前言:本节课讲inference和derived distribution.
前面讲过给
P
X
(
x
)
P_X(x)
PX(x)求
E
[
g
(
x
)
]
E[g(x)]
E[g(x)]
这节课讲的是给X的分布,求g(x)的分布
已知输入的分布
P
(
X
)
P(X)
P(X)以及当不同X时 Y的分布,求当给不同Y的时候,原始X的分布。
下面是两种混合了离散和连续变量的情况
离散X, 连续 Y 。这种情况很容易发生,比如信号输入端是 0,1.
输出端Y 叠加了一个高斯噪声 W 变成了一个连续变量。
X
=
0
,
1
Y
=
X
+
W
X = 0,1\\ Y = X + W
X=0,1Y=X+W
对于X = 0 和X = 1 的条件下,Y的分布不同
如何求给定一个y的值时,不同x对应的概率呢
P
(
X
=
x
,
y
≤
Y
≤
y
+
δ
)
=
P
(
X
=
x
)
∗
P
(
y
≤
Y
≤
y
+
δ
∣
X
=
x
)
=
P
(
y
≤
Y
≤
y
+
δ
)
∗
P
(
X
=
x
∣
y
≤
Y
≤
y
+
δ
)
P(X = x, y \leq Y \leq y + \delta)\\ = P(X = x) * P(y \leq Y \leq y + \delta|X = x)\\ = P(y \leq Y \leq y + \delta) * P(X = x| y \leq Y \leq y + \delta)
P(X=x,y≤Y≤y+δ)=P(X=x)∗P(y≤Y≤y+δ∣X=x)=P(y≤Y≤y+δ)∗P(X=x∣y≤Y≤y+δ)
换一种写法
P
X
(
x
)
∗
f
Y
∣
X
(
y
∣
x
)
∗
δ
=
f
Y
(
y
)
∗
δ
∗
P
X
∣
Y
(
x
∣
y
)
P
X
(
x
)
∗
f
Y
∣
X
(
y
∣
x
)
∗
δ̸
=
f
Y
(
y
)
∗
δ̸
∗
P
X
∣
Y
(
x
∣
y
)
P_X(x) *f_{Y|X}(y|x) * \delta = f_Y(y)*\delta * P_{X|Y}(x|y)\\ P_X(x)* f_{Y|X}(y|x) * \not \delta = f_Y(y)*\not \delta * P_{X|Y}(x|y)
PX(x)∗fY∣X(y∣x)∗δ=fY(y)∗δ∗PX∣Y(x∣y)PX(x)∗fY∣X(y∣x)∗δ=fY(y)∗δ∗PX∣Y(x∣y)
当 a > 0:
F
Y
(
y
)
=
P
(
Y
≤
y
)
=
P
(
a
X
+
b
≤
Y
)
=
P
(
X
≤
Y
−
b
a
)
=
F
X
(
y
−
b
a
)
f
Y
(
y
)
=
d
F
X
d
y
=
d
F
X
d
x
d
x
d
y
=
f
X
(
x
)
∗
1
a
=
f
X
(
y
−
b
a
)
∗
1
a
F_Y(y) = P(Y\leq y)\\ =P(aX + b \leq Y) = P(X \leq \frac{Y-b}{a})\\ = F_X(\frac{y-b}{a})\\ f_Y(y) = \frac{dF_X}{dy} = \frac{dF_X}{dx} \frac{dx}{dy}\\ = f_X(x) * \frac{1}{a} = f_X(\frac{y-b}{a})* \frac{1}{a}
FY(y)=P(Y≤y)=P(aX+b≤Y)=P(X≤aY−b)=FX(ay−b)fY(y)=dydFX=dxdFXdydx=fX(x)∗a1=fX(ay−b)∗a1
当 a < 0 时,情况不同
F
Y
(
y
)
=
P
(
Y
≤
y
)
=
1
−
F
X
(
y
−
b
a
)
f
Y
(
y
)
=
−
f
X
(
y
−
b
a
)
∗
1
a
=
f
X
(
y
−
b
a
)
∗
1
∣
a
∣
F_Y(y) = P(Y\leq y)\\ = 1-F_X(\frac{y-b}{a})\\ f_Y(y) = - f_X(\frac{y-b}{a})* \frac{1}{a} = f_X(\frac{y-b}{a})* \frac{1}{|a|}
FY(y)=P(Y≤y)=1−FX(ay−b)fY(y)=−fX(ay−b)∗a1=fX(ay−b)∗∣a∣1
conjunction: 连词; 结合,同时发生;