1, X2) = x1 - X2 so

px 48

simplifier Y1 =X1 +X2 Andy2=X1 -X2 , pour la valeur de X1 = 1/2 (Oui1 +Y2 ) et X2 = Y1 -Y2 ,

px 49

si ces variables aléatoires sont des variables aléatoires uniformes indépendantes

px 50

ou si ces variables aléatoires sont des variables aléatoires exponentielles indépendantes avec des paramètres usuels

Image10

ou si ces variables aléatoires sont des variables aléatoires normales indépendantes, alors

px 51
px 52
px 53
  • Si X et Y sont les variables normales standard indépendantes telles que données
Distribution conditionnelle

calculer la distribution conjointe pour les coordonnées polaires respectives.

Nous convertirons par la conversion habituelle X et Y en r et θ comme

px 54

donc les dérivées partielles de ces fonctions seront

px 55
px 56
px 57
px 58

donc le jacobien utilisant ces fonctions est

px 59

si les deux variables aléatoires X et Y sont supérieures à zéro, la fonction de densité conjointe conditionnelle est

px 60

maintenant la conversion de la coordonnée cartésienne en coordonnée polaire en utilisant

px 61

donc la densité de probabilité fonction pour les valeurs positives seront

px 62

pour les différents комбинации de X et Y les fonctions de densité de manière similaire sont

px 63
px 64
px 65

maintenant à partir de la moyenne des densités ci-dessus, nous pouvons énoncer la fonction de densité comme

px 66

et la fonction de densité marginale à partir de cette densité conjointe de coordonnées polaires sur l'intervalle (0, 2π)

px 67
  • Trouvez la fonction de densité conjointe pour la fonction de variables aléatoires

U = X + Y et V = X / (X + Y)

où X et Y sont les distribution gamma avec les paramètres (α + λ) et (β +λ) respectivement.

En utilisant la définition de distribution gamma et fonction de distribution conjointe, la fonction de densité pour la variable aléatoire X et Y sera

px 68
px 69

considérer les fonctions données comme

g1 (x, y) = x + y, g2 (x, y) = x / (x + y),

donc la différenciation de ces fonctions est

px 70
px 71
px 72

maintenant le Jacobien est

px 73

après avoir simplifié les équations données, les variables x=uv et y=u(1-v) la fonction de densité de probabilité est

px 74
px 75

nous pouvons utiliser la relation

px 76
px 77
  • Calculer la fonction de densité de probabilité conjointe pour

Y1 =X1 +X2+ X3 , Y2 =X1- X2 , Y3 =X1 - X3

où les variables aléatoires X1 , X2, X3 sont la norme variables aléatoires normales.

Calculons maintenant le jacobien en utilisant des dérivées partielles de

Y1 =X1 +X2+ X3 , Y2 =X1- X2 , Y3 =X1 - X3

as

px 78

simplification pour les variables X1 X2 et X3

X1 = (O1 + O2 + O3) / 3, X2 = (O1 - 2 ans2 + O3) / 3, X3 = (O1 + O2 -2 ans3) / 3

nous pouvons généraliser la fonction de densité articulaire comme

px 79

donc nous avons

px 80

pour la variable normale, la fonction de densité de probabilité conjointe est

px 81

d'où

px 82

où se trouve l'index

px 83
px 84

calculer la fonction de densité conjointe de Y1 …… On et fonction de densité marginale pour Yn De

px 85

et Xi sont des variables aléatoires exponentielles indépendantes à distribution identique de paramètre λ.

pour les variables aléatoires de la forme

Y1 =X1 , Y2 =X1 + X2 , ……, Ouin =X1 + ……+Xn

le jacobien sera de la forme

Image11

et donc sa valeur est un, et la fonction de densité conjointe pour la variable aléatoire exponentielle

px 86

et les valeurs de la variable Xi ce sera

px 87

donc la fonction de densité articulaire est

px 88
px 89
px 90
px 91

Maintenant, pour trouver la fonction de densité marginale de Yn nous intégrerons un par un comme

px 92
px 93

et

pixels 94 1
pixels 94 2

de même

px 96

si nous continuons ce processus, nous obtiendrons

px 97

qui est la fonction de densité marginale.

Conclusion:

La distribution conditionnelle pour la variable aléatoire discrète et continue avec différents exemples considérant certains des types de ces variables aléatoires discutés, où la variable aléatoire indépendante joue un rôle important. De plus l'articulation distribution pour la fonction des variables aléatoires continues conjointes également expliqué avec des exemples appropriés, si vous avez besoin d'une lecture plus approfondie, consultez les liens ci-dessous.

Pour plus d'articles sur les mathématiques, veuillez consulter notre Page de mathématiques

Wikipédiahttps://en.wikipedia.org/wiki/joint_probability_distribution/” target=”_blank” rel=”noreferrer noopener” class=”rank-math-link”>Wikipedia.org

Un premier cours de probabilité par Sheldon Ross

Les grandes lignes de la probabilité et des statistiques de Schaum

Une introduction aux probabilités et aux statistiques par ROHATGI et SALEH