Nota: este é um problema de lição de casa, portanto, não me dê a resposta completa!
Eu tenho duas variáveis, A e B, com distribuições normais (médias e variações são conhecidas). Suponha que C seja definido como A com 50% de chance e B com 50% de chance. Como eu iria provar se C também é normalmente distribuído e, em caso afirmativo, qual é sua média e variação?
Não sei como combinar os PDFs de A e B dessa maneira, mas, idealmente, se alguém puder me apontar na direção certa, meu plano de ataque é obter o PDF de C e mostrar se é ou não um variação do PDF normal.
Respostas:
Espero que esteja claro para você que C não é garantido que seja normal. No entanto, parte da sua pergunta era como escrever seu PDF. @BallpointBen deu uma dica. Se isso não for suficiente, aqui estão mais alguns spoilers ...
Observe que C pode ser escrito como: para um aleatório de Bernoulli com com independente de . Esta é mais ou menos a tradução matemática padrão da afirmação em inglês "C é A com 50% de chance e B com 50% de chance".
Agora, é difícil determinar o PDF de C diretamente a partir disso, mas é possível progredir anotando a função de distribuição de C. É possível particionar o evento em dois subeventos (dependendo do valor de ) para gravar :FC C≤X T
e observe que, pela definição de C e pela independência de T e B, você tem:
Você deve poder usar um resultado semelhante no caso para escrever em termos de e . Para obter o PDF de C, apenas diferencie em relação a x.T=1 FC FA FB FC
fonte
A simulação de uma mistura aleatória 50-50 de e é ilustrada abaixo. Simulação em R.Norm(μ=90,σ=2) Norm(μ=100,σ=2)
fonte
Uma maneira de trabalhar com isso é analisá-lo, pois a variação tende a 0. Dessa forma, você obteria uma distribuição do tipo Bernoulli, que (claramente) não é uma distribuição normal.
fonte
Esse é o tipo de problema em que é muito útil usar o conceito de CDF, a função cumulativa de distribuição de probabilidade, de variáveis aleatórias, esse conceito totalmente desnecessário que os professores arrastam apenas para confundir os alunos que estão felizes em usar apenas pdfs.
Por definição, o valor do CDF de uma variável aleatória é igual à probabilidade de que não seja maior que o número real , ou seja, Agora, a lei da probabilidade total nos diz que se é igualmente provável que seja uma variável aleatória ou uma variável aleatória , então ou, em outras palavras,FX(α) X X α
fonte
Prova
Seja , e as funções de distribuição cumulativa (CDFs) de A, B e C, respectivamente, e , e suas funções de densidade de probabilidade (PDFs), ieFA FB FC fA fB fC
Também temos dois eventos:
De acordo com a lei da probabilidade total ,
Portanto,
e comoγ=0.5,
Além disso, como o PDF de uma distribuição normal é uma função gaussiana positiva e a soma de duas funções gaussianas possíveis é uma função gaussiana positiva se e somente se as duas funções gaussianas forem linearmente dependentes, é normalmente distribuído se e somente se e são distribuídos de forma idêntica.C A B
Se e são distribuídos de forma idêntica, , então também será distribuído de forma idêntica.A B fA(x)=fB(x)=fC(x) C
fonte