标准正态分布随机变量的倒数的分布

背景

看到有人在问这个问题,拿来算算。

自从有了CSDN-MarkDown之后,写博客舒服多了,尤其是数学公式部分。

原理

推荐的参考书是:

Schaum’s outline of Probability and Statistics, 3rd Edition, 2009; 科学出版社2002年翻译出版了该书的第二版,所以有中文版。

Continuous Variables

  • Theorem: Let X be a continous random variable with probability density f(x). Let us define U=?(X) , where X=ψ(U)=??1(U)(反函数存在). Then the probability density of U is given by g(u), where:

    g(u)|du|=f(x)|dx|

    or

    g(u)=f(x)∣∣∣dxdu∣∣∣=f[??1(u)]∣∣ψ′(u)∣∣

当连续随机变量是多维的情况下,联合分布密度函数是多元函数,这时候绝对值符号内对应于雅可比行列式。

  • Theorem Let X and Y be continous random variables having joint density function f(x,y). Let us define U=?1(X,Y), V=?2(X,Y), where X=ψ1(U,V),Y=ψ2(U,V). Then the joint density function of U adn V is given by g(u,v), where:

    g(u,v)|dudv|=f(x,y)|dxdy|

    or

    g(u,v)=f(x,y)∣∣∣?(x,y)?(u,v)∣∣∣=f(ψ1(u,v),ψ2(u,v))∣∣∣∣∣????∣∣∣∣∣?ψ1?u?ψ2?u?ψ1?v?ψ2?v∣∣∣∣∣????∣∣∣∣∣

举例

  • Example 设X服从标准正态分布,则Y=1X服从何种分布(求概率密度函数)?如果存在,计算Y的数学期望。
  • 解:
  • 直接套定理即可。

      标准正态分布的概率密度函数:f(x)=12π??√e?x22

        y=?(x)=1x,x=??1(y)=ψ(y)=1y,

从而Y的概率密度函数:

g(y)=f(x)∣∣∣dxdy∣∣∣=f(??1(y))∣∣∣∣∣∣d(1y)dy∣∣∣∣∣∣=e?12y22π??√y2

用Mathematica比较下两个分布密度函数:

Plot[{E^(-(1/(2 x^2)))/(Sqrt[2 \[Pi]] x^2),E^(-(x^2/2))/Sqrt[2 \[Pi]]},{x,-5,5},PlotStyle->{Blue,Red},PlotPoints->150,AxesOrigin->{0,-.02},AxesStyle->Arrowheads[0.02],AxesLabel->{x,y},LabelStyle->Directive[Black,14,FontFamily->"Times"],TicksStyle->Directive[Black,14],AxesStyle->Directive[Black, 12],PlotLegends->{1/x,x}]

图中红色为标准正态概率密度函数,蓝色为其倒数对应随机变量的概率密度函数。看上去即有些意外,又很无可厚非。

E(Y)=12π??√lima→+∞∫a?ae?12y2ydy

y=0 这个点有些特殊,似乎会导致被积函数无意义;不过从双侧极限 y→±0 的角度,在y=0被积函数仍都为0。挖掉 y=0,因为数学期望的被积函数都是奇函数,在对称的区间上积分时总是得到0、从而新随机变量的数学期望也是0,虽然看上去去掉了一个离散点不太光彩,却暂且是明智的处理方法。——去掉有限多个可去间断点,不影响大局。

时间: 2024-10-13 07:06:46

标准正态分布随机变量的倒数的分布的相关文章

T 分布(近似标准正态分布)

1.1      定义 定义:假设X服从标准正态分布N(0,1),Y服从 卡方分布,那么 的分布称为自由度为n的t分布,记为 . 分布密度函数 ,其中,Gam(x)为伽马函数. 可用于两组独立计量资料的假设检验. 由于在实际工作中,往往σ(总体方差)是未知的,常用s(样本方差)作为σ总体方差的估计值,为了与u变换(正态化变换)区别,称为t变换,统计量t 值的分布称为t分布.[u分布也叫标准正态分布] u变换:[(X-μ)/σ]转化成标准正态变量u,以使原来各种形态的正态分布都转换为μ=0,σ=1

标准正态分布+标准正态分布概率表+分布函数+积分

X~N(μ,σ²):一般正态分布:均值为μ.方差为σ² http://blog.csdn.net/zhanghongxian123/article/details/39008493 对于标准正态分布来说,存在一张表,称为:标准正态分布表: 该表计算的是:P(X<=x)[某个数落在某个[[email protected],x]]的概率.也就是下面阴影图形所示的面积: 如果x=1.96.则将1.96拆分为1.9和0.06.横轴1.9和纵轴0.06的交汇处:0.975.就是x<=1.96的概率. 也

Python中怎样生成一个服从标准正态分布的矩阵??

例如要产生一个标准正态分布的矩阵,矩阵维数为2*3,则代码如下: 1 from numpy import *; 2 def rand_Matrix(): 3 randArr=random.randn(2,3); 4 randMat=mat(randArr); 5 return randMat; 一种结果如下: 1 matrix([[ 0.3150869 , -0.02041996, -0.15361071], 2 [-0.75507988, 0.80393683, -0.31790917]])

[C#] 查标准正态分布表

static double[] ayZTFB = null; /// <summary> /// 计算标准正态分布表 /// </summary> /// <param name="input"></param> /// <returns></returns> public static double CalcN(double input) { if (ayZTFB == null) { //从0.00到3.09的

C语言产生标准正态分布或高斯分布随机数

C语言 产生标准正态分布或高斯分布 随机数 产生正态分布或高斯分布的三种方法: 1. 运用中心极限定理(大数定理) 1 #include 2 #include 3 4 #define NSUM 25 5 6 double gaussrand() 7 { 8 double x = 0; 9 int i; 10 for(i = 0; i < NSUM; i++) 11 { 12 x += (double)rand() / RAND_MAX; 13 } 14 15 x -= NSUM / 2.0; 1

标准正态分布的累积密度函数

先是考虑把正态分布的那张表搞到程序中,通过查表的方式,小数点三位后面多出来的值使用公式来计算,代码如下 转自:http://my.oschina.net/jianfengz/blog/224256,感谢分享! private static double[][] normdist = { {0.5,0.504,0.508,0.512,0.516,0.5199,0.5239,0.5279,0.5319,0.5359}, {0.5398,0.5438,0.5478,0.5517,0.5557,0.55

数据类型与数据分布

1.离解数据与离散分布 离解数据通常是那些只能用整数表现的数据.比如某省的人口数,宇宙中单位体积内的星球个数等. 1.1统计中常见的描述离散型数据的离散分布: 1.退化分布:一个随机变量X以概率1取某一常数,即 P{X=a}=1,则称X服从a处的退化分布.确定分布. 2.两点分布:一个随机变量只有两个可能取值, 设其分布为 P{X=x1}=p, P{X=x2}=1-p, 0<p<1,则称X服从x1, x2处参数为p的两点分布. 当如果X只取0, 1两个值, 其概率分布为P{X=1}=p, P{

概率论复习

一.随机变量的数字特征 1. 数学期望 刻画随机变量取值的平均数,若X,Y相互独立,则E(XY)=E(X)E(Y) 2. 方差 刻画随机变量取值的离散程度 定义方差:D(x) = E{[X-E(X)]^2}标准差:sigma(x) = sqrt(D(x)) 常用计算公式D(X)=E(X^2)-[E(X)]^2 性质1. D(CX) = C^2 * D(X)2. D(X)+D(Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}   D(X)-D(Y)=D(X)+D(Y)-2E{[X

matlab 全部的随机数函数

matlab 全部的随机数函数 (一)Matlab内部函数 a. 基本随机数 Matlab中有两个最基本生成随机数的函数. 1.rand() 生成(0,1)区间上均匀分布的随机变量.基本语法: rand([M,N,P ...]) 生成排列成M*N*P... 多维向量的随机数.如果只写M,则生成M*M矩阵:如果参数为[M,N]可以省略掉方括号.一些例子: rand(5,1) %生成5个随机数排列的列向量,一般用这种格式 rand(5) %生成5行5列的随机数矩阵 rand([5,4]) %生成一个