Professional Documents
Culture Documents
6.1 Introduction
6.1 Introduction
◈ Function 이란?
Functions of Random Variables
Definition
g ( X ) = aX + b a, b : constants
y −b
dFX ( ) 1 y −b
dF ( y ) a dF (u ) du fY ( y) = − fX ( )
fY ( y) = Y = = X a a
dy dy du dy
y − b du 1
u= , =
a dy a
1 1 y −b 1 y −b
fY ( y) = f X (u ) = f X ( ) fY ( y) = fX ( )
a a a a a
◈ Example 6.1) 그림으로 그려서 이해할 것, 또한 g(x)=-2X+7인 경우를 그림을 그려서 이해할 것
y−7 1 y−7
g ( X ) = 2 X + 7 → FY ( y ) = FX ( ), fY ( y) = ( ) f X ( )
2 2 2
Functions of Random Variables
Definition
◈ Linear Function
y0 = T ( x0 ) or x0 = T −1 ( y0 )
T-1 : inverse of the transformation T
X와 Y는 one-to-one correspondence
FY ( y0 ) = P{Y ≤ y0 } = P{ X ≤ x0 } = FX ( x0 )
dx0 dT −1 ( y0 )
f Y ( y 0 ) = f X ( x0 ) = f X ( x0 )
dy0 dy0
: 일반화하면
dT −1 ( y ) dx
: monotonic decreasing f Y ( y ) = f X ( x) = f X ( x)
dy dy
Functions of Random Variables
CDF
FY ( y ) = P{cX 2 ≤ y} = P{ X ≤ y / c} y > 0
= P{− y / c ≤ X ≤ y / c } = FX ( y / c ) − FX ( − y / c )
d( y / c) d (− y / c )
PDF fY ( y) = f X ( y / c ) − f X (− y / c )
dy dy 1 −1/ 2
u= y = y1/ 2 , du / dy =
[ ]
y
d dF (u ) du dFX (−u ) du 변수치환 2
= f X ( y / c ) − f X (− y / c ) = X +
dy du dy du dy
=
1 dFX (u ) dFX (−u )
du +
2 cy
du 2 cy
=
1
[
f X ( y / c ) + f X (− y / c ) ]
◈ Example 5.2) normal분포의 power function의 CDF와 PDF를 구하라.
1
e−x FY ( y ) = FX ( y ) − FX (− y ) = 2 FX ( y ) − 1
2
f x ( x) = /2
2π
u= y = y1 / 2 ,
dFY ( y ) dF (t ) 1 1
1 fY ( y) = =2 X = f X ( x)
du / dy = y −1/ 2 dy du 2 y y
2
Functions of Random Variables
= aE[ X ] + b
평균 : aa x + b
분산 : σ y2 = a 2σ x2
Functions of Random Variables
by definition
FW ( w) = P{W ≤ w} = P{ X + Y ≤ w}
x2 y2
(5) P{x1 < x ≤ x2 , y1 < y ≤ y 2 } = ∫ ∫
x1 y1
f X ,Y ( x, y )dxdy
∞ w− y
x+y가 w보다 작은 영역 FW ( w) = ∫ ∫
− ∞ x = −∞
f X ,Y ( x, y )dxdy
Statistically independent
∞ w− y
FW ( w) = ∫
−∞
f Y ( y )
∫
x = −∞
f X ( x)dx dy
∞ ∞ ∞
∫ ∫ ∫
d
FW ( w) = f Y ( y ) FX ( w − y )dy → fW ( w) = f Y ( y ) FX ( w − y )dy = f Y ( y ) f X ( w − y )dy
−∞ dw −∞ −∞
◈ The pdf of the sum of two statistically independent r.v. is the convolution of their individual pdf.
Functions of Random Variables
1
f X ( x) = f Y ( y ) = [u ( x) − u ( x − 4)]
4
∞ ∞
∫ ∫
1
fW ( w) = f Y ( y ) f X ( w − y )dy = [u (yx) − u (y
x − 4)][u ( w − y ) − u ( w − y − 4)]dy
−∞ 16 −∞
w-y-4 w-y 0 4 0 4 0 4 8
w-y-4 w-y
Functions of Random Variables
fX ( x ) f Y ( y) 1
1- f X ( x) = [u ( x − b) − u ( x − a )]
---------- b−a
d–c
1 1
-----------
b–a f Y ( x) = [u ( x − d ) − u ( x − c)]
d −c
a b c d
f X ( x) fY ( z – x ) f X ( x) fY ( z – x )fX ( x ) f Y( z – x )
x x
z –da z – c z b a z– d z– c b z x a z–d bz–c z
(i) (ii) (iii)
Functions of Random Variables
◈ Mean of S = X+Y
∞ ∞
E[ S ] = E[ X + Y ] = ∫ ∫
−∞ −∞
( x + y ) f XY ( x, y )dxdy
∞ ∞ ∞ ∞ 두개의 R.V.의 기대값의 합으로 주어짐.
= ∫ ∫
−∞ −∞
xf XY ( x, y )dxdy + ∫ ∫
−∞ −∞
yf XY ( x, y )dxdy
∞ ∞
= ∫ xf X ( x)dx + ∫ yfY ( y )dy = E[ X ] + E[Y ]
−∞ −∞
Functions of Random Variables