Дискретное распределение почти без памяти
Дискретное распределение почти без памяти
Случайная величина обладает свойством [math].Найти ее функцию распределения.
Конечно, годится экспоненциальное, оно "без памяти", вероятность, что отказ не случится в промежуток длины T, если до этого не случился -постоянна. Но есть и дискретные распределения с таким свойством, экзотические какие-то. Только я даже матожидание их не могу элементарно посчитать.
Дискретное распределение почти без памяти
Я так понимаю, что если , то .
Значит для любого выбранного можно на определить как угодно (можно разрывно), так чтобы она не возрастала, и .
Это однозначно определит для всех (с дельта-функциями плотности в местах разрывов).
На бесконечности оно будет экспоненциально убывать. В нуле будет стремится к .
Значит для любого выбранного можно на определить как угодно (можно разрывно), так чтобы она не возрастала, и .
Это однозначно определит для всех (с дельта-функциями плотности в местах разрывов).
На бесконечности оно будет экспоненциально убывать. В нуле будет стремится к .
Дискретное распределение почти без памяти
Да, а самым трудным оказалось доказательство, что [math], то есть что носитель СВ на положительной полуоси. Если бы для [math] равенство было задано, то [math] но и тогда почему [math]. И тут я вспомнил, что условная вероятность просто не определена при условии того, вероятность чего 0.
Теперь, если [math], [math], то чему же равно q? (
Теперь, если [math], [math], то чему же равно q? (
Дискретное распределение почти без памяти
Если для определенности выбрать и задать на , то матожидание можно посчитать так:
Так что при .
Что-то Вольфрам эту сумму не берет...
Так что при .
Что-то Вольфрам эту сумму не берет...
Последний раз редактировалось zykov 15 май 2020, 14:35, всего редактировалось 1 раз.
Дискретное распределение почти без памяти
Ian писал(а):Source of the post то чему же равно q?
Любому числу более 0, менее 1.
Дискретное распределение почти без памяти
Последний раз редактировалось zykov 15 май 2020, 14:36, всего редактировалось 1 раз.
Дискретное распределение почти без памяти
Вот график от :
(Суммирование было от -50 до 50, этого достаточно - далее хвосты очень маленькие.)
(Суммирование было от -50 до 50, этого достаточно - далее хвосты очень маленькие.)
Дискретное распределение почти без памяти
Согласен, вопрос был дурацкий.zykov писал(а):Ian писал(а):Source of the post то чему же равно q?
Любому числу более 0, менее 1.
....
Но при малых q матожидание должно быть очень мало, очевидно? А где это на графике?
Дискретное распределение почти без памяти
Ian писал(а):Source of the post Но при малых q матожидание должно быть очень мало
Там в за скобки выносится .
Из-за этого при малых матожидание растёт.
Ведь - это не плотность вероятности, а кумулятивная величина. А сама плотность (вес дельта функции) будет .
Дискретное распределение почти без памяти
Да, чего-то у меня не сходится. Где-то напутал наверно.
Вот посчитал напрямую для дискретного случая:
UPD: исправил сумму
Вот посчитал напрямую для дискретного случая:
UPD: исправил сумму
Последний раз редактировалось zykov 15 май 2020, 23:55, всего редактировалось 1 раз.
Дискретное распределение почти без памяти
У меня было [math]
Преобразование Абеля:
[math]
эта функция неэлементарная. возрастающая при [math] , численный расчет дает [math]
Преобразование Абеля:
[math]
эта функция неэлементарная. возрастающая при [math] , численный расчет дает [math]
Дискретное распределение почти без памяти
Да, так и получается.
Вот кстати в непрерывном случае, если распределение экспоненциальное и выбрать так же параметр , то матожидание будет .
Вот график:
Вот кстати в непрерывном случае, если распределение экспоненциальное и выбрать так же параметр , то матожидание будет .
Вот график:
Дискретное распределение почти без памяти
Вот забавный график - отношение матожидания для дискретного случая к матожиданию экспоненциального распределения, т.е. упомянутая выше сумма умноженная на :
Т.е. относительные отклонения имеют малый порядок около , довольно стабильную амплитуду, частота колебаний растёт по мере приближения к 1.
Причина осциляций видимо в том, что график имеет максимум при . По мере того как мы меняем этот максимум (точнее один из ) то попадает на целое , то оказывается между целыми.
UPD:
Т.е. относительные отклонения имеют малый порядок около , довольно стабильную амплитуду, частота колебаний растёт по мере приближения к 1.
Причина осциляций видимо в том, что график имеет максимум при . По мере того как мы меняем этот максимум (точнее один из ) то попадает на целое , то оказывается между целыми.
UPD:
Последний раз редактировалось zykov 16 май 2020, 07:23, всего редактировалось 1 раз.
Дискретное распределение почти без памяти
zykov писал(а):Source of the post то попадает на целое , то оказывается между целыми
Вот график - решение уравнения :
Похоже на фазу этих колебаний.
Дискретное распределение почти без памяти
zykov писал(а):Source of the post Причина осциляций видимо в том
Собственно, если рассмотреть функцию , то очевидно, что для целого .
Т.е. например достаточно обсчитать на и это даст на по этой формуле.
Это же даст периодичность в мастштабе с периодом по .
Дискретное распределение почти без памяти
Для получается такая аппроксимация:
.
Примерно и .
Относительная ошибка около .
UPD: Следующая гармоника .
Примерно и .
Дальше только ошибки округления (double float числа имеют точность около ).
.
Примерно и .
Относительная ошибка около .
UPD: Следующая гармоника .
Примерно и .
Дальше только ошибки округления (double float числа имеют точность около ).
Последний раз редактировалось zykov 16 май 2020, 14:50, всего редактировалось 4 раз.
Дискретное распределение почти без памяти
Интересно, что амплитуды гармоник так быстро убывают...
Дискретное распределение почти без памяти
Теперь можно оправдать название " распределение почти без памяти". Можно характеризовать случайную величину интегральной функцией распределения [math], а можно и введенной нами [math], между ними соотношение [math], но [math] только на дискретном множестве. Зафиксируем [math], тогда можно утверждать, что график [math]- распределения без памяти - можно накрыть системой прямоугольников, два угла каждого на графике, а проекции на ось [math] и тп. Тогда будет накрыт и график любой [math], удовлетворяющей условию задачи, и при взгляде издали -распределения близки. Что можно использовать при испытаниях на отказ, для N испытываемых элементов проверять, сколько отказало через 1сек; 2сек; 4 сек; ...65536 сек;...- а остальное время не волноваться. Тогда. если распределение моментов отказа будет близко к найденному - делаем вывод, что оно "почти без памяти", то есть отказ связан не с усталостью комплектующих, а со случайными факторами.
Дискретное распределение почти без памяти
Тут немного напутал. Для непрерывного случая должно быть так:
Например если , то
Дискретное распределение почти без памяти
zykov писал(а):Source of the post Для получается такая аппроксимация:
.
Насчёт того, почему два логарифма по базе 2.
Потому что внешний логарифм соответствует . Можно выбрать другую базу (например натуральный логарифм), тогда в фазе будет просто дополнительный множитель.
Для внутреннего логарифма выбор базы ещё менее важен. Другая база просто даст сдвиг по фазе, т.е. просто другую точку отсчёта. Но база 2 немного удобнее, т.к. тогда для (центр между 0 и 1) фаза будет нулевой.
Кто сейчас на форуме
Количество пользователей, которые сейчас просматривают этот форум: нет зарегистрированных пользователей и 1 гость