●Joint Distribution Function (결합 확률 분포)
▷2개 이상의 Random Variable 에 대한 확률 분포
○Joint Cumulative Distribution Function (Joint CDF)
▷Continus한 두 Random variable X, Y에 대해 다음과 같이 정의함.
▷두 조건 (X ≤ a, Y ≤ b)을 모두 만족하는 경우를 고려
▶속성
▷F_X,Y( -∞,-∞ ) = F_X,Y( -∞,y ) = F_X,Y( x,-∞ ) = 0
▷F_X,Y( ∞,∞ ) = 1
▷0 ≤ F_X,Y( x,y ) ≤ 1
▷F_X,Y( x,∞ ) = F_X(x) / F_X,Y( ∞,y ) = F_Y(y)
▷F_X,Y( x_1 ≤ X ≤x_2, y_1 ≤ Y ≤y_2 ) = F_X,Y(x_2, y_2) - F(x_1, y_2) - F(x_2, y_1) + F(x_1, y_1) ≥ 0
▶Expectation
▷값 구하는 방법 (ex) X+Y)을 이용해서 값×확률을 적분한다.
○Joint Probability Mass Function (Joint PMF)
▷discrete한 두 Random variable X, Y에 대해 다음과 같이 정의함.
▷두 조건 (X = a, Y = b)을 모두 만족하는 경우를 고려
▶Expectation
▷X -> E(X) / Y -> E(Y) (ex) E[X+Y] = E(X) + E(Y))
▷E(XY) ≠ E(X)E(Y)에 주의.
▷X, Y가 Independent (서로의 결과에 영향X)인 경우에는 E(XY) = E(X)E(Y)이다.
※Convolution (합성곱)
▷X, Y가 독립이고 X, Y의 pdf가 각각 f, g일때 P(X+Y)에 대한 CDF, PDF
'수학 > 확률통계' 카테고리의 다른 글
Conditional Probability (0) | 2020.10.14 |
---|---|
Covariance (0) | 2020.10.12 |
Variance (0) | 2020.10.12 |
Random variable (0) | 2020.10.04 |
확률 기본 (0) | 2020.10.03 |