В общем, учитывая распределение вероятностей случайной величины X со строго положительной поддержкой, можно найти распределение обратной величины Y = 1/ X . Если распределение X непрерывно с функцией плотности f ( x ) и кумулятивной функцией распределения F ( x ), то кумулятивная функция распределения G ( y ) обратной величины находится, отмечая, что
Тогда функция плотности Y находится как производная кумулятивной функции распределения:
Примеры
Взаимное распределение
Обратное распределение имеет функцию плотности вида [1]
где означает «пропорционально» . Отсюда следует, что обратное распределение в этом случае имеет вид
что снова является взаимным распределением.
Обратное равномерное распределение
Если исходная случайная величина X равномерно распределена на интервале ( a , b ), где a >0, то обратная переменная Y = 1/ X имеет обратное распределение, принимающее значения в диапазоне ( b −1 , a −1 ), а функция плотности вероятности в этом диапазоне равна
и равен нулю в другом месте.
Кумулятивная функция распределения обратной величины в том же диапазоне равна
Например, если X равномерно распределен на интервале (0,1), то Y = 1/ X имеет плотность и кумулятивную функцию распределения, когда
и моментов первого и более высокого порядка не существует. [2] Для таких обратных распределений и для распределений отношений все еще могут быть определены вероятности для интервалов, которые можно вычислить либо с помощью моделирования Монте-Карло , либо, в некоторых случаях, с помощью преобразования Гири – Хинкли. [3]
Однако в более общем случае смещенной обратной функции для следования общему нормальному распределению статистика среднего и дисперсии действительно существует в смысле главного значения , если разница между полюсом и средним значением является вещественной. Среднее значение этой преобразованной случайной величины ( обратно сдвинутое нормальное распределение ) действительно является масштабированной функцией Доусона : [4]
Напротив, если сдвиг является чисто комплексным, среднее значение существует и представляет собой масштабированную функцию Фаддеевой , точное выражение которой зависит от знака мнимой части . В обоих случаях дисперсия является простой функцией среднего значения. [5] Таким образом, дисперсия должна рассматриваться в смысле главного значения, если она действительна, тогда как она существует, если мнимая часть не равна нулю. Обратите внимание, что эти средние значения и дисперсии являются точными, поскольку они не возвращаются при линеаризации отношения. Точно так же доступна точная ковариация двух отношений с парой разных полюсов . [6]
Случай обратной комплексной нормальной переменной , сдвинутой или нет, демонстрирует различные характеристики. [4]
Обратное экспоненциальное распределение
Если – экспоненциально распределенная случайная величина с параметром скорости , то имеет следующую кумулятивную функцию распределения: для . Обратите внимание, что ожидаемого значения этой случайной величины не существует. Взаимное экспоненциальное распределение находит применение при анализе затухания систем беспроводной связи.
Обратное распределение Коши
Если X — случайная величина , распределенная Коши ( μ , σ ), то 1 / X — случайная величина Коши ( μ / C , σ / C ), где C = μ2 + σ2 .
Обратное F-распределение
Если X является распределенной случайной величиной F ( ν 1 , ν 2 ), то 1 / X является случайной величиной F ( ν 2 , ν 1 ).
Обратная величина биномиального распределения
Если распределено в соответствии с биномиальным распределением с количеством попыток и вероятностью успеха, то закрытая форма обратного распределения неизвестна. Однако мы можем вычислить среднее значение этого распределения.
Известна асимптотическая аппроксимация нецентральных моментов обратного распределения. [7]
где O() и o() — большие и маленькие функции порядка o и являются действительным числом.
Обратно треугольному распределению
Для треугольного распределения с нижним пределом a , верхним пределом b и режимом c , где a < b и a ≤ c ≤ b , среднее обратное определяется выражением
и дисперсия на
.
Оба момента обратной величины определяются только тогда, когда треугольник не пересекает ноль, т. е. когда a , b и c либо все положительные, либо все отрицательные.
^ Хайя, Джек ; Армстронг, Дональд; Грессис, Николя (июль 1975 г.). «Заметка о соотношении двух нормально распределенных переменных». Наука управления . 21 (11): 1338–1341. дои : 10.1287/mnsc.21.11.1338. JSTOR 2629897.
^ аб Леконт, Кристоф (май 2013 г.). «Точная статистика систем с неопределенностями: аналитическая теория стохастических динамических систем первого ранга». Журнал звука и вибрации . 332 (11): 2750–2776. дои : 10.1016/j.jsv.2012.12.009.
^ Леконт, Кристоф (май 2013 г.). «Точная статистика систем с неопределенностями: аналитическая теория стохастических динамических систем первого ранга». Журнал звука и вибрации . 332 (11). Раздел (4.1.1). дои : 10.1016/j.jsv.2012.12.009.
^ Леконт, Кристоф (май 2013 г.). «Точная статистика систем с неопределенностями: аналитическая теория стохастических динамических систем первого ранга». Журнал звука и вибрации . 332 (11). Уравнения (39)–(40). дои : 10.1016/j.jsv.2012.12.009.