تابع چگالی احتمال: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
بدون خلاصۀ ویرایش
برچسب‌ها: متن دارای ویکی‌متن نامتناظر ویرایشگر دیداری
برچسب‌ها: متن دارای ویکی‌متن نامتناظر ویرایشگر دیداری
خط ۵:
مقدار تابع چگالی احتمال همواره غیرمنفی است.
 
== توزیع پیوسته یک متغیرهیک‌متغیره ==
[[پرونده:Boxplot vs PDF.png|بندانگشتی|350px|تابع [[توزیع نرمال]] {{nowrap|''N''(0, ''σ''<sup>2</sup>)}}.]]
 
خط ۵۶:
که مقادیر ''x''<sub>1</sub>, …, ''x<sub>n</sub>'' مقادیری هستند که متغیر تصادفی ''X'' با احتمال ''p''<sub>1</sub>, …, ''p<sub>n</sub>'' اختیار می‌کند..
 
== چگالی احتمال توابع چند متغیرهچندمتغیره ==
برای [[متغیرهای تصادفی]] <math>x_1,\ldots,x_n</math> همچنین این امکان وجود دارد کهمی‌توان یک تابع چگالی چند متغیرهچندمتغیره تعریف کنیمکرد که به تمامی "<math>X</math>"‌ها بستگی داشته باشد که به آن تابع چگالی احتمال مشترک (توأم) گویند. این تابع چگالی تابع چگالی <math>n</math> متغیره نام دارد به‌طوری‌که به ازای هر فضای احتمال "<math>n</math>" بعدی "<math>D</math>" از متغیرهای تصادفی <math>x_1,\ldots,x_n</math> احتمال اینکه این دسته متغیرها در "<math>D</math>" قرار بگیرند، به صورت زیر است:
 
:<math>\Pr \left(X_1,\ldots,X_N \isin D \right)
خط ۱۴۶:
:<math> \int\limits_{y = g(x_0, x_1, \dots, x_{m-1})} \frac{f(x_0, x_1,\dots, x_{m-1})}{\sqrt{\sum_{j=0}^{j<m}} (\frac{\partial g}{\partial x_j}(x_0, x_1, \dots , x_{m-1}))^2} \; dV</math>
 
که در آن انتگرال روی ''m-1'' بعد است و باید ''dV'' را متناسب با این انتگرال پارامتریزه جایگزین کرد. متغیرهای تصادفی ''x''<sub>0</sub>, ''x''<sub>1</sub>, …, ''x''<sub>''m''−1</sub> بالطبع توابعی از این پارامتریزه کردن‌ها هستند.
 
شاید بصری به نظر برسد، ولی این ناشی از مطلب زیر است: فرض کنید ''''x'''' یک متغیر تصادفی n-بعدی با تابع چگالی احتمال f است. اگر {{nowrap|'''''y''''' {{=}} ''H''('''''x''''')}} و ''H'' تابعی [[دوسویه]] و [[تشخیص پذیر]] باشد، ''y'' دارای چگالی احتمال ''g'' است: