第3讲点6 §6.2 补雅可比推导:差积商三式的陪变量法来源
- 点6 §6.2 后新增「三个公式的出处(雅可比一行推完)」:模板 + 三行 (陪变量 V=Y,反转成下三角,|J| 依次为 1、1/|v|、|v|),并说明 商的公式里那个 |y| 就是 ∂x/∂u=v 这一项 - 补方向陷阱(乘的是 ∂(x,y)/∂(u,v),别忘取倒数)与三条替代时机 - 点5 §5.2 加交叉链接:单函数分布也可拉陪变量用雅可比 - 速查卡第九节加一行「三式都出自雅可比」
This commit is contained in:
@@ -31,6 +31,8 @@ $$f_{U,V}(u,v)=f\big(x(u,v),\,y(u,v)\big)\cdot\lvert J\rvert,\qquad J=\frac{\par
|
||||
|
||||
**为什么能"顺带判独立"**:若 $f_{U,V}(u,v)$ 恰好能写成 $a(u)b(v)$ 且支撑是矩形,则 $U\perp V$ ——一眼看出,不必再算边缘。
|
||||
|
||||
> **只要求一个函数的分布时也能用它**:拉一个**陪变量** $V=Y$ 把"一个函数"补成"一次变换",积分掉 $v$ 就回到边缘。点 6 §6.2 的三个成品公式(差、积、商)就是这样推出来的,见 [点 6 §6.2 差、积、商](07-点6-四则运算与最值.md)。
|
||||
|
||||
## 知识点 5.3 三条路怎么选(出处:本讲点 6 与 §5 综合)
|
||||
|
||||
| 题目长相 | 走哪条 | 理由 |
|
||||
|
||||
@@ -35,6 +35,34 @@ $$f_{X/Y}(z)=\int f_X(zy)f_Y(y)\lvert y\rvert\,\mathrm dy .$$
|
||||
|
||||
> **商的稳妥做法**:先求 $F_Z(z)=P\{Y\le zX\}$ (半平面区域),再求导。绝对值与不等号方向在 $z<0$ 与 $z>0$ 上常常相反,先分段再积。
|
||||
|
||||
**三个公式的出处(雅可比一行推完)**:上面三式不是要背的独立结论,它们全是点 5 §5.2 雅可比法的**特例**。诀窍是**再拉一个陪变量 $V=Y$ 进来** ,把"一个函数"补成"一次坐标变换",先得联合密度,再把陪变量积掉:
|
||||
|
||||
$$f_U(u)=\int f\big(x(u,v),\,y(u,v)\big)\lvert J\rvert\,\mathrm dv .$$
|
||||
|
||||
| 要的 $U$ | 反解(取 $v=y$ ) | $\lvert J\rvert$ |
|
||||
|---|---|---|
|
||||
| $X-Y$ | $x=u+v$ 、$y=v$ | $1$ |
|
||||
| $XY$ | $x=u/v$ 、$y=v$ | $1/\lvert v\rvert$ |
|
||||
| $X/Y$ | $x=uv$ 、$y=v$ | $\lvert v\rvert$ |
|
||||
|
||||
以最后一行代入模板:
|
||||
|
||||
$$f_{X/Y}(z)=\int f_X(zv)f_Y(v)\lvert v\rvert\,\mathrm dv ,$$
|
||||
|
||||
与 §6.2 的 $\int f_X(zy)f_Y(y)\lvert y\rvert\mathrm dy$ 只差哑变量的名字。
|
||||
|
||||
**陪变量的选择理由**:固定取 $V=Y$ 是因为 $y=v$ 让反解的第二个方程成为恒等式,雅可比矩阵变成**下三角**,行列式就是对角元之积 $\left\lvert\dfrac{\partial x}{\partial u}\right\rvert$ ——不用真的展开二阶行列式,$1$ 、$1/\lvert v\rvert$ 、$\lvert v\rvert$ 都是一眼写出的。这也是"为什么商的公式里偏偏多一个 $\lvert y\rvert$ "的全部原因:它就是对 $x=uv$ 求 $\partial x/\partial u=v$ 的那一项。
|
||||
|
||||
**方向别搞反**:乘在密度上的是 $J=\dfrac{\partial(x,y)}{\partial(u,v)}$ ,即**从新变量到旧变量**。若顺手先算出 $\dfrac{\partial(u,v)}{\partial(x,y)}$ ,必须取倒数再取绝对值。三个式子里 $J$ 都不等于 $0$ (只要 $y\ne0$ ),所以变换在支撑内是一一的——这也是商要求 $Y\ne0$ 的隐含条件。
|
||||
|
||||
**什么时候用它替代成品式**:
|
||||
|
||||
- 只要 $Z$ 的**边缘**密度 → 直接用上面三式,最快;
|
||||
- 要 $(Z,W)$ 的**联合**密度(如 $Z=XY$ 与 $W=X$ )→ 成品式给不出,只能雅可比;
|
||||
- 支撑分片怪($Y$ 只在某一段非零)→ 雅可比把 $v$ 的取值范围直接摆在积分号上,比套公式少错。
|
||||
|
||||
> **一句话**:成品式是"结果",雅可比是"来源"。背不下来时现推,代价是 30 秒。
|
||||
|
||||
## 知识点 6.3 最值分布(出处:[知识章 §10.2、§8.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
|
||||
|
||||
**独立性是全部前提**——"全部 $\le z$ "能拆成乘积,靠的就是独立:
|
||||
|
||||
@@ -100,7 +100,8 @@ $$f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx,\qquad \max(a_1,z-b_2)<x<\min(b_1,z-a_2
|
||||
- 差:$X-Y=X+(-Y)$ ,$f_{-Y}(t)=f_Y(-t)$ ;
|
||||
- 绝对值:$F_{\lvert X-Y\rvert}(z)=1-2\times$ 两角三角形面积 $=1-(1-z)^2$ ;
|
||||
- 折叠:$f_{\lvert W\rvert}(z)=f_W(z)+f_W(-z)$ ;
|
||||
- 商:先 $F_Z(z)=P\{Y\le zX\}$ 再求导,**$z<0$ 与 $z>0$ 要分开**。
|
||||
- 商:先 $F_Z(z)=P\{Y\le zX\}$ 再求导,**$z<0$ 与 $z>0$ 要分开**;
|
||||
- **三式都出自雅可比**:拉陪变量 $V=Y$ ,$y=v$ 使雅可比矩阵成下三角,$\lvert J\rvert$ 依次是 $1$ 、$1/\lvert v\rvert$ 、$\lvert v\rvert$ 。商里的 $\lvert y\rvert$ 就是 $\partial x/\partial u=v$ 那一项,不是凭空多出来的。
|
||||
|
||||
## 十 最值
|
||||
|
||||
|
||||
Reference in New Issue
Block a user