Documente Academic
Documente Profesional
Documente Cultură
Curs 3
Teorema
(Hincin) Fie X o variabila aleatoare continua cu functia de
repartitie F , si U o variabila uniforma pe [0, 1]. Atunci variabila
aleatoare F (X ) este uniforma pe intervalul [0, 1], iar F 1 (U) are
functia de repartitie F .
Dem (a doua parte):
Fie x R. Atunci:
Propozitie
Variabila aleatoare U este uniforma pe [0, 1] daca si numai daca
variabila 1 U este uniforma pe [0, 1].
Dem:
Fie x < 0. Atunci:
Atunci:
1
F 1 (U) = ln(1 U)
iar algoritmul de generare prin metoda inversa este:
Algoritm M-inversa-Exp
Intrare: Parametrul .
P1: Se genereaza U variabila uniforma pe [0, 1];
P2: X = 1 ln(U);
Iesire: X cu functia de repartitie F (x)
Cazul discret
Fie X o variabila aleatoare discreta cu repartitia:
m
a1 a2 ... am X
X : cu pi = 1
p1 p2 ... pm
i=1
Algoritm M-inversa-Discret
Intrare: si = ij=1 pj si ai , i = 1, 2, ..., m.
P
P1: Se genereaza U variabila uniforma pe [0, 1];
P2: i = 1;
P3: Daca U si X = ai STOP. Altfel mergi la P4.
P4: i := i + 1, mergi la P3;
Iesire: X cu functia de repartitie F (x)
Exemplu
Simularea unei variabile aleatoare Bernoulli Z:
0 1
Z: cu p + q = 1
q p
daca
m
X
F (x) = pi Fi (x).
i=1
si Fi (x) = 1 e i x .
Exemplu
Fie X variabila aleatoare cu repartitia Laplace() a carei densitate
este:
f (x) = e |x| ; x R, > 0
2
Atunci, putem sa scriem
cu
1
p1 = p2 =
2
si
( (
e x daca x 0 0 daca x 0
f1 (x) = f2 (x) =
0 daca x > 0 e x daca x > 0
Prin urmare un algoritm de generare al variabilei Laplace() poate
fi:
Algoritm Laplace
Intrare: parametrul .
P1: Se genereaza U variabila uniforma pe [0, 1];
P2: Daca U 0.5 atunci s := 1, altfel s = 1;
P3: Genereaza Y Exp();
P4: X := sY .
Iesire: X cu functia de repartitie F (x)
S se numeste semn aleator.
Variabila Lapalace se poate simula usor si cu metoda inversa.
Metoda compunerii discrete se poate aplica pentru orice densitate
de repartitie:
Teorema
Fie X o variabila aleatoare cu densitatea de repartitie f (x),
x R. Fie o diviziune a lui de forma = m i=1 i , cu
i j = , i 6= j. Notand cu pi = P(X i ) > 0, exista
densitatile fi (x), care iau valoarea 0 pentru x 6 i astfel ncat
m
X
f (x) = pi fi (x). (1)
i=1
Dem:
Fie functiile fi , definite astfel:
(
f (x)
pi daca x i
fi (x) =
0, daca x 6 i
Observam ca:
Z Z Z Z
f (t) 1
fi (t)dt = fi (t)dt = dt = f (t)dt = 1.
i i pi pi i
pentru ca fj (x) = 0, j 6= i.
Definitie
Functia de repartitie F (x) este o amestecare continua a familiei de
functii de repartitie {G (x, Y )}Y R dupa functia de repartitie
continua H(y ) a lui Y daca ea este de forma:
Z
F (x) = G (x, y )dH(y )
R
(x + b) = t
b a (a + 1) a b a+1 a
f (x) = a+1
= a+1
=
(a)(x + b) b (x + b) (x + 1)a+1
cu
= /b
Deci densitatea lui X este:
(
a
(x+1)a+1
, daca x 0
f (x) =
0 daca x < 0
Teorema
Fie X o variabila aleatoare cu densitatea de repartitie f pentru
x R. Fie Y o alta variabila aleatoare pentru care este cunoscuta
o metoda de generare si a carei densitate de repartitie este h, astfel
ncat densitatile f si h iau valori diferite de 0 pe aceeasi
submultime A R. Presupunem ca exista o constanta , cu
0 < < astfel ncat f (x) h(x) pentru x A. Atunci daca
U este o variabila aleatoare U(0, 1), independenta de Y , densitatea
de repartitie a variabilei Y , conditionata de
f (Y )
0U
h(Y )
este f .
Dem:
Vom arata ca functia de repartitie a lui Y conditionata de
f (Y )
0 U h(Y ) este F . Adica:
Z x
f (Y )
P Y < x|0 U = F (x) = f (v )dv
h(Y )
P(A|B) = F (x)
Conform definitiei
P(A B)
P(A|B) =
P(B)
Calculam ntai P(B):
Z + "Z f (v ) #
f (Y ) h(v )
P(B) = P 0 U = du h(v )dv =
h(Y ) 0
Z +
f (v ) 1
= h(v )dv = .
h(v )
deci
"Z f (v ) #
x
P(A B)
Z
h(v )
P(A|B) = = du h(v )dv =
P(B) 0
Z x Z x
f (v )
= h(v )dv = f (v )dv = F (x)
h(v )
Observam ca:
I Aceasta teorema este cunoscuta ca teorema nfasuratoarei
pentru ca graficul densitatii f (x) se poate nfasura cu
h(x).
I Din demonstratie rezulta ca probabilitatea de acceptare este
pa = 1/. De aici rezulta ca pentru a avea o metoda a
nfasuratoarei nebanala, trebuie ca > 1.
I Procedura de respingere este formata din urmatoarele
elemente:
I N = 2 variabila aleatoare constanta;
I S = {U, Y };
f (Y )
I P(U, Y )=true daca 0 U h(Y );
I (U, Y ) = Y .
Algoritm Respingere1
Intrare: h, .
P1: Se genereaza Y cu densitatea h;
P2: Se genereaza U U(0, 1);
f (Y )
P3: Daca U h(Y ) , mergi la P4. Altfel, mergi la
P1;
P4: X=Y.
Iesire: Variabila aleatoare X .
Exemplu
Fie X o variabila Gama(0, 1, ) (adica Gama standard) cu
0 < < 1. Variabila X are densitatea de repartitie:
(
1
x 1 e x , daca x 0
f (x) = () ;
0 daca x < 0.
f (x) 1
r (x) = = e x+x ,
h(x) ()
Teorema
Fie X o variabila aleatoare cu functia de repartitie F , de forma:
Z x
F (x) = c Q((t))dR(t) (3)
A = {Y < x}; B = {Z (Y )}
pentru a demonstra teorema trebuie sa aratam ca:
P(A|B) = F (x).
Din definitie
P(A B)
P(A|B) = .
P(B)
Probabilitatea de realizare a evenimentului B este:
Z + Z (x) ! Z +
1
P(B) = dQ(y ) dR(x) = Q((x))dR(x) = .
0 c
Prin urmare:
!
x (y )
P(A B)
Z Z
P(A|B) = = cP(AB) = c dQ(z) dR(y ) =
P(B) 0
Z x
=c Q((y ))dR(y ) = F (x).
Observam ca:
I Probabilitatea de acceptare este pa = P(B) = c1 ;
I Elementele algoritmului de respingere sunt
I N = 2;
I S = {Z , Y };
I P(Z , Y )=true daca Z (Y );
I (Z , Y ) = Y .
I teorema se verifica si daca relatia (3) se scrie n termeni de
densitati de repartitie:
cu 1
Z +
c= (1 Q((x)))dR(x)
si
Z + 1 1
x x
c= (1 e )e dx =
0 +
iar un algoritm pentru generarea lui X este urmatorul:
Algoritm ExResp2
Intrare: Parametrii , .
P1: Se genereaza Z Exp();
P2: Se genereaza Y Exp();
P3: Daca Z Y , mergi la P4. Altfel, mergi la P1;
P4: X := Y .
Iesire: Variabila aleatoare X .
I Algoritmul ExResp2 este rapid daca << .
I Metoda inversa nu este recomandabila pentru ca determinarea
inversei functiei F nu este imediata.
A treia teorema de respingere
Teorema sirului descendent
Teorema
Fie variabilele Zi G (x), i = 1, 2, , ..., Z0 G0 (z) independente.
Atunci urmatoarele afirmatii sunt adevarate:
1. Daca x si k sunt fixate atunci:
[G (x)]k1 [G (x)]k
P(x Z1 Z2 ... Zk1 < Zk ) = .
(k 1)! k!
(6)
2. Daca x este fixat si K este indicele aleator la care se rupe
sirul descendent (ca la punctul 1), atunci
Dem:
1. Fie evenimentele:
[G (x)]k1
P(A) =
(k 1)!
Deci:
[G (x)]k1 [G (x)]k
P(A \ B) = P(A) P(B) =
(k 1)! k!
1 x G (t)
Z
F (x) = e dG0 (t).
pa