Documente Academic
Documente Profesional
Documente Cultură
TScurs3 PDF
TScurs3 PDF
Curs 3
Teoremă
(Hincin) Fie X o variabilă aleatoare continuă cu funcţia de
repartiţie F , şi U o variabila uniformă pe [0, 1]. Atunci variabila
aleatoare F (X ) este uniformă pe intervalul [0, 1], iar F −1 (U) are
funcţia de repartiţie F .
Dem (a doua parte):
Fie x ∈ R. Atunci:
Propoziţie
Variabila aleatoare U este uniformă pe [0, 1] dacă şi numai dacă
variabila 1 − U este uniformă pe [0, 1].
Dem:
Fie x < 0. Atunci:
Atunci:
1
F −1 (U) = − ln(1 − U)
λ
iar algoritmul de generare prin metoda inversă este:
Algoritm M-inversă-Exp
Intrare: Parametrul λ.
P1: Se generează U variabilă uniformă pe [0, 1];
P2: X = − λ1 ln(U);
Ieşire: X cu funcţia de repartiţie F (x)
Cazul discret
Fie X o variabilă aleatoare discretă cu repartiţia:
m
a1 a2 ... am X
X : cu pi = 1
p1 p2 ... pm
i=1
Algoritm M-inversă-Discret
Intrare: si = ij=1 pj şi ai , i = 1, 2, ..., m.
P
P1: Se generează U variabilă uniformă pe [0, 1];
P2: i = 1;
P3: Dacă U ≤ si X = ai STOP. Altfel mergi la P4.
P4: i := i + 1, mergi la P3;
Ieşire: X cu funcţia de repartiţie F (x)
Exemplu
Simularea unei variabile aleatoare Bernoulli Z:
0 1
Z: cu p + q = 1
q p
dacă
m
X
F (x) = pi Fi (x).
i=1
si Fi (x) = 1 − e −λi x .
Exemplu
Fie X variabila aleatoare cu repartiţia Laplace(λ) a cărei densitate
este:
λ
f (x) = e −λ|x| ; x ∈ R, λ > 0
2
Atunci, putem să scriem
cu
1
p1 = p2 =
2
şi
( (
λe λx dacă x ≤ 0 0 dacă x ≤ 0
f1 (x) = f2 (x) =
0 dacă x > 0 λe −λx dacă x > 0
Prin urmare un algoritm de generare al variabilei Laplace(λ) poate
fi:
Algoritm Laplace
Intrare: parametrul λ.
P1: Se generează U variabilă uniformă pe [0, 1];
P2: Dacă U ≤ 0.5 atunci s := −1, altfel s = 1;
P3: Generează Y ∼ Exp(λ);
P4: X := sY .
Ieşire: X cu funcţia de repartiţie F (x)
S se numeşte semn aleator.
Variabila Lapalace se poate simula uşor şi cu metoda inversă.
Metoda compunerii discrete se poate aplica pentru orice densitate
de repartiţie:
Teoremă
Fie X o variabilă aleatoare cu densitatea de repartiţie f (x),
x ∈ ∆ ⊆ R. Fie o diviziune a lui ∆ de forma ∆ = ∪m i=1 ∆i , cu
∆i ∩ ∆j = ∅, ∀i 6= j. Notând cu pi = P(X ∈ ∆i ) > 0, există
densităţile fi (x), care iau valoarea 0 pentru x 6∈ ∆i astfel ı̂ncât
m
X
f (x) = pi fi (x). (1)
i=1
Dem:
Fie funcţiile fi , definite astfel:
(
f (x)
pi dacă x ∈ ∆i
fi (x) =
0, dacă x 6∈ ∆i
Observăm că:
Z ∞ Z Z Z
f (t) 1
fi (t)dt = fi (t)dt = dt = f (t)dt = 1.
−∞ ∆i ∆i pi pi ∆i
η(λx + b) = t
λb a Γ(a + 1) λa b a+1 aθ
f (x) = a+1
= a+1
=
Γ(a)(λx + b) b (λx + b) (θx + 1)a+1
cu
θ = λ/b
Deci densitatea lui X este:
(
aθ
(θx+1)a+1
, dacă x ≥ 0
f (x) =
0 dacă x < 0
Teoremă
Fie X o variabilă aleatoare cu densitatea de repartiţie f pentru
x ∈ R. Fie Y o altă variabilă aleatoare pentru care este cunoscută
o metodă de generare şi a cărei densitate de repartiţie este h, astfel
ı̂ncât densităţile f şi h iau valori diferite de 0 pe aceeaşi
submulţime A ⊆ R. Presupunem că există o constantă α, cu
0 < α < ∞ astfel ı̂ncât f (x) ≤ αh(x) pentru ∀x ∈ A. Atunci dacă
U este o variabilă aleatoare U(0, 1), independentă de Y , densitatea
de repartiţie a variabilei Y , condiţionată de
f (Y )
0≤U≤
αh(Y )
este f .
Dem:
Vom arăta că funcţia de repartiţie a lui Y condiţionată de
f (Y )
0 ≤ U ≤ αh(Y ) este F . Adică:
Z x
f (Y )
P Y < x|0 ≤ U ≤ = F (x) = f (v )dv
αh(Y ) −∞
P(A|B) = F (x)
Conform definiţiei
P(A ∩ B)
P(A|B) =
P(B)
Calculam ı̂ntâi P(B):
Z +∞ "Z f (v ) #
f (Y ) αh(v )
P(B) = P 0 ≤ U ≤ = du h(v )dv =
αh(Y ) −∞ 0
Z +∞
f (v ) 1
= h(v )dv = .
−∞ αh(v ) α
deci
"Z f (v ) #
x
P(A ∩ B)
Z
αh(v )
P(A|B) = =α du h(v )dv =
P(B) −∞ 0
Z x Z x
f (v )
=α h(v )dv = f (v )dv = F (x)
−∞ αh(v ) −∞
Observăm că:
I Această teoremă este cunoscută ca “teorema ı̂nfăşurătoarei”
pentru că graficul densităţii f (x) se poate “ı̂nfăşura” cu
αh(x).
I Din demonstraţie rezultă că probabilitatea de acceptare este
pa = 1/α. De aici rezultă că pentru a avea o metodă a
ı̂nfăşurătoarei nebanală, trebuie ca α > 1.
I Procedura de respingere este formată din următoarele
elemente:
I N = 2 variabilă aleatoare constantă;
I S = {U, Y };
f (Y )
I P(U, Y )=true dacă 0 ≤ U ≤ αh(Y );
I Ψ(U, Y ) = Y .
Algoritm Respingere1
Intrare: h, α.
P1: Se generează Y cu densitatea h;
P2: Se generează U ∼ U(0, 1);
f (Y )
P3: Dacă U ≤ αh(Y ) , mergi la P4. Altfel, mergi la
P1;
P4: X=Y.
Ieşire: Variabila aleatoare X .
Exemplu
Fie X o variabilă Gama(0, 1, ν) (adică Gama standard) cu
0 < ν < 1. Variabila X are densitatea de repartiţie:
(
1
x ν−1 e −x , dacă x ≥ 0
f (x) = Γ(ν) ;
0 dacă x < 0.
f (x) 1 ν
r (x) = = e −x+x ,
h(x) νΓ(ν)
Teoremă
Fie X o variabilă aleatoare cu funcţia de repartiţie F , de forma:
Z x
F (x) = c Q(φ(t))dR(t) (3)
−∞
P(A|B) = F (x).
Din definiţie
P(A ∩ B)
P(A|B) = .
P(B)
Probabilitatea de realizare a evenimentului B este:
Z +∞ Z φ(x) ! Z +∞
1
P(B) = dQ(y ) dR(x) = Q(φ(x))dR(x) = .
−∞ 0 −∞ c
Prin urmare:
!
x φ(y )
P(A ∩ B)
Z Z
P(A|B) = = cP(A∩B) = c dQ(z) dR(y ) =
P(B) −∞ 0
Z x
=c Q(φ(y ))dR(y ) = F (x).
−∞
Observăm că:
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 dacă Z ≤ φ(Y );
I Ψ(Z , Y ) = Y .
I teorema se verifică şi dacă relaţia (3) se scrie ı̂n termeni de
densităţi de repartiţie:
cu −1
Z +∞
c= (1 − Q(φ(x)))dR(x)
−∞
şi
Z +∞ −1 −1
−λx −µx λ
c= (1 − e )µe dx =
0 λ+µ
iar un algoritm pentru generarea lui X este următorul:
Algoritm ExResp2
Intrare: Parametrii λ, µ.
P1: Se generează Z ∼ Exp(λ);
P2: Se generează Y ∼ Exp(µ);
P3: Dacă Z ≤ Y , mergi la P4. Altfel, mergi la P1;
P4: X := Y .
Ieşire: Variabila aleatoare X .
I Algoritmul ExResp2 este rapid dacă µ << λ.
I Metoda inversă nu este recomandabilă pentru că determinarea
inversei funcţiei F nu este imediată.
A treia teoremă de respingere
Teorema şirului descendent
Teoremă
Fie variabilele Zi ∼ G (x), i = 1, 2, , ..., Z0 ∼ G0 (z) independente.
Atunci următoarele afirmaţii sunt adevărate:
1. Dacă x şi k sunt fixate atunci:
[G (x)]k−1 [G (x)]k
P(x ≥ Z1 ≥ Z2 ≥ ... ≥ Zk−1 < Zk ) = − .
(k − 1)! k!
(6)
2. Dacă x este fixat şi K este indicele aleator la care se “rupe”
şirul descendent (ca la punctul 1), atunci
Dem:
1. Fie evenimentele:
[G (x)]k−1
P(A) =
(k − 1)!
Deci:
[G (x)]k−1 [G (x)]k
P(A \ B) = P(A) − P(B) = −
(k − 1)! k!
1 x −G (t)
Z
F (x) = e dG0 (t).
pa −∞