隨機變數的函數與變換

乘積與商(比值)的分布(distribution of a product and a quotient)

並非所有隨機量的組合都是和。面積是長乘寬;速度是距離除以時間;兩個有雜訊讀數之比是商。當輸入的變數是隨機的,乘積 XY 與商 X/Y 也是隨機的,而它們的分布可能與輸入看起來出奇地不同。

求它們的乾淨做法是多變數變換。要得乘積,引入一個輔助變數,例如令 W = XY 並保留 V = X,用 Jacobian 算出 (V, W) 的聯合密度,再把輔助變數 V 積分掉,留下 W 的密度。商的做法相同:令 R = X/Y,保留一個輔助變數,求聯合密度,再把輔助變數積掉。對獨立變數,這會導向乾淨的積分:比值的密度為 f_R(r) = 對所有 y 積分 f_X(r y) 乘以 f_Y(y) 乘以 |y| dy,其中 |y| 直接來自 Jacobian。

比值值得敬畏,因為它會作怪。除以一個可能接近零的變數會產生厚尾,甚至徹底毀掉均值。教科書級的震撼:兩個獨立標準常態之比是標準 Cauchy 分布,它根本「沒有」均值、「沒有」變異數 —— 不論你收集多少資料,它的平均都不會安定下來。所以一個由完全乖巧的輸入構成的比值,可能根本沒有期望值。對樣本比值要小心。

設 Z_1 與 Z_2 為獨立的標準常態。它們的比值 R = Z_1 / Z_2 具有標準 Cauchy 密度 f_R(r) = 1 / (pi (1 + r^2))。雖然每個 Z 都是最溫馴的變數,這個比值卻有厚尾且沒有均值:出現巨大比值的機會(當 Z_2 接近零時)衰減得太慢,使得 E[R] 不存在。

兩個乖巧常態之比是 Cauchy 分布 —— 厚尾,且根本沒有均值。

即使兩個輸入都有期望值,比值仍可能沒有期望值,因為除以接近零的值會造成厚尾。絕不要以為 E[X/Y] 等於 E[X]/E[Y] —— 一般而言這是錯的。

又称
distribution of XYdistribution of X/Yratio distribution乘積分布比值分布商的分布