max與min函式的機率分佈思考
@(機率論)
給定一樣本序列則:
max(X1,X2,...,Xn)≤a⟺X1≤a,X2≤a,...,Xn≤amax(X1,X2,...,Xn)≤a⟺X1≤a,X2≤a,...,Xn≤a
min(X1,X2,...,Xn)≥a⟺X1≥a,X2≥a,...,Xn≥amin(X1,X2,...,Xn)≥a⟺X1≥a,X2≥a,...,Xn≥a
即:最大值小於時,則表示碰到天花板,每一個元素都是在天花板下,即,每一個都小於這個極限值。
最小值大於時,則每個元素都將大於這個底線值。
這是關於max,min的最基本的知識儲備。
因此:
P(max(X1,X2,...,Xn)≤a)=P(X1≤a,X2≤a,...,Xn≤a)P(max(X1,X2,...,Xn)≤a)=P(X1≤a,X2≤a,...,Xn≤a)
P(min(X1,X2,...,Xn)≥a)=P(X1≥a,X2≥a,...,Xn≥a)P(min(X1,X2,...,Xn)≥a)=P(X1≥a,X2≥a,...,Xn≥a)
這是可以直接求解型別。
而,
P(max(X1,X2,...,Xn)≥a)=1−P(max(X1,X2,...,Xn)≤a)P(max(X1,X2,...,Xn)≥a)=1−P(max(X1,X2,...,Xn)≤a)
特別注意轉化時是以max這一整塊為單位的。
同理:
P(min(X1,X2,...,Xn)≤a)=1−P(min(X1,X2,...,Xn)≥a)P(min(X1,X2,...,Xn)≤a)=1−P(min(X1,X2,...,Xn)≥a)
max不能轉化到min,這是需要注意的細節。一定都是隻在min或者max自己的範圍內進行。也就是說max,min只是一種關係,設這種關係是f(x),
則:
P(f(x)≤a)=1−P(f(x)>a)P(f(x)≤a)=1−P(f(x)>a)
P(f(x)≥a)=1−P(f(x)<a)P(f(x)≥a)=1−P(f(x)<a)
道理是一模一樣。
然後根據最小值大於某值,則根據底線思維,每個值都大於這個值,再根據變數之間的獨立性,拆開成多份。
最大值小於某隻,根據上限思維,每個值都小於這個值,再根據變數之間的獨立性,拆開成多份。
max與min函式的機率分佈思考
@(機率論)
給定一樣本序列則:
max(X1,X2,...,Xn)≤a⟺X1≤a,X2≤a,...,Xn≤amax(X1,X2,...,Xn)≤a⟺X1≤a,X2≤a,...,Xn≤a
min(X1,X2,...,Xn)≥a⟺X1≥a,X2≥a,...,Xn≥amin(X1,X2,...,Xn)≥a⟺X1≥a,X2≥a,...,Xn≥a
即:最大值小於時,則表示碰到天花板,每一個元素都是在天花板下,即,每一個都小於這個極限值。
最小值大於時,則每個元素都將大於這個底線值。
這是關於max,min的最基本的知識儲備。
因此:
P(max(X1,X2,...,Xn)≤a)=P(X1≤a,X2≤a,...,Xn≤a)P(max(X1,X2,...,Xn)≤a)=P(X1≤a,X2≤a,...,Xn≤a)
P(min(X1,X2,...,Xn)≥a)=P(X1≥a,X2≥a,...,Xn≥a)P(min(X1,X2,...,Xn)≥a)=P(X1≥a,X2≥a,...,Xn≥a)
這是可以直接求解型別。
而,
P(max(X1,X2,...,Xn)≥a)=1−P(max(X1,X2,...,Xn)≤a)P(max(X1,X2,...,Xn)≥a)=1−P(max(X1,X2,...,Xn)≤a)
特別注意轉化時是以max這一整塊為單位的。
同理:
P(min(X1,X2,...,Xn)≤a)=1−P(min(X1,X2,...,Xn)≥a)P(min(X1,X2,...,Xn)≤a)=1−P(min(X1,X2,...,Xn)≥a)
max不能轉化到min,這是需要注意的細節。一定都是隻在min或者max自己的範圍內進行。也就是說max,min只是一種關係,設這種關係是f(x),
則:
P(f(x)≤a)=1−P(f(x)>a)P(f(x)≤a)=1−P(f(x)>a)
P(f(x)≥a)=1−P(f(x)<a)P(f(x)≥a)=1−P(f(x)<a)
道理是一模一樣。
然後根據最小值大於某值,則根據底線思維,每個值都大於這個值,再根據變數之間的獨立性,拆開成多份。
最大值小於某隻,根據上限思維,每個值都小於這個值,再根據變數之間的獨立性,拆開成多份。