حساب کاربری
​
تغیر مسیر یافته از - توزیع احتمال توام
زمان تقریبی مطالعه: 5 دقیقه
لینک کوتاه

توزیع احتمال توأم

توزیع احتمال توأم یا توزیع احتمال مشترک (به انگلیسی: Joint probability distribution) در بحث احتمالات مطرح می‌شود که در آن پدیدهٔ مورد نظر با مجموعه‌ای از متغیّرهای تصادفی که با آن در ارتباط هستند تفسیر و تغییرات این متغیرها در ارتباط با یکدیگر و به صورت توأم (مشترک) بررسی می‌شود. در بسیاری موارد علاقه‌مند هستیم که دو یا چند متغیر تصادفی را همزمان مطالعه کنیم. در این ارتباط برای هر دو متغیر تصادفی   x {\displaystyle \ x}

و   y {\displaystyle \ y}
تابع توزیع تجمعی را به صورت زیر تعریف می‌کنیم

  F X , Y ( a , b ) = p { X <= a , y <= b } , , − ∞ < a , b < ∞ {\displaystyle \ F_{X,Y}(a,b)=p\{X<=a,y<=b\},,-\infty <a,b<\infty }

تابع توزیع تجمعی   x {\displaystyle \ x}

را می‌توان از تابع توزیع تجمعی مشترک به صورت زیر بدست آورد

  F x ( a ) = p { X <= a , y <= ∞ } = F ( a , ∞ ) , , − ∞ < a , b < ∞ {\displaystyle \ F_{x}(a)=p\{X<=a,y<=\infty \}=F(a,\infty ),,-\infty <a,b<\infty }
به این ترتیب می‌توان بدست آورد
  p { X > a , Y > b } = 1 − F X ( a ) − F Y ( b ) + F ( a , b ) {\displaystyle \ p\{X>a,Y>b\}=1-F_{X}(a)-F_{Y}(b)+F(a,b)}

فهرست

  • ۱ خواص مربوط به توزیع مشترک
  • ۲ استقلال متغیرهای تصادفی
  • ۳ مجموع متغیرهای تصادفی
  • ۴ خاصیت مهم
  • ۵ توزیع‌های شرطی
  • ۶ جستارهای وابسته
  • ۷ منابع

خواص مربوط به توزیع مشترک

۱. در حالت توزیع پیوسته داریم

  p { X ≤ y ≤ b } = ∫ − ∞ a ∫ − ∞ b f ( x , y ) d x d y {\displaystyle \ p\{X\leq y\leq b\}=\int _{-\infty }^{a}\int _{-\infty }^{b}f(x,y)dxdy}

۲. با مشتق‌گیری جزئی درمی‌یابیم

  f ( a , b ) = d 2 d a d b F ( a , b ) {\displaystyle \ f(a,b)={\tfrac {d^{2}}{dadb}}F(a,b)}

۳.   f X ( x ) = ∫ − ∞ ∞ {\displaystyle \ f_{X}(x)=\int _{-\infty }^{\infty }}

۴.   p { a < X < a + d a , b < y <= b + d b } = ∫ b b + d b ∫ a a + d a f ( x , y ) d x d y   f ( a , b ) d a d b {\displaystyle \ p\{a<X<a+da,b<y<=b+db\}=\int _{b}^{b+db}\int _{a}^{a+da}f(x,y)dxdy~f(a,b)dadb}

استقلال متغیرهای تصادفی

متغیرهای تصادفی   X {\displaystyle \ X}

و   Y {\displaystyle \ Y}
را مستقل می‌گویند اگر برای هر دو مجموعه از اعداد حقیقی   A {\displaystyle \ A}
و   B {\displaystyle \ B}
داشته باشیم

  p { X ∈ A , y ∈ B } = p { X ∈ A } p { y ∈ B } {\displaystyle \ p\{X\in A,y\in B\}=p\{X\in A\}p\{y\in B\}}
این تعریف را می‌توان بر اساس تابع توزیع تجمعی مشترک هم بیان کرد
  F ( a , b ) = F X ( a ) F Y ( b ) {\displaystyle \ F(a,b)=F_{X}(a)F_{Y}(b)}
تعمیم این رابطه به حالت پیوسته به شکل زیر است
  f ( y , x ) = f X ( x ) f Y ( y ) {\displaystyle \ f(y,x)=f_{X}(x)f_{Y}(y)}
به عبارت دیگر   X {\displaystyle \ X}
،   Y {\displaystyle \ Y}
مستقل خواهند بود اگر با دانستن یکی از آنها تغییری در توزیع دیگری حاصل نشود.

مجموع متغیرهای تصادفی

معمولاً محاسبهٔ توزیع   X + Y {\displaystyle \ X+Y}

دارای اهمیت خاصی است. رابطه تابع تجمعی به شکل زیر است

  F X + Y ( a ) = p { X + Y <= a } = ∫ − ∞ ∞ ∫ − ∞ a − Y f X ( x ) f Y ( y ) d x d y {\displaystyle \ F_{X+Y}(a)=p\{X+Y<=a\}=\int _{-\infty }^{\infty }\int _{-\infty }^{a-Y}f_{X}(x)f_{Y}(y)dxdy}
یعنی تابع توزیع تجمعی از پیچش توزیعهای   Y {\displaystyle \ Y}
و   X {\displaystyle \ X}
به دست می آید.
اگر از رابطه بالا مشتق بگیریم تابع چگالی بدست می آید
  f X + Y ( a ) = ∫ − ∞ ∞ f X ( a − y ) f Y ( y ) d y {\displaystyle \ f_{X+Y}(a)=\int _{-\infty }^{\infty }f_{X}(a-y)f_{Y}(y)dy}

خاصیت مهم

اگر   X i {\displaystyle \ X_{i}}
‌ها متغیرهای تصادفی مستقل نرمال با پارامترهای   ( u i , σ 2 ) {\displaystyle \ (u_{i},\sigma ^{2})}
باشند آنگاه   ∑ i = 1 N x i {\displaystyle \ \sum _{i=1}^{N}x_{i}}
دارای توزیع نرمال با پارامترهای   ∑ i = 1 N u i {\displaystyle \ \sum _{i=1}^{N}u_{i}}
و   ∑ i = 1 N σ i 2 {\displaystyle \ \sum _{i=1}^{N}\sigma _{i}^{2}}
است.

توزیع‌های شرطی

برای محاسبه توزیع شرطی در حالت گسسته به شکل زیر عمل می‌کنیم:
  p X | Y ( x | y ) = p { X = x | Y = y } = p { X = x , Y = y } p { Y = y } {\displaystyle \ p_{X|Y}(x|y)=p\{X=x|Y=y\}={\tfrac {p\{X=x,Y=y\}}{p\{Y=y\}}}}
همچنین برای محاسبه توزیع‌های شرطی در حالت پیوسته می‌توان به شکل زیر عمل کرد
  f X | Y ( x | y ) = f ( x , y ) f Y ( y ) {\displaystyle \ f_{X|Y}(x|y)={\tfrac {f(x,y)}{f_{Y}(y)}}}

و برای محاسبه تابع توزیع تجمعی

  F X | Y ( a | y ) = p { X <= a | Y = y } = ∫ − ∞ a f X | Y ( x | y ) d x {\displaystyle \ F_{X|Y}(a|y)=p\{X<=a|Y=y\}=\int _{-\infty }^{a}f_{X|Y}(x|y)dx}

جستارهای وابسته

  • متغیر تصادفی
  • تابع چگالی احتمال
  • احتمال شرطی

منابع

  1. ↑ «توزیع توأم» [آمار] هم‌ارزِ «joint distribution» مترادفِ: «توزیع چندمتغیره» هم‌ارزِ واژهٔ بیگانه‌ای دیگر (multivariate distribution)؛ منبع: گروه واژه‌گزینی. جواد میرشکاری، ویراستار. دفتر یازدهم. فرهنگ واژه‌های مصوب فرهنگستان. تهران: انتشارات فرهنگستان زبان و ادب فارسی. شابک ۹۷۸-۶۰۰-۶۱۴۳-۴۵-۳ (ذیل سرواژهٔ توزیع توأم)
  • مبانی احتمال، شلدون راس، ترجمه دکتر احمد پارسیان و دکتر علی همدانی، ویرایش ششم
آخرین نظرات
کلیه حقوق این تارنما متعلق به فرا دانشنامه ویکی بین است.