Többváltozós eloszlásfüggvény

Innen: testwiki
Ugrás a navigációhoz Ugrás a kereséshez

Egy többváltozós eloszlásfüggvény a valószínűségszámításban egy valós értékű függvény, melyet többdimenziós valószínűségeloszlások, azaz valószínűségi vektorváltozók eloszlásának vizsgálatára használnak. Az eloszlásfüggvény magasabb dimenziós megfelelője; az egyváltozós esethez hasonlóan egyértelműen jellemzi a valószínűségi vektorváltozókat a korrespondenciatétel szerint. Ezáltal a magasabb dimenziós valószínűségeloszlások is vizsgálhatók mértékelméleti eszközökkel.

Használják még a következő elnevezéseket: n-dimenziós eloszlásfüggvény,[1] eloszlás n-en, vagy a mértékelméleti értelemben vett többváltozós eloszlásfüggvénytől való megkülönböztetésre szűkebb értelemben vett többváltozós eloszlásfüggvény.[2]

Jelölések

Az n-beli x,y vektorok esetén az összehasonlítást koordinátánként végezzük, azaz

xy akkor és csak akkor, ha xiyi minden i{1,2,,n} indexre.

A továbbiakban xn esetén

(,x]:={yn|yx}

illetve koordinátánként

(,x]=(,x1]×(,x2]××(,xn]

Definíció

A fenti jelölésekkel a definíció hasonlóvá válik az egydimenziós esethez. Ha P valószínűségeloszlás egy (n,(n)) valószínűségi mezőn, azaz többdimenziós valószínűségeloszlás, akkor P eloszlásfüggvénye egy FP:n[0,1] függvény,

FP(x):=P((,x]).

Ha X n dimenziós valószínűségi változó, vagyis FX:n[0,1], és definíciója

FX(x):=P(X<x).

Ekkor FX X (többdimenziós) eloszlásfüggvénye.

A definíció koordinátánként:

FX(x1,x2,,xn):=P(X1<x1,X2<x2,,Xn<xn),

ahol X=(X1,X2,,Xn)T. Így a valószínűségi vektorváltozó eloszlásfüggvénye a koordinták közös eloszlásfüggvénye.

Tulajdonságok

Minden F=FP esetén teljesül:

  • Minden változóban balról folytonos.
  • Téglamonoton, azaz ha ab, akkor ΔabF0
  • Határértékek:
limminixiF(x)=1 és
limminixiF(x)=0

A korrespondenciatétel szerint ez megfordítható; amelyik függvény ezekkel a tulajdonságokkal bír, az eloszlásfüggvény.

Jegyzetek

Sablon:Jegyzetek

Források

Fordítás

Sablon:Fordítás

  1. Meintrup, Schäffler: Stochastik. 2005, S. 107.
  2. Kusolitsch: Maß- und Wahrscheinlichkeitstheorie. 2014, S. 74–75.