[機統] 兩個獨立高斯變數的四則運算

看板Math作者 ( 沒有弧的世界)時間14年前 (2011/04/28 11:43), 編輯推噓1(1013)
留言14則, 4人參與, 最新討論串1/1
請問一下數學 我的問題是: 如果兩個independent variable x, y 然後各有各的高斯分布μx, σx, μy, σy 如果z=x+y時候,μz=μx+μy,μz = 根號[(σx)^2+(σy)^2] 那如果是z=x*y以及z=x/y時候,μz和σz各是多少? 因為我希望求得z=x並聯y時候[ z=(x*y)/(x+y) ]的μz和σz, 所以想分別求得 (x*y)的高斯分布,以及(x+y)的高斯分布,然後再將兩者相除 我找到z=x*y時候還會是高斯分布,z=x/y時候就變成另外一個分布Cauchy distribution (from: http://en.wikipedia.org/wiki/Ratio_distribution When X and Y are independent and have a Gaussian distribution with zero mean the form of their ratio distribution is fairly simple: It is a Cauchy distribution) 並且看到有兩個說法: 說法一:已知建立在x, y, z都是高斯變數的情況下 (而沒提到x, y 是否互相獨立) 如果z=x*y σz = 根號 { [(σx)^2 * (σy)^2] / [(σx)^2 + (σy)^2] } μz = [μx*(σy)^2 + μy*(σx)^2] / [(σx)^2 + (σy)^2] 來源:https://people.ok.ubc.ca/jbobowsk/phys327/Gaussian%20Convolution.pdf 說法二:只說x, y是兩變數,而且未說是高斯分布,也未說是否互相獨立 a.如果z=x*y: σz = 根號 [ (σx)^2 / (μx)^2 + (σy)^2 / (μy)^2 ] 而未說μz b.如果z=x/y: σz = (μx/μy)* { 根號 [ (σx)^2 / (μx)^2 + (σy)^2 / (μy)^2 - 2*Cov{x,y} / (μx)*(μy) ] } 來源:http://www.radiation-scott.org/Standard%20Deviation%20for%20SumBOLD.doc 希望有人可以 a.從最廣義的x, y 是任意兩非高斯分布變數,然後列出怎麼得到 z=x+y, z=x*y, z=x/y的相關關係, b.然後化簡或額外討論到x, y是兩高斯變數, 得到此情況下z=x+y, z=x*y, z=x/y的μ和σ c.如果x, y是互相獨立的兩高斯變數,所對應到的z=x+y, z=x*y, z=x/y的μ和σ d.如果在b.情況下, z=x/y不是高斯變數,那麼有其他辦法得到最原先的問題 z=x並聯y=(x*y)/(x+y)嘛?或者簡化過的近似解,謝謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 210.80.67.18 ※ 編輯: take99999 來自: 210.80.67.18 (04/28 11:44)

04/28 12:49, , 1F
X*Y 不是 Gaussian, X/Y 與 Cauchy 有關, E[X/Y] 可
04/28 12:49, 1F

04/28 12:49, , 2F
能不存在, 但是否必不存在未計算不敢定論.
04/28 12:49, 2F

04/28 12:50, , 3F
若僅知 X,Y 的 marginal distributions 而無獨立性假
04/28 12:50, 3F

04/28 12:51, , 4F
X*Y 不是 Gaussian? 那還可以有對應的μ和σ?
04/28 12:51, 4F

04/28 12:51, , 5F
設, 則幾乎甚麼也不能談!
04/28 12:51, 5F

04/28 12:51, , 6F
請問有關資訊可以看哪些書或文章嘛?
04/28 12:51, 6F

04/28 12:52, , 7F
X, Y 獨立, 則 E[XY]=E[X]E[Y],
04/28 12:52, 7F

04/28 12:53, , 8F
Var[XY]=E[X^2]E[Y^2]-(E[X]E[Y])^2.
04/28 12:53, 8F

04/28 13:08, , 9F
delta method?
04/28 13:08, 9F

04/28 16:56, , 10F
Y~Normal(Gaussian) ==> E[1/Y] 不存在.
04/28 16:56, 10F

04/28 16:57, , 11F
故 X 與 Y 獨立, 則 E[X/Y] 不在在.
04/28 16:57, 11F

04/28 22:58, , 12F
Y ~ N(mu, sigma^2),E(1/Y)以Cauchy主值的角度來看
04/28 22:58, 12F

04/28 22:59, , 13F
是存在的,且有closed form
04/28 22:59, 13F

04/29 00:05, , 14F
統計上計算期望值沒有人在管你 Cauchy 主值是多少.
04/29 00:05, 14F
文章代碼(AID): #1DkE949x (Math)