概率统计Python计算：离散型随机变量函数分布

设已知离散型随机变量$X$的分布律$P(X=x_k)=p_k$，$k=1,2,\cdots$及函数$Y=g(X)$为计算$Y$的分布律，先算得序列 { g ( x 1 ) , g ( x 2 ) , ⋯   } \{g(x_1), g(x_2), \cdots\} {g(x1​),g(x2​),⋯}，对其中的每一个值$g(x_k)$若有 { g ( x k 1 ) , g ( x k 2 ) , … , g ( x k i ) } \{g(x_{k_1}), g(x_{k_2}),\dots, g(x_{k_i})\} {g(xk1​​),g(xk2​​),…,g(xki​​)}与之等值，则仅保留1项，譬如，保留$g(x_k)$。而将保留项的概率值更改为$p_{k_1}+p_{k_2}+\cdots +p_{k_i}$，即$P(Y=g(x_k))=p_{k_1}+p_{k_2}+\cdots +p_{k_i}$。直至所有的$g(x_k)$均两两不等，$k=1,2,\dots$。将此解决离散型随机变量函数的分布问题的一般方法实现为如下的Python函数定义：

import numpy as np                          #导入numpy
def distCalcu(Y, P):                     	#计算Y=g(X)的分布的函数
    Y1=np.unique(Y)                         #剔除Y中的重复值
    n=len(Y1)                               #g(X)不重复值的个数
    P1=np.zeros(n)                    		#Y的分布概率P1初始化为0
    for i in range(n):                      #扫描Y1
        P1[i]=np.sum(P[np.where(Y==Y1[i])]) #Y中与Y1[i]等值的概率和
    return (Y1, P1)                         #返回Y=g(X)的分布律

程序定义的函数distCalcu，对由参数Y，P（numpy的array数组）确定的随机变量$Y=g(X)$的初始分布律（Y保存$Y$的取值，P表示$Y$的，也是$X$各取值对应的概率），计算规整后$Y$的分布律。
由$Y=g(X)$，得到$Y$的所有可能取值，由于函数g未必是单射，故第3行调用numpy的函数unique构造Y中所有不同元素组成的数组Y1。
第5行设置数组P1，元素初始化为0，用于存储Y1中值对应的概率。
第6~7行的for语句循环扫描Y1中每个值Y1[i]，i=0，1，…，n-1。第8行调用numpy的函数where在数组Y中查找与Y1[i]相等的元素的下标，用其构成列表[np.where(Y== Y[i])]。用该列表取数组P中对应的概率值：P[np.where(Y== Y[i])]，调用numpy的sum函数求和，即为对应于Y1[i]的概率值，存储于P1[i]。扫描完毕，P1中即为Y1中各值对应的概率。
第8行返回由二元组(Y1, P1)确定的$Y=g(X)$规整后的分布律。
例1 设随机变量$X$~$\left(\begin{array}{ccccc}-3& -1& 0& 1& 3\\ 0.05& 0.2& 0.15& 0.35& 0.25\end{array}\right)$，试计算$Y=X^2+1$的分布律。
解：由$X$的取值为 { − 3 , − 1 , 0 , 1 , 3 } \{-3,-1,0,1,3\} {−3,−1,0,1,3}，知$Y=X^2+1$的所有取值为 { 1 , 2 , 10 } \{1, 2, 10\} {1,2,10}。仔细观察，可以发现 { Y = 1 } = { X = − 1 } ∪ { X = 1 } \{Y=1\}=\{X=-1\}\cup\{X=1\} {Y=1}={X=−1}∪{X=1}。$P(Y=1)=P(X=-1)+P(X=1)=0.2+0.35=0.55$。相仿地，$P(Y=10)=P(X=-3)+P(X=3)=0.05+0.25=0.3$。故$Y$的分布律为$\left(\begin{array}{ccc}1& 2& 10\\ 0.15& 0.55& 0.3\end{array}\right)$。
下列代码验算本例结果。

import numpy as np                          #导入numpy
X=np.array([-3, -1, 0, 1, 3])               #设置变量X
P=np.array([0.05, 0.2, 0.15, 0.35, 0.25])   #X取值对应的概率
Y=X**2+1                          			#计算Y=g(X)
(Y1, P1)=distCalcu(X, P)                 #计算g(X)的分布律
print(np.stack((Y1, P1)))

程序的2~3行设定随机变量X的分布律，numpy（第1行导入）数组X存储变量的取值，P存储各个取值的概率。
第4行计算函数关系$Y=g(X)$。第5行调用以上定义的函数distCalcu，传递表示Y的初始分布律的数组Y和P。返回值是表示$Y$的规整后分布律的两个数组Y1和P1。
第6行输出计算结果。其中，调用numpy的函数stack将两个一维数组Y1和P1重叠为一个二维数组。
运行程序，输出：

[[ 1.    2.   10.  ]
 [ 0.15  0.55  0.3 ]]

写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。
返回《导引》