Мүмкіндік массасының функциясы - Probability mass function

Масса функциясының ықтималдығы графигі. Бұл функцияның барлық мәндері теріс емес және 1-ге дейін қосылуы керек.

Жылы ықтималдық және статистика, а масса функциясы (PMF) - бұл а-ның ықтималдығын беретін функция дискретті кездейсоқ шама дәл кейбір мәнге тең.^[1] Кейде оны дискретті тығыздық функциясы деп те атайды. Мүмкіндік массасының функциясы көбінесе а-ны анықтайтын негізгі құрал болып табылады ықтималдықтың дискретті үлестірілуі, және мұндай функциялар екеуінде де бар скаляр немесе көп айнымалы кездейсоқ шамалар кімдікі домен дискретті.

Мүмкіндік массасының функциясы а-дан өзгеше ықтималдық тығыздығы функциясы (PDF), мұның соңғысы дискретті емес, үздіксіз айнымалылармен байланысты. PDF болуы керек интеграцияланған ықтималдықты беретін аралықта.^[2]

Мүмкіндік массасы ең үлкен кездейсоқ шаманың мәні деп аталады режимі.

Ресми анықтама

Ықтималдықтың масса функциясы - бұл дискретті кездейсоқ шаманың ықтималдық үлестірімі және мүмкін мәндерді және олармен байланысты ықтималдықтарды қамтамасыз етеді. Бұл функция ${ displaystyle p: mathbb { mathbb {R}}}$ ${ displaystyle rightarrow [0,1]}$ арқылы анықталады

${ displaystyle p_ {X} (x_ {i}) = P (X = x_ {i})}$

үшін ${ displaystyle - infty$ ,^[2] қайда ${ displaystyle P}$ Бұл ықтималдық өлшемі. ${ displaystyle p_ {X} (x)}$ сияқты жеңілдетуге болады ${ displaystyle p (x)}$ .^[3]

Әрбір мүмкін мәндерге байланысты ықтималдықтар оң және 1-ге дейін жинақталуы керек, қалған барлық мәндер үшін ықтималдықтар 0 болуы керек.

{ displaystyle sum p_ {X} (x_ {i}) = 1}

{ displaystyle p (x_ {i})> 0}

{ displaystyle p (x) = 0}

барлық басқа х үшін

Ықтималдықты масса деп ойлау қателіктерден аулақ болуға көмектеседі, өйткені физикалық масса барлық гипотетикалық нәтижелер үшін жалпы ықтималдық болып табылады ${ displaystyle x}$ .

Теориялық тұжырымдаманы өлшеңіз

Дискретті кездейсоқ шаманың ықтималдық массалық функциясы ${ displaystyle X}$ тағы екі жалпы өлшемдік теориялық құрылыстың ерекше жағдайы ретінде қарастырылуы мүмкін: тарату туралы ${ displaystyle X}$ және ықтималдық тығыздығы функциясы туралы ${ displaystyle X}$ қатысты санау шарасы. Мұны біз нақтырақ төменде келтіреміз.

Айталық ${ displaystyle (A, { mathcal {A}}, P)}$ Бұл ықтималдық кеңістігі және сол ${ displaystyle (B, { mathcal {B}})}$ негізінде жатқан өлшенетін кеңістік σ-алгебра дискретті, сондықтан оның ішінде синглтон жиынтығы бар ${ displaystyle B}$ . Бұл параметрде кездейсоқ шама ${ displaystyle X қос нүкте A ден B}$ оның кескіні есептелетін жағдайда дискретті алға қадам ${ displaystyle X _ {*} (P)}$ - деп тарады ${ displaystyle X}$ бұл тұрғыда - бұл ықтималдық өлшемі ${ displaystyle B}$ оның синглтон жиынтығымен шектелуі ықтималдылық массасының функциясын тудырады ${ displaystyle f_ {X} қос нүкте B -ден mathbb {R}}$ бері ${ displaystyle f_ {X} (b) = P (X ^ {- 1} (b)) = [X _ {*} (P)] ( {b })}$ әрқайсысы үшін ${ displaystyle b in B}$ .

Енді солай делік ${ displaystyle (B, { mathcal {B}}, mu)}$ Бұл кеңістікті өлшеу μ санау өлшемімен жабдықталған. Ықтималдық тығыздығы функциясы ${ displaystyle f}$ туралы ${ displaystyle X}$ санау шарасына қатысты, егер ол бар болса, болып табылады Радон-Никодим туындысы итермелейтін өлшемінің ${ displaystyle X}$ (санау шарасына қатысты), сондықтан ${ displaystyle f = dX _ {*} P / d mu}$ және ${ displaystyle f}$ функциясы болып табылады ${ displaystyle B}$ теріс емес реалға. Нәтижесінде кез-келген үшін ${ displaystyle b in B}$ Бізде бар

{ displaystyle P (X = b) = P (X ^ {- 1} ( {b })): = int _ {X ^ {- 1} ( {b })} dP =}

{ displaystyle int _ { {b }} fd mu = f (b),}

мұны көрсету ${ displaystyle f}$ бұл шын мәнінде масса функциясы.

Ықтимал нәтижелер арасында табиғи тәртіп болған кезде ${ displaystyle x}$ , оларға сандық мәндерді тағайындау ыңғайлы болуы мүмкін (немесе n- дискретті болған жағдайда көп айнымалы кездейсоқ шама ) -де жоқ мәндерді де ескеру керек сурет туралы ${ displaystyle X}$ . Бұл, ${ displaystyle f_ {X}}$ барлығы үшін анықталуы мүмкін нақты сандар және ${ displaystyle f_ {X} (x) = 0}$ барлығына ${ displaystyle x notin X (S)}$ суретте көрсетілгендей.

Бейнесі ${ displaystyle X}$ бар есептелетін ықтималдық массасы жұмыс жасайтын ішкі жиын ${ displaystyle f_ {X} (x)}$ бір. Демек, ықтималдық массасының функциясы, мәндерінің есептелетін санынан басқалары үшін нөлге тең ${ displaystyle x}$ .

Мүмкіндік массасының функцияларының тоқтауы мынаған байланысты жинақталған үлестіру функциясы дискретті кездейсоқ шама да үзіліссіз болады. Егер ${ displaystyle X}$ бұл дискретті кездейсоқ шама ${ displaystyle P (X = x) = 1}$ кездейсоқ оқиға екенін білдіреді ${ displaystyle (X = x)}$ сенімді (бұл 100% валюталарда дұрыс); басқа жақтан, ${ displaystyle P (X = x) = 0}$ кездейсоқ оқиға екенін білдіреді ${ displaystyle (X = x)}$ әрқашан мүмкін емес. Бұл мәлімдеме а үздіксіз кездейсоқ шама ${ displaystyle X}$ , ол үшін ${ displaystyle P (X = x) = 0}$ кез келген мүмкін ${ displaystyle x}$ : шын мәнінде, анықтама бойынша үздіксіз кездейсоқ шаманың an болуы мүмкін шексіз жиынтық мүмкін мәндердің, демек оның ықтималдығының жалғыз нақты мәні бар х тең ${ displaystyle { frac {1} { infty}} = 0}$ . Дискретизация үздіксіз кездейсоқ шаманы дискреттіге айналдыру процесі.

Мысалдар

Ақырлы

Үш негізгі тарату бар, олар Бернулли таралуы, Биномдық үлестіру және геометриялық үлестіру.

Бернулли таралуы, Ber (p), экспериментті тек екі мүмкін нәтижелермен модельдеу үшін қолданылады. Екі нәтиже көбінесе 1 және 0 ретінде кодталады.

{ displaystyle p_ {X} (x) = { begin {case} p, & { text {if}} x { text {is} 1}} 1-p, & { text {if}} x { text {- 0}} end {case}}}

Бернуллидің таралуына мысал - тиынды лақтыру. Айталық

{ displaystyle S}

бұл әділ монетаны лақтырудың барлық нәтижелерінің үлгі кеңістігі және

{ displaystyle X}

- анықталған кездейсоқ шама

{ displaystyle S}

«құйрықтар» санатына 0 және «бастар» санатына 1 тағайындау. Монета әділ болғандықтан, массалық функция ықтималдық мәні

{ displaystyle p_ {X} (x) = { begin {case} { frac {1} {2}}, & x in {0,1 }, 0, & x notin {0, 1 }. End {case}}}

Биномдық үлестіру, Bin (n, p), біреу ауыстыру арқылы n рет сурет салған сәттілік санын модельдейді. Әр сурет немесе эксперимент тәуелсіз, екі нәтиже болуы мүмкін. Байланысты ықтималдық массасының функциясы ${ displaystyle { binom {n} {k}} p ^ {k} (1-p) ^ {n-k}}$ .

А-ның массалық функциясы әділ өлу. Барлық сандар өлу матрицаның айналуы тоқтаған кезде жоғарғы жағында пайда болу мүмкіндігі бірдей.

Биномдық үлестірімнің мысалы - біреу әділ қазаны үш рет айналдырған кезде дәл 6-ны алу ықтималдығы.

Геометриялық үлестіру бір сәттілікке жету үшін қажетті сынақтар санын сипаттайды, Geo деп белгіленеді (p). Оның массалық функциясы ықтимал ${ displaystyle p_ {X} (k) = (1-p) ^ {k-1} p}$ .

Мысал - монетаны бірінші бас пайда болғанша лақтыру.

Мүмкіндік массасының функциясын қолдана отырып модельдеуге болатын басқа үлестірулер болып табылады Категориялық үлестіру (жалпылама Бернулли таралуы деп те аталады) және көпмоминалды таралу.

Егер дискретті үлестірімде екі немесе одан да көп санаттар болса, олардың біреуі орын алуы мүмкін, бұл санаттарда табиғи тапсырыс бар ма, жоқ па, тек бір сынақ (жеребе) болған кезде бұл категориялық үлестіру болып табылады.
Мысал көп айнымалы дискретті үлестіру, және оның ықтималдығы масса функциясы, арқылы қамтамасыз етілген көпмоминалды таралу. Мұнда бірнеше кездейсоқ шамалар дегеніміз - бұл сынақтардың берілген санынан кейін категориялардың әрқайсысындағы сәттіліктің сандары, және әрбір нөлдік емес ықтималдық массасы әр түрлі категориялардағы табыстар сандарының белгілі комбинациясының ықтималдығын береді.

Шексіз

Келесі экспоненциалды төмендейтін үлестіру мүмкін болатын нәтижелердің шексіз саны бар үлестірімнің мысалы болып табылады - барлық натурал сандар:

{ displaystyle { text {Pr}} (X = i) = { frac {1} {2 ^ {i}}} quad { text {for}} quad i = 1,2,3, нүктелер.}

Ықтимал нәтижелердің шексіз санына қарамастан, ықтималдылықтың жалпы массасы 1/2 + 1/4 + 1/8 + ... = 1 құрайды, бұл ықтималдықты үлестіруге арналған бірліктің жалпы ықтималдық қажеттілігін қанағаттандырады.

Көп айнымалы жағдай

Екі немесе одан да көп дискретті кездейсоқ шамалардың бірлескен ықтималдылық масса функциясы бар, бұл кездейсоқ шамалар үшін іске асырудың мүмкін болатын әр комбинациясының ықтималдығын береді.

Әдебиеттер тізімі

^ Стюарт, Уильям Дж. (2011). Ықтималдылық, Марков тізбектері, кезектер және модельдеу: өнімділікті модельдеудің математикалық негіздері. Принстон университетінің баспасы. б. 105. ISBN 978-1-4008-3281-1.
^ ^а ^б Ықтималдық пен статистикаға заманауи кіріспе: неге және қалай екенін түсіну. Декинг, Мишель, 1946-. Лондон: Шпрингер. 2005 ж. ISBN 978-1-85233-896-1. OCLC 262680588.CS1 maint: басқалары (сілтеме)
^ Рао, Сингиресу С., 1944- (1996). Инженерлік оңтайландыру: теория және практика (3-ші басылым). Нью-Йорк: Вили. ISBN 0-471-55034-5. OCLC 62080932.CS1 maint: бірнеше есімдер: авторлар тізімі (сілтеме)

Әрі қарай оқу

Джонсон, Н.Л .; Коц, С .; Кемп, А. (1993). Бір өлшемді дискретті үлестірулер (2-ші басылым). Вили. б.36. ISBN 0-471-54897-9.

[1] Стюарт, Уильям Дж. (2011). Ықтималдылық, Марков тізбектері, кезектер және модельдеу: өнімділікті модельдеудің математикалық негіздері. Принстон университетінің баспасы. б. 105. ISBN 978-1-4008-3281-1.

[:0-2] а ^б Ықтималдық пен статистикаға заманауи кіріспе: неге және қалай екенін түсіну. Декинг, Мишель, 1946-. Лондон: Шпрингер. 2005 ж. ISBN 978-1-85233-896-1. OCLC 262680588.CS1 maint: басқалары (сілтеме)

[3] Рао, Сингиресу С., 1944- (1996). Инженерлік оңтайландыру: теория және практика (3-ші басылым). Нью-Йорк: Вили. ISBN 0-471-55034-5. OCLC 62080932.CS1 maint: бірнеше есімдер: авторлар тізімі (сілтеме)

[1]

[2]

[3]

Теориясы ықтималдық үлестірімдері
масса функциясы (pmf) ықтималдық тығыздығы функциясы (PDF) жинақталған үлестіру функциясы (CD) кванттық функция
шикі сәт орталық сәт білдіреді дисперсия стандартты ауытқу қиғаштық куртоз L-сәт
момент тудыратын функция (мгф) сипаттамалық функция ықтималдық тудыратын функция (pgf) кумулятивті аралас