Trasformazione v.a. gaussiana
Aiuto per il seguente esercizio??
Calcolare la pdf della v.a.
$Z=Asign(X)+X$
dove $X ~ N(0, 1)$ e $sign(*)$ è la funzione segno.
Ho ragionato nel seguente modo:
$Z=X+Asign(X)=X+Y$
e quindi dovrebbe essere
$f_Z(z)=f_X(x)+f_Y(y)$
dove la $f_X(x)$ è nota perchè $X$ è una v.a. gaussiana standard mentre la $f_Y(y)$ è da calcolare.
Come faccio?
Calcolare la pdf della v.a.
$Z=Asign(X)+X$
dove $X ~ N(0, 1)$ e $sign(*)$ è la funzione segno.
Ho ragionato nel seguente modo:
$Z=X+Asign(X)=X+Y$
e quindi dovrebbe essere
$f_Z(z)=f_X(x)+f_Y(y)$
dove la $f_X(x)$ è nota perchè $X$ è una v.a. gaussiana standard mentre la $f_Y(y)$ è da calcolare.
Come faccio?

Risposte
$A$ è una costante
$sign(x)={(1,if x>0),(-1,if x<0):}$
$sign(x)={(1,if x>0),(-1,if x<0):}$
$A in R^+$ ??
mi sembra davvero molto semplice
se consideri che, partendo da una normale $N(mu;sigma^2)$, la trasformazione $Y=X+a$ restituisce di nuovo la stessa normale con media $(mu+a)$...e questo lo puoi verificare con la solita formuletta di trasformazione, la tua z sarà la seguente:
$Z-={{: ( N(A;1) , ;x>0 ),( N(-A;1) ,;x<0 ) :}$
mi sembra davvero molto semplice
se consideri che, partendo da una normale $N(mu;sigma^2)$, la trasformazione $Y=X+a$ restituisce di nuovo la stessa normale con media $(mu+a)$...e questo lo puoi verificare con la solita formuletta di trasformazione, la tua z sarà la seguente:
$Z-={{: ( N(A;1) , ;x>0 ),( N(-A;1) ,;x<0 ) :}$
Come calcolo la pdf di $Y=A*sign(X)$?
PS. Il valore di $A$ non è specificato ma credo sia sottinteso che sia un valore positivo.
PS. Il valore di $A$ non è specificato ma credo sia sottinteso che sia un valore positivo.
non hai capito
$Z-={{: ( x+a , ;x>0 ),( x-a , ;x<0 ) :}$
quindi devi calcolare la trasformazione $x+-a$ che è sempre normale, cambia solo la media.
Prova a calcolare la seguente trasformazione $X~N(mu;sigma^2)$ calcola la PDF di $Y=X-mu$ otterrai una $Y~N(0;sigma^2)$
qui è la stessa cosa
$Z-={{: ( x+a , ;x>0 ),( x-a , ;x<0 ) :}$
quindi devi calcolare la trasformazione $x+-a$ che è sempre normale, cambia solo la media.
Prova a calcolare la seguente trasformazione $X~N(mu;sigma^2)$ calcola la PDF di $Y=X-mu$ otterrai una $Y~N(0;sigma^2)$
qui è la stessa cosa
Ok quindi il ragionamento di partenza era completamente errato
Se ho capito bene, allora, si tratta di una $"trasformazione" LS(a,b)=(0,+-A)$
(LS=location-scale)
In questo modo risulta
$f_Z(z)=f_X(x+-A)$
???

Se ho capito bene, allora, si tratta di una $"trasformazione" LS(a,b)=(0,+-A)$
(LS=location-scale)
In questo modo risulta
$f_Z(z)=f_X(x+-A)$
???
Quindi
$f_Z(z)=f_X(x+-A)=$
$={(f_X(x-A),if x<0),(f_X(x), if x=0), (f_X(x+A), if x>0):}=$
$={(1/(sqrt(2pi))[e^(-(x-A)^(2)/2)], if x<0), (1/(sqrt(2pi))[e^(-x^(2)/2)], if x=0), (1/(sqrt(2pi))[e^(-(x+A)^(2)/2)], if x>0):}$
E' corretto??
$f_Z(z)=f_X(x+-A)=$
$={(f_X(x-A),if x<0),(f_X(x), if x=0), (f_X(x+A), if x>0):}=$
$={(1/(sqrt(2pi))[e^(-(x-A)^(2)/2)], if x<0), (1/(sqrt(2pi))[e^(-x^(2)/2)], if x=0), (1/(sqrt(2pi))[e^(-(x+A)^(2)/2)], if x>0):}$
E' corretto??

No. La tua PDF è la seguente: $a in R^+$
[size=150]$f_(Z)(z)-={{: ( 1/sqrt(2pi)e^(-1/2(z+a)^2) , ;z<-a ),( 1/sqrt(2pi)e^(-1/2(z-a)^2) , ;z>a) :}$[/size]
la riprova che sia giusta è la seguente:
$I_(1)=int_(-oo)^(-a) 1/sqrt(2pi)e^(-1/2(z-(-a))^2)dz=1/2$
$I_(2)=int_(a)^(+oo) 1/sqrt(2pi)e^(-1/2(z-a)^2)dz=1/2$
$I_(1)+I_(2)=1$
tutto ok!
la stessa cosa la puoi vedere facendo il grafico della funzione di trasformazione:

come puoi notare, l'immagine della funzione è $(-oo;-A) uu (A;+oo)$
[size=150]$f_(Z)(z)-={{: ( 1/sqrt(2pi)e^(-1/2(z+a)^2) , ;z<-a ),( 1/sqrt(2pi)e^(-1/2(z-a)^2) , ;z>a) :}$[/size]
la riprova che sia giusta è la seguente:
$I_(1)=int_(-oo)^(-a) 1/sqrt(2pi)e^(-1/2(z-(-a))^2)dz=1/2$
$I_(2)=int_(a)^(+oo) 1/sqrt(2pi)e^(-1/2(z-a)^2)dz=1/2$
$I_(1)+I_(2)=1$
tutto ok!

la stessa cosa la puoi vedere facendo il grafico della funzione di trasformazione:

come puoi notare, l'immagine della funzione è $(-oo;-A) uu (A;+oo)$
Molto piu chiaro dopo aver visto l'immagine. Un'ultima cosa in riferimento a questo esercizio: se avessi avuto solo $Y=sign(X)$, sarebbe stato:
$f_Y(y)={(f_X(x),if X>0),(-f_X(x),if x<0):}$
??
$f_Y(y)={(f_X(x),if X>0),(-f_X(x),if x<0):}$
??
No. Verrebbe così:
$Y-={{: ( -1 , 1 ),( 1/2 , 1/2 ) :}$

In questo caso il problema è banale e per risolverlo basta osservare il grafico della funzione di trasformazione

come vedi l'immagine della funzione (supporto di $Y$) è costituito solo dai punti $-1;1$. Tale punti concentrano la massa di probabilità che la variabile $X$ concentra negli intervalli $(-oo;0)$ e $(0;+oo)$, rispettivamente, ovvero $1/2$ per entrambi gli intervalli, dato che $X~N(0;1)$
$Y-={{: ( -1 , 1 ),( 1/2 , 1/2 ) :}$

In questo caso il problema è banale e per risolverlo basta osservare il grafico della funzione di trasformazione

come vedi l'immagine della funzione (supporto di $Y$) è costituito solo dai punti $-1;1$. Tale punti concentrano la massa di probabilità che la variabile $X$ concentra negli intervalli $(-oo;0)$ e $(0;+oo)$, rispettivamente, ovvero $1/2$ per entrambi gli intervalli, dato che $X~N(0;1)$