4 votos

Descripción de variables aleatorias: "Se define como" en contraste con "tiene la propiedad de"

Esto se inspiró en esta pregunta y el comentario del usuario @Did al mismo. Al principio puede parecer una sutileza que sólo interesaría en algún curso de educación. Pero como se relaciona con la forma de comunicar verbalmente información sobre variables aleatorias, creo que puede interesar a la comunidad de CV.

Lo plantearé como una pregunta y le daré una respuesta. El uso de la distribución normal a continuación es sólo una conveniencia.

PREGUNTA : Supongamos que tenemos dos variables aleatorias normales i.i.d. $X$ y $Y$ . Consideremos una variable aleatoria que es igual a $X$ con probabilidad $1/2$ e igual a $Y$ con probabilidad $1/2$ . ¿Puedes averiguar cuál es su distribución? Al menos, ¿puedes calcular su valor esperado?

4voto

Jeff Bauer Puntos 236

La información de que la variable aleatoria en cuestión "es igual a $X$ con probabilidad $1/2$ e igual a $Y$ con probabilidad $1/2$ " no está suficientemente claro, como se indica con el fin de permitirnos proporcionar algunos respuesta definitiva. Prueba con el ejemplo:

1) Supongamos que la variable aleatoria en cuestión, denótese $W$ , se define como:

$$W = \left\{ \begin{array}{lr} X \;\; \text{with probability } \frac{1}{2}\\ Y \;\;\text{with probability } \frac{1}{2} \end{array} \right.\\$$

Esto equivale a definir un rv independiente de Bernoulli $B(p=0.5)$ y establecer

$$W = X\cdot B + Y\cdot (1-B)$$

No es difícil concluir que $W$ también será una variable aleatoria normal estándar, con $E(W) = 0$ .

2) Pero define ahora el rv $Z = \max\{X,Y\}$ . Su función de distribución es

$F_Z(z) = \Phi(z)^2$ y su densidad es $f_Z(z) = 2\phi(z)\Phi(z)$ , donde $\phi(z)$ es la densidad normal estándar, y $\Phi(z)$ la función de distribución normal estándar. Vemos que $Z$ es Distribución normal sesgada de Azzalini con el parámetro de localización $0$ parámetro de escala $1$ y el parámetro de forma (o inclinación) $1$ . Entonces tenemos $E(Z) = \frac 1{\sqrt {\pi}}$ .

Ahora bien, tenga en cuenta que $$P(X > Y) = \int_{-\infty}^{\infty}\int_{y}^{\infty}\phi(y)\phi(x) dxdy = \int_{-\infty}^{\infty}\phi(y)\cdot [1-\Phi(y)]dy$$

$$=1-E[\Phi(Y)] = 1-\frac 12 = \frac 12$$

por el transformación integral de probabilidad .

Así que el evento " $Z$ es igual a $X$ "tiene una probabilidad igual a $1/2$ y el evento " $Z$ es igual a $Y$ " también tiene probabilidad $1/2$ .

Por lo tanto, lo que define $W$ también es válido para $Z$ aunque son variables aleatorias diferentes, y se caracterizan por distribuciones diferentes... pero esto significa que, a nivel verbal, debemos distinguir claramente entre las afirmaciones

$A$ : "Una variable aleatoria se define como siendo igual a $X$ con probabilidad $1/2$ e igual a $Y$ con probabilidad $1/2$ "

y

$B$ : "Una variable aleatoria tiene la propiedad de siendo igual a $X$ con probabilidad $1/2$ y $Y$ con probabilidad $1/2$ ".

Vemos que la información, tal y como se da en la pregunta, es fatalmente vaga, y podría coincidir con la declaración $A$ o a la declaración $B$ .

Si se hubiera dado como declaración $A$ de arriba, sin duda podríamos dar una respuesta. Si se hubiera dado como declaración $B$ anterior, podríamos decir definitivamente que no podemos dar una respuesta definitiva.

Esencialmente, la propiedad en cuestión no es un definición de la propiedad . En la medida en que no estemos seguros de que la propiedad que queremos comunicar conduce efectivamente a una caracterización única, debemos tomarnos la molestia de elegir cualquiera de las dos afirmaciones $A$ o declaración $B$ y evitar la declaración aparentemente transparente que se ofrece en la pregunta.

1 votos

Claro, la descripción ' $W=X$ con probabilidad $0.5$ y $W=Y$ con probabilidad $0.5$ ' no define de forma única $W$ y, por tanto, debemos abstenernos de utilizar este tipo de notación. Para definir $W$ , tiene que definir $W(\omega)$ para todos $\omega$ y la descripción anterior no lo hace. Como usted mismo señala, $W=X\mathbf{1}_{A}+Y\mathbf{1}_{A^c}$ con $A$ siendo independiente de $(X,Y)$ y $P(A)=0.5$ es una definición de $W$ que sea coherente con la descripción anterior, y $W=X\mathbf{1}_{X\geqslant Y}+Y\mathbf{1}_{X<Y}=\max(X,Y)$ es otro (al menos para i.i.d continua $X$ y $Y$ ).

0 votos

@StefanHansen Este es un muy buen resumen compacto, expresando los dos rv en notación similar que trae en la superficie donde su diferencia se encuentra. Tal vez deberías actualizarlo a una respuesta.

1voto

Lev Puntos 2212

Me temo que no estoy de acuerdo con su respuesta. Si usted definir una variable aleatoria como $$W = \left\{ \begin{array}{lr} X \;\; \text{with probability } \frac{1}{2}\\ Y \;\;\text{with probability } \frac{1}{2} \end{array} \right.\\$$ la probabilidad $1/2$ es incondicional al par $(X,Y)$ y la densidad de $W$ es $$f_W(w)=\frac{1}{2} f_X(w)+\frac{1}{2} f_Y(w)$$ Introducción de la variable aleatoria Bernoulli $B$ que define qué valor $W$ toma entre $X$ y $Y$ sin ninguna otra indicación simplemente destaca que este Bernoulli $B$ se define incondicionalmente contra $X$ y $Y$ .

Su contraejemplo con $Z$ es un caso en el que $P(Z=X)=1/2$ también, salvo que aquí el Bernoulli $B$ depende del par $(X,Y)$ , lo que hace que la "definición" $$Z = \left\{ \begin{array}{lr} X \;\; \text{with probability } \frac{1}{2}\\ Y \;\;\text{with probability } \frac{1}{2} \end{array} \right.\\$$ incompleta y por lo tanto no es una definición .

0 votos

$Z$ se define claramente como $Z = max(X,Y)$ en mi respuesta, y no de otra manera.

2 votos

El objetivo de este hilo es que expresiones verbales como "una variable aleatoria es igual a $X$ con probabilidad 0,5 e igual a $Y$ con prob 0,5" no son, al fin y al cabo, lo suficientemente claros y definitivos como para decirnos si estamos ante un rv como $W$ o con un rv como $Z$ .

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X