যাক একটি অভিন্ন বন্টন অনুসরণ কর এবং ওয়াই একটি স্বাভাবিক বন্টন অনুসরণ করুন। এক্স সম্পর্কে কী বলা যায় ? এটির জন্য কোনও বিতরণ আছে?
আমি শূন্যের সাথে দুটি স্বাভাবিকের অনুপাত পেয়েছি কচী।
যাক একটি অভিন্ন বন্টন অনুসরণ কর এবং ওয়াই একটি স্বাভাবিক বন্টন অনুসরণ করুন। এক্স সম্পর্কে কী বলা যায় ? এটির জন্য কোনও বিতরণ আছে?
আমি শূন্যের সাথে দুটি স্বাভাবিকের অনুপাত পেয়েছি কচী।
উত্তর:
যাক দৈব চলক পিডিএফ সঙ্গে চ ( এক্স ) :
যেখানে আমি (এটি আদর্শ ইউনিফর্ম ( 0 , 1 ) কেস) ধরে নিয়েছি । [ভিন্ন ফলাফল প্রাপ্ত করা হবে যদি বলে পরামিতি একটি < 0 কিন্তু কার্যপ্রণালী ঠিক একই। ]
উপরন্তু, দিন , এবং দিন ওয়াট = 1 / ওয়াই পিডিএফ সঙ্গে ছ ( W ) :
তারপরে, আমরা পণ্যটির পিডিএফ সন্ধান করি , h ( ভি ) বলুন যা দেওয়া হয়েছে:
যেখানে আমি ম্যাটিস্ট্যাটিকারTransformProduct
ফাংশনটি নিতি - গ্রিটসকে স্বয়ংক্রিয় করতে ব্যবহার করছি এবং যেখানে Erf
ত্রুটি ফাংশনটি বোঝায়: http://references.wolfram.com/language/ref/Erf.html
সব শেষ.
প্লট
এখানে পিডিএফ-এর দুটি প্লট রয়েছে:
মন্টি কার্লো চেক
এর বিতরণ সন্ধান করা সম্ভব
উপরের অবিচ্ছেদ্য নিম্নলিখিত রূপান্তরগুলির ক্রম ব্যবহার করে মূল্যায়ন করা যেতে পারে:
এই উত্তরটি সিমুলেশন দ্বারা যাচাই করা যেতে পারে। আর-এর নিম্নলিখিত স্ক্রিপ্টটি এই কাজটি সম্পাদন করে।
n <- 1e7
mu <- 2
sigma <- 4
X <- runif(n)
Y <- rnorm(n, mean=mu, sd=sigma)
Z <- X/Y
# Constrain range of Z to allow better visualization
Z <- Z[Z>-10]
Z <- Z[Z<10]
# The actual density
hist(Z, breaks=1000, xlim=c(-10,10), prob=TRUE)
# The theoretical density
r <- seq(from=-10, to=10, by=0.01)
p <- sigma/sqrt(2*pi)*( exp( -mu^2/(2*sigma^2)) - exp(-(1/r-mu)^2/(2*sigma^2)) ) + mu*( pnorm((1/r-mu)/sigma) - pnorm(-mu/sigma) )
lines(r,p, col="red")
যাচাইকরণের জন্য এখানে কয়েকটি গ্রাফ রয়েছে:
set.seed(1);x=rbeta(10000000,1,1)/rnorm(10000000,7);hist(x,n=length(x)/50000)
runif
runif
করবেন না ? এটি আরও
hist(x,n=length(x),xlim=c(-10,10))
) (বিতরণের প্রায় 96% মনে হয় এই সীমাগুলির মধ্যে রয়েছে)