မာတိကာသို့ ခုန်သွားရန်

ကျပန်းကိန်းရှင်

ဝီကီပီးဒီးယား မှ
အကယ်၍ နမူနာ ရပ်ဝန်း (sample space) သည် အန်စာတုံးနှစ်ခုကို ပစ်လိုက်ရာမှ ရရှိလာနိုင်သော ကိန်းများအစုဖြစ်ပြီး စိတ်ဝင်စားသော ကျပန်းကိန်းရှင်သည် ထိုအန်စာတုံးနှစ်ခုမှ ကိန်းများ၏ ပေါင်းလဒ် S ဖြစ်သည်ဟု ဆိုပါစို့။ ထိုအခါ S သည် တစ်ပိုင်းတစ်စ ကျပန်းကိန်းရှင် (discrete random variable) တစ်ခုဖြစ်သည်။

ကျပန်းကိန်းရှင် ဆိုသည်မှာ ကျပန်း အဖြစ်အပျက် (random event) များ၏ ဖြစ်တန်စွမ်း ရပ်ဝန်း (probability space) တစ်ခုကို တန်ဖိုးများ၏ တိုင်းတာနိုင်သော ရပ်ဝန်း (measurable space) တစ်ခုနှင့် ချိတ်ဆက်ပေးသော တိုင်းတာနိုင်သော ဖန်ရှင် (measurable function) တစ်ခုဖြစ်သည်။[၁]

အတိုင်းအတာ-သီအိုရီဆိုင်ရာ တည်ဆောက်ပုံ (Measure-Theoretic Setup)

[ပြင်ဆင်ရန်]

(Ω,ℱ,P) သည် ဖြစ်တန်စွမ်း ရပ်ဝန်း တစ်ခုဖြစ်ပြီး (E,ℰ) သည် တိုင်းတာနိုင်သော ရပ်ဝန်း တစ်ခု ဖြစ်သည်ဟု ဆိုပါစို့။ ကျပန်းကိန်းရှင် X ဆိုသည်မှာ တိုင်းတာနိုင်သော ဖန်ရှင် X:Ω→E တစ်ခုဖြစ်သည်။ ဤအခြေအနေအတွက် အစုပိုင်း (subset) B∈ℰ တိုင်း၏ မူလပုံရိပ် (preimage) X−1(B)={ω∈Ω∣X(ω)∈B} သည် ℱ တွင် ပါဝင်ရန် လိုအပ်သည်။[၂]

တိုင်းတာနိုင်သောအစု B⊆E ထံသို့ X က ပုံဖော်ပေးသည့် ဖြစ်တန်စွမ်း (probability) သည် X ၏ ရှေ့သို့တွန်းပို့ချက် အတိုင်းအတာ (pushforward measure) သို့မဟုတ် ဖြန့်ဖြူးခြင်း (distribution) ကို အောက်ပါအတိုင်း အဓိပ္ပာယ်သတ်မှတ်ပေးသည်။

PX(B)=P(X∈B)=P({ω∈Ω∣X(ω)∈B})

တစ်ပိုင်းတစ်စနှင့် အဆက်မပြတ်ဖြစ်သော အခြေအနေများ (Discrete and Continuous Cases)

[ပြင်ဆင်ရန်]

အကယ်၍ E=ℝ ဖြစ်ပြီး X ၏ ပုံရိပ် (image) သည် ရေတွက်နိုင်သော (countable) အစု (set) ဖြစ်ပါက X သည် ဖြစ်တန်စွမ်း ဒြပ်ထု ဖန်ရှင်ဖြင့် သတ်မှတ်ဖော်ပြထားသော တစ်ပိုင်းတစ်စ ကျပန်းကိန်းရှင်ဖြစ်သည်။[၃] ဥပမာအားဖြင့် Ω={heads,tails} ဖြစ်သော မျှတသည့် အကြွေစေ့ပစ်ခြင်း (fair coin toss) တစ်ခုအတွက် X(heads)=1 နှင့် X(tails)=0 ဟု အဓိပ္ပာယ်သတ်မှတ်ခြင်းက ဒြပ်ထု ဖန်ရှင် PX(1)=PX(0)=1/2 ကို ရရှိစေသည်။

အကယ်၍ အဆက်မပြတ် ကျပန်းကိန်းရှင် (continuous random variable) တစ်ခု၏ ဖြန့်ဖြူးခြင်းသည် လီဘက်ဂ် အတိုင်းအတာ (Lebesgue measure) နှင့် သက်ဆိုင်၍ (with respect to) ပကတိ အဆက်မပြတ်ဖြစ်သော (absolutely continuous) အခြေအနေရှိပါက ၎င်းသည် ဖြစ်တန်စွမ်း သိပ်သည်းဆ ဖန်ရှင် (probability density function) fX တစ်ခုကို ရရှိသည်။[၄]

ကျပန်းကိန်းရှင်များ၏ ဖန်ရှင်များ (Functions of Random Variables)

[ပြင်ဆင်ရန်]

အကယ်၍ X သည် Ω အပေါ်ရှိ ကိန်းစစ်တန်ဖိုးရှိ ကျပန်းကိန်းရှင် (real-valued random variable) တစ်ခုဖြစ်ပြီး g:ℝ→ℝ သည် ဘိုရဲလ်-တိုင်းတာနိုင်သော ဖန်ရှင် (Borel-measurable function) တစ်ခုဖြစ်ပါက ၎င်းတို့၏ ပေါင်းစပ်ဖန်ရှင် (composite function) Y=g(X) သည်လည်း ကျပန်းကိန်းရှင်တစ်ခုဖြစ်သည်။ Y ၏ စုဆောင်း ဖြန့်ဖြူးခြင်း ဖန်ရှင် (cumulative distribution function) မှာ FY(y)=P(g(X)≤y) ဖြစ်သည်။

ဥပမာအားဖြင့် အကယ်၍ X သည် သိပ်သည်းဆ (density) fX(x)=12πe−x2/2 ရှိသော စံ ပုံမှန် ဖြန့်ဖြူးခြင်း (standard normal distribution) တစ်ခုကို လိုက်နာပြီး Y=X2 ဖြစ်ပါက y>0 အတွက် ပြောင်းပြန် အသွင်ပြောင်းခြင်း (inverse transformation) x=±y သည် အောက်ပါရလဒ်ကို ရရှိစေသည်။

fY(y)=fX(y)|12y|+fX(−y)|−12y|=12πye−y/2

၎င်းသည် လွတ်လပ်စွာပြောင်းလဲနိုင်သော အတိုင်းအတာ အရေအတွက် (degree of freedom) တစ်ခုရှိသော ကိုင်-နှစ်ထပ် ဖြန့်ဖြူးခြင်း (chi-squared distribution) တစ်ခုဖြစ်သည်။

ကျပန်းကိန်းရှင်များ၏ ထပ်တူညီမှု (Equivalence of Random Variables)

[ပြင်ဆင်ရန်]
  • ညီမျှခြင်း (equality) တွင် အကယ်၍ X နှင့် Y တို့ကို တူညီသော ဖြစ်တန်စွမ်း ရပ်ဝန်း (Ω,ℱ,P) အပေါ်တွင် အဓိပ္ပာယ်သတ်မှတ်ထားပါက ω∈Ω အားလုံးအတွက် X(ω)=Y(ω) ဖြစ်သည်။
  • သေချာသလောက်နီးပါး ညီမျှခြင်း (almost sure equality) တွင် အကယ်၍ X နှင့် Y တို့ကို တူညီသော ဖြစ်တန်စွမ်း ရပ်ဝန်း (Ω,ℱ,P) အပေါ်တွင် အဓိပ္ပာယ်သတ်မှတ်ထားပါက P(X≠Y)=0 ဖြစ်သည်။
  • ဖြန့်ဖြူးခြင်းဆိုင်ရာ ညီမျှခြင်း (equality in distribution) တွင် x အားလုံးအတွက် P(X≤x)=P(Y≤x) ဖြစ်သည်။

ကိုးကား (References)

[ပြင်ဆင်ရန်]
  • Castañeda၊ L.; Arunachalam၊ V.; Dharmaraja၊ S. (2012)၊ Introduction to Probability and Stochastic Processes with Applications၊ Wiley၊ ISBN 978-1-118-34494-1
  • Deisenroth၊ Marc Peter; Faisal၊ A. Aldo; Ong၊ Cheng Soon (2020)၊ Mathematics for Machine Learning၊ Cambridge: Cambridge University Press၊ ISBN 978-1-108-47004-9
  • Fristedt၊ Bert; Gray၊ Lawrence (1996)၊ A Modern Approach to Probability Theory၊ Boston: Birkhäuser၊ ISBN 3-7643-3807-5
  • Yates၊ Daniel S.; Moore၊ David S.; Starnes၊ Daren S. (2003)၊ The Practice of Statistics (2nd ed.)၊ New York: W. H. Freeman and Company၊ ISBN 978-0-7167-4773-4
  1. ↑ Deisenroth et al. (2020), p. 15.
  2. ↑ Fristedt & Gray (1996), p. 11.
  3. ↑ Yates et al. (2003), p. 399.
  4. ↑ Castañeda, Arunachalam & Dharmaraja (2012), p. 67.