Niezależne zmienne losowe o jednakowych rozkładach

Ilustracja dwóch niezależnych zmiennych losowych o jednakowych jednostajnych rozkładach dyskretnych

W teorii prawdopodobieństwa i statystyce zmienne losowe są niezależne i mają jednakowe rozkłady (ang. independent and identically distributed, i.i.d.)[1], jeżeli każda z nich ma ten sam rozkład prawdopodobieństwa, a wszystkie są niezależne od siebie. Definicja ta znajduje zastosowanie na przykład w eksploracji danych i przetwarzaniu sygnałów.

Definicja dla dwóch zmiennych losowych

Załóżmy, że zmienne losowe X {\displaystyle X} i Y {\displaystyle Y} przyjmują wartości dla I R {\displaystyle I\subseteq \mathbb {R} } . Niech F X ( x ) = P ( X x ) {\displaystyle F_{X}(x)=\operatorname {P} (X\leq x)} oraz F Y ( y ) = P ( Y y ) {\displaystyle F_{Y}(y)=\operatorname {P} (Y\leq y)} będą dystrybuantami X {\displaystyle X} oraz Y {\displaystyle Y} . Oznaczmy przez F X , Y ( x , y ) = P ( X x Y y ) {\displaystyle F_{X,Y}(x,y)=\operatorname {P} (X\leq x\land Y\leq y)} ich wspólną dystrybuantę.

Dwie zmienne losowe X {\displaystyle X} i Y {\displaystyle Y} mają jednakowe rozkłady wtedy i tylko wtedy, gdy F X ( x ) = F Y ( x ) x I {\displaystyle F_{X}(x)=F_{Y}(x)\,\forall x\in I} .

Dwie zmienne losowe X {\displaystyle X} i Y {\displaystyle Y} są niezależne wtedy i tylko wtedy, gdy F X , Y ( x , y ) = F X ( x ) F Y ( y ) x , y I {\displaystyle F_{X,Y}(x,y)=F_{X}(x)\cdot F_{Y}(y)\,\forall x,y\in I} .

Dwie zmienne losowe X {\displaystyle X} i Y {\displaystyle Y} są niezależne i mają jednakowe rozkłady wtedy i tylko wtedy, gdy

F X ( x ) = F Y ( x ) x I oraz F X , Y ( x , y ) = F X ( x ) F Y ( y ) x , y I {\displaystyle {\begin{aligned}&F_{X}(x)=F_{Y}(x)\,&\forall x\in I&\quad {\text{oraz}}\\&F_{X,Y}(x,y)=F_{X}(x)\cdot F_{Y}(y)\,&\forall x,y\in I&\end{aligned}}} .

Definicja dla więcej niż dwóch zmiennych losowych

Powyższą definicję można rozszerzyć na więcej niż dwie zmienne losowe: n {\displaystyle n} zmiennych losowych X 1 , X 2 , , X n {\displaystyle X_{1},X_{2},\ldots ,X_{n}} jest niezależnych i ma jednakowy rozkład wtedy i tylko wtedy, gdy

F X 1 ( x ) = F X k ( x ) k { 1 , , n }   i   x I oraz F X 1 , , X n ( x 1 , , x n ) = F X 1 ( x 1 ) F X n ( x n ) x 1 , , x n I {\displaystyle {\begin{aligned}&F_{X_{1}}(x)=F_{X_{k}}(x)\,&\forall k\in \{1,\ldots ,n\}~{\text{i}}~\forall x\in I&\quad {\text{oraz}}\\&F_{X_{1},\ldots ,X_{n}}(x_{1},\ldots ,x_{n})=F_{X_{1}}(x_{1})\cdot \ldots \cdot F_{X_{n}}(x_{n})\,&\forall x_{1},\ldots ,x_{n}\in I&\end{aligned}}} ,

gdzie F X 1 , , X n ( x 1 , , x n ) = P ( X 1 x 1 X n x n ) {\displaystyle F_{X_{1},\ldots ,X_{n}}(x_{1},\ldots ,x_{n})=\operatorname {P} (X_{1}\leq x_{1}\land \ldots \land X_{n}\leq x_{n})} jest wspólną dystrybuantą X 1 , X 2 , , X n {\displaystyle X_{1},X_{2},\ldots ,X_{n}} .

Przypisy

  1. John Mack: IID Statistics: Independent and Identically Distributed Definition and Examples. Statistics How To, 2016-05-11. [dostęp 2024-06-15]. (ang.).