Distribution de lorsque sont des variables indépendantes

Comme exercice de routine, j'essaie de trouver la distribution de où et sont des variables aléatoires indépendantes. $\sqrt{X^2+Y^2}$ $X$ $Y$ $U(0,1)$

La densité conjointe de est $(X,Y)$

f_{X, Y} (x, y) = 1_{0 < x, y < 1}

$f_{X,Y}(x,y)=\mathbf 1_{0<x,y<1}$

Transformation en coordonnées polaires telles que $(X,Y)\to(Z,\Theta)$

X = Z \cos Θ and Y = Z \sin Θ

$X=Z\cos\Theta\qquad\text{ and }\qquad Y=Z\sin\Theta$

Donc, et . $z=\sqrt{x^2+y^2}$ $0< x,y<1\implies0< z<\sqrt 2$

Lorsque , nous avons sorte que . $0< z<1$ $0< \cos\theta<1,\,0<\sin\theta<1$ $0<\theta<\frac{\pi}{2}$

Lorsque , nous avons , comme est décroissant sur ; et , car augmente sur . $1< z<\sqrt 2$ $z\cos\theta<\implies\theta>\cos^{-1}\left(\frac{1}{z}\right)$ $\cos\theta$ $\theta\in\left[0,\frac{\pi}{2}\right]$ $z\sin\theta<1\implies\theta<\sin^{-1}\left(\frac{1}{z}\right)$ $\sin\theta$ $\theta\in\left[0,\frac{\pi}{2}\right]$

Donc, pour , nous avons . $1< z<\sqrt 2$ $\cos^{-1}\left(\frac{1}{z}\right)<\theta<\sin^{-1}\left(\frac{1}{z}\right)$

La valeur absolue du jacobien de transformation est

| J | = z

$|J|=z$

Ainsi, la densité conjointe de est donnée par $(Z,\Theta)$

f_{Z, Θ} (z, θ) = z 1_{{z \in (0, 1), θ \in (0, π / 2)} ⋃ {z \in (1, \sqrt{2}), θ \in (\cos^{- 1} (1 / z), \sin^{- 1} (1 / z))}}

$f_{Z,\Theta}(z,\theta)=z\mathbf 1_{\{z\in(0,1),\,\theta\in\left(0,\pi/2\right)\}\bigcup\{z\in(1,\sqrt2),\,\theta\in\left(\cos^{-1}\left(1/z\right),\sin^{-1}\left(1/z\right)\right)\}}$

En intégrant out $\theta$ , on obtient le pdf de $Z$ comme

f_{Z} (z) = \frac{π z}{2} 1_{0 < z < 1} + (\frac{π z}{2} - 2 z \cos^{- 1} (\frac{1}{z})) 1_{1 < z < \sqrt{2}}

$f_Z(z)=\frac{\pi z}{2}\mathbf 1_{0<z<1}+\left(\frac{\pi z}{2}-2z\cos^{-1}\left(\frac{1}{z}\right)\right)\mathbf 1_{1<z<\sqrt 2}$

Mon raisonnement ci-dessus est-il correct? Dans tous les cas, je voudrais éviter cette méthode et essayer plutôt de trouver le cdf de directement. Mais je n'ai pas pu trouver les zones souhaitées lors de l'évaluation géométrique de . $Z$ $\mathrm{Pr}(Y\le \sqrt{z^2-X^2})$

ÉDITER.

J'ai essayé de trouver la fonction de distribution de comme $Z$

\begin{aligned} F_{Z} (z) & = Pr (Z \leq z) \\ = Pr (X^{2} + Y^{2} \leq z^{2}) \\ = \iint_{x^{2} + y^{2} \leq z^{2}} 1_{0 < x, y < 1} d x d y \end{aligned}

$\begin{align} F_Z(z)&=\Pr(Z\le z) \\&=\Pr(X^2+Y^2\le z^2) \\&=\iint_{x^2+y^2\le z^2}\mathbf1_{0<x,y<1}\,\mathrm{d}x\,\mathrm{d}y \end{align}$

Mathematica dit que cela devrait se réduire à

F_{Z} (z) = {\begin{cases} 0 & , if z < 0 \\ \frac{π z^{2}}{4} & , if 0 < z < 1 \\ \sqrt{z^{2} - 1} + \frac{z^{2}}{2} (\sin^{- 1} (\frac{1}{z}) - \sin^{- 1} (\frac{\sqrt{z^{2} - 1}}{z})) & , if 1 < z < \sqrt{2} \\ 1 & , if z > \sqrt{2} \end{cases}

$F_Z(z)=\begin{cases}0 &,\text{ if }z<0\\ \frac{\pi z^2}{4} &,\text{ if } 0< z<1\\ \sqrt{z^2-1}+\frac{z^2}{2}\left(\sin^{-1}\left(\frac{1}{z}\right)-\sin^{-1}\left(\frac{\sqrt{z^2-1}}{z}\right)\right) &,\text{ if }1< z<\sqrt 2\\ 1 &,\text{ if }z>\sqrt 2 \end{cases}$

qui ressemble à l'expression correcte. La différenciation de pour le cas cependant apparaître une expression qui ne se simplifie pas facilement au pdf que j'ai déjà obtenu. $F_Z$ $1< z<\sqrt 2$

Enfin, je pense avoir les bonnes images pour le CDF:

Pour : $0<z<1$

Et pour : $1<z<\sqrt 2$

Les parties ombrées sont censées indiquer l'aire de la région

{(x, y) : 0 < x, y < 1, x^{2} + y^{2} \leq z^{2}}

$\left\{(x,y):0<x,y< 1\,,\,x^2+y^2\le z^2\right\}$

L'image cède immédiatement

\begin{aligned} F_{Z} (z) & = Pr (- \sqrt{z^{2} - X^{2}} \leq Y \leq \sqrt{z^{2} - X^{2}}) \\ = {\begin{cases} \frac{π z^{2}}{4} & , if 0 < z < 1 \\ \sqrt{z^{2} - 1} + \int_{\sqrt{z^{2} - 1}}^{1} \sqrt{z^{2} - x^{2}} d x & , if 1 < z < \sqrt{2} \end{cases} \end{aligned}

$\begin{align} F_Z(z)&=\Pr\left(-\sqrt{z^2-X^2}\le Y\le\sqrt{z^2-X^2}\right) \\&=\begin{cases}\frac{\pi z^2}{4} &,\text{ if } 0<z<1\\\\ \sqrt{z^2-1}+\int_{\sqrt{z^2-1}}^1 \sqrt{z^2-x^2}\,\mathrm{d}x &,\text{ if }1< z<\sqrt 2 \end{cases} \end{align}$

, comme je l'avais trouvé précédemment.

— TêtuAtom
source

Pour trouver directement le CDF, utilisez les fonctions d'indicateur. PourLe reste est une manipulation purement algébrique. (Edit: je vois @ Xi'an vient de publier l'algèbre dans sa réponse.)

z \geq 0,

$z\ge 0,$

Pr (\sqrt{X^{2} + Y^{2}} \leq z) = \int_{0}^{1} \int_{0}^{1} I (x^{2} + y^{2} \leq z^{2}) d x d y .

$\Pr(\sqrt{X^2+Y^2}\le z)=\int_0^1\int_0^1\mathcal{I}(x^2+y^2\le z^2)\mathrm{d}x\mathrm{d}y.$

— whuber

Concernant l'édition: j'obtiens également plusieurs expressions différentes et (à l'aide FullSimplify) elles se simplifient en différentes formules dans Mathematica . Cependant, ils sont équivalents. Ceci est facilement montré en traçant leur différence. Apparemment, Mathematica ne sait pas que lorsque .

\tan^{- 1} (\sqrt{z^{2} - 1}) = \sec^{- 1} (z)

$\tan ^{-1}\left(\sqrt{z^2-1}\right)=\sec ^{-1}(z)$

1 < z < \sqrt{2}

$1\lt z \lt \sqrt{2}$

— whuber

Le bord de la surface, , dans votre dernière image doit être un (semi-) cercle de centre (0,0). Ainsi concave au lieu de (votre actuellement dessiné) convexe.

\sqrt{r^{2} - x^{2}}

$\sqrt{r^2-x^2}$

— Sextus Empiricus

Réponses:

Que le pdf est correct peut être vérifié par une simple simulation

samps=sqrt(runif(1e5)^2+runif(1e5)^2)
hist(samps,prob=TRUE,nclass=143,col="wheat")
df=function(x){pi*x/2-2*x*(x>1)*acos(1/(x+(1-x)*(x<1)))}
curve(df,add=TRUE,col="sienna",lwd=3)

Trouver le cdf sans le changement polaire des variables passe par

\begin{aligned} P r (\sqrt{X^{2} + Y^{2}} \leq z) & = P r (X^{2} + Y^{2} \leq z^{2}) \\ = P r (Y^{2} \leq z^{2} - X^{2}) \\ = P r (Y \leq \sqrt{z^{2} - X^{2}}, X \leq z) \\ = E^{X} [\sqrt{z^{2} - X^{2}} I_{[0, min (1, z)]} (X)] \\ = \int_{0}^{min (1, z)} \sqrt{z^{2} - x^{2}} d x \\ = z^{2} \int_{0}^{min (1, z^{- 1})} \sqrt{1 - y^{2}} d y [x = y z, d x = z d y] \\ = z^{2} \int_{0}^{min (π / 2, \cos^{- 1} z^{- 1})} \sin^{2} θ d θ [y = \cos (θ), d y = \sin (θ) d θ] \\ = \frac{z^{2}}{2} [min (π / 2, \cos^{- 1} z^{- 1}) - \sin {min (π / 2, \cos^{- 1} z^{- 1})} \cos {min (π / 2, \cos^{- 1} z^{- 1}}] \\ = \frac{z^{2}}{2} {\begin{cases} π / 2 & if z < 1 \\ \cos^{- 1} z^{- 1} - \sin {\cos^{- 1} z^{- 1})} z^{- 1} & if z \geq 1 \end{cases} \\ = \frac{z^{2}}{2} {\begin{cases} π / 2 & if z < 1 \\ \cos^{- 1} z^{- 1} - \sqrt{1 - z^{- 2}} z^{- 1} & if z \geq 1 \end{cases} \end{aligned}

$\begin{align*} \mathrm{Pr}(\sqrt{X^2+Y^2}\le z) &= \mathrm{Pr}(X^2+Y^2\le z^2)\\ &= \mathrm{Pr}(Y^2\le z^2-X^2)\\ &=\mathrm{Pr}(Y\le \sqrt{z^2-X^2}\,,X\le z)\\ &=\mathbb{E}^X[\sqrt{z^2-X^2}\mathbb{I}_{[0,\min(1,z)]}(X)]\\ &=\int_0^{\min(1,z)} \sqrt{z^2-x^2}\,\text{d}x\\ &=z^2\int_0^{\min(1,z^{-1})} \sqrt{1-y^2}\,\text{d}y\qquad [x=yz\,,\ \text{d}x=z\text{d}y]\\ &=z^2\int_0^{\min(\pi/2,\cos^{-1} z^{-1})} \sin^2{\theta} \,\text{d}\theta\qquad [y=\cos(\theta)\,,\ \text{d}y=\sin(\theta)\text{d}\theta]\\ &=\frac{z^2}{2}\left[ \min(\pi/2,\cos^{-1} z^{-1}) - \sin\{\min(\pi/2,\cos^{-1} z^{-1})\}\cos\{\min(\pi/2,\cos^{-1} z^{-1}\}\right]\\ &=\frac{z^2}{2}\begin{cases} \pi/2 &\text{ if }z<1\\ \cos^{-1} z^{-1}-\sin\{\cos^{-1} z^{-1})\}z^{-1}&\text{ if }z\ge 1\\ \end{cases}\\ &=\frac{z^2}{2}\begin{cases} \pi/2 &\text{ if }z<1\\ \cos^{-1} z^{-1}-\sqrt{1-z^{-2}}z^{-1}&\text{ if }z\ge 1\\ \end{cases} \end{align*}$ qui se retrouve avec la même complexité! (Plus mes erreurs potentielles en cours de route!)

— Xi'an
source

Le cas est où il devient un peu flou. Je suppose que je ne me retrouve pas avec le bon pdf différenciant l'expression de .

1 \leq z < \sqrt{2}

$1\le z<\sqrt 2$

z \geq 1

$z\ge 1$

— StubbornAtom

$f_z(z)$ :

Ainsi, pour , nous avons $1\le z<\sqrt 2$ $\cos^{-1}\left(\frac{1}{z}\right)\le\theta\le\sin^{-1}\left(\frac{1}{z}\right)$

Vous pouvez simplifier vos expressions lorsque vous utilisez la symétrie et évaluer les expressions pour . Ainsi, pour la moitié de l'espace puis doublez le résultat. $\theta_{min} < \theta < \frac{\pi}{4}$

Vous obtenez alors:

P (Z \leq r) = 2 \int_{0}^{r} z (\int_{θ_{m i n}}^{\frac{π}{4}} d θ) d z = \int_{0}^{r} z (\frac{π}{2} - 2 θ_{m i n}) d z

$P(Z \leq r) = 2 \int_0^r z \left(\int_{\theta_{min}}^{\frac{\pi}{4}}d\theta\right) dz = \int_0^r z \left(\frac{\pi}{2}-2\theta_{min}\right) dz$

et votre est $f_z(z)$

f_{z} (z) = z (\frac{π}{2} - 2 θ_{m i n}) = {\begin{cases} z (\frac{π}{2}) & if 0 \leq z \leq 1 \\ z (\frac{π}{2} - 2 \cos^{- 1} (\frac{1}{z})) & if 1 < z \leq \sqrt{2} \end{cases}

$f_z(z) = z \left(\frac{\pi}{2}-2\theta_{min}\right) = \begin{cases} z\left(\frac{\pi}{2}\right) & \text{ if } 0 \leq z \leq 1 \\ z \left(\frac{\pi}{2} - 2 \cos^{-1}\left(\frac{1}{z}\right)\right) & \text{ if } 1 < z \leq \sqrt{2} \end{cases}$

$F_z(z)$ :

Vous pouvez utiliser l'intégrale indéfinie:

\int z \cos^{- 1} (\frac{1}{z}) = \frac{1}{2} z (z \cos^{- 1} (\frac{1}{z}) - \sqrt{1 - \frac{1}{z^{2}}}) + C

$\int z \cos^{-1}\left(\frac{1}{z}\right) = \frac{1}{2} z \left( z \cos^{-1}\left(\frac{1}{z}\right) - \sqrt{1-\frac{1}{z^2}} \right) + C$

note $\frac{d}{du} \cos^{-1}(u) = - (1-u^2)^{-0.5}$

Cela mène directement à quelque chose de similaire à l'expression de Xi'ans pour savoir $Pr(Z \leq z)$

si alors: $1 \leq z \leq \sqrt{2}$

F_{z} (z) = z^{2} (\frac{π}{4} - \cos^{- 1} (\frac{1}{z}) + z^{- 1} \sqrt{1 - \frac{1}{z^{2}}})

$F_z(z) = {z^2} \left(\frac{\pi}{4}-\cos^{-1}\left(\frac{1}{z}\right) + z^{-1}\sqrt{1-\frac{1}{z^2}} \right)$

La relation avec votre expression est visible lorsque nous divisons les en deux expressions , puis convertis en différentes expressions . $cos^{-1}$ $cos^{-1}$ $sin^{-1}$

pour nous avons $z>1$

\cos^{- 1} (\frac{1}{z}) = \sin^{- 1} (\sqrt{1 - \frac{1}{z^{2}}}) = \sin^{- 1} (\frac{\sqrt{z^{2} - 1}}{z})

$\cos^{-1}\left(\frac{1}{z}\right) = \sin^{-1}\left(\sqrt{1-\frac{1}{z^2}}\right) = \sin^{-1}\left(\frac{\sqrt{z^2-1}}{z}\right)$

\cos^{- 1} (\frac{1}{z}) = \frac{π}{2} - \sin^{- 1} (\frac{1}{z})

$\cos^{-1}\left(\frac{1}{z}\right) = \frac{\pi}{2} -\sin^{-1}\left(\frac{1}{z}\right)$

donc

\begin{matrix} \cos^{- 1} (\frac{1}{z}) & = 0.5 \cos^{- 1} (\frac{1}{z}) + 0.5 \cos^{- 1} (\frac{1}{z}) \\ = \frac{π}{4} - 0.5 \sin^{- 1} (\frac{1}{z}) + 0.5 \sin^{- 1} (\frac{\sqrt{z^{2} - 1}}{z}) \end{matrix}

$\begin{array}\\ \cos^{-1}\left(\frac{1}{z}\right) & = 0.5 \cos^{-1}\left(\frac{1}{z}\right) + 0.5 \cos^{-1}\left(\frac{1}{z}\right) \\ & = \frac{\pi}{4} - 0.5 \sin^{-1}\left(\frac{1}{z}\right) + 0.5 \sin^{-1}\left(\frac{\sqrt{z^2-1}}{z}\right) \end{array}$

ce qui se traduit par votre expression lorsque vous le branchez dans le mentionné pour $F_z(z)$ $1<z<\sqrt{2}$

— Sextus Empiricus
source

Pour , n'est que l'aire du quart de cercle de rayon qui est . Autrement dit, $0 \leq z \leq 1$ $P\left(\sqrt{X^2+Y^2} \leq z\right)$ $z$ $\frac 14 \pi z^2$

For 0 \leq z \leq 1, area of quarter-circle = \frac{π z^{2}}{4} = P (\sqrt{X^{2} + Y^{2}} \leq z) .

$\text{For }0 \leq z \leq 1, ~\text{area of quarter-circle} = \frac{\pi z^2}{4} = P\left(\sqrt{X^2+Y^2} \leq z\right).$

Pour , la région sur laquelle nous devons intégrer pour trouver peut être divisée en deux triangles rectangles un d'eux a les sommets et tandis que l'autre a les sommets et avec un secteur d'un cercle de rayon et l'angle inclus . L'aire de cette région (et donc la valeur de ) est facilement trouvée. Nous avons cela pour $1 < z \leq \sqrt{2}$ $P\left(\sqrt{X^2+Y^2} \leq z\right)$ $\big($ $(0,0), (0,1)$ $(\sqrt{z^2-1}, 1)$ $(0,0), (1,0)$ $(1, \sqrt{z^2-1})$ $\big)$ $z$ $\frac{\pi}{2}-2\arccos\left(\frac{1}{z}\right)$ $\left( P(\sqrt{X^2+Y^2} \leq z\right)$ $1 < z \leq \sqrt{2}$ , qui est le résultat de la réponse de Martijn Wetering.

\begin{aligned} area of region & = area of two triangles plus area of sector \\ = \sqrt{z^{2} - 1} + \frac{1}{2} z^{2} (\frac{π}{2} - 2 \arccos (\frac{1}{z})) \\ = \frac{π z^{2}}{4} + \sqrt{z^{2} - 1} - z^{2} \arccos \frac{1}{z} \\ = (P (\sqrt{X^{2} + Y^{2}} \leq z) \end{aligned}

$\begin{align}\text{area of region} &= \text{area of two triangles plus area of sector}\\ &=\sqrt{z^2-1} + \frac 12 z^2\left( \frac{\pi}{2}-2\arccos \left(\frac{1}{z}\right)\right)\\ &= \frac{\pi z^2}{4} + \sqrt{z^2-1} - z^2\arccos \frac{1}{z}\\ &= \left( P(\sqrt{X^2+Y^2} \leq z\right)\end{align}$

— Dilip Sarwate
source

Distribution de lorsque sont des variables indépendantes

fz(z)fz(z)f_z(z) :

Fz(z)Fz(z)F_z(z) :

$f_z(z)$ :

$F_z(z)$ :