Powiedz, że jest ciągłą zmienną losową, a X jest zmienną dyskretną. \ Pr (X = x | Y = y) = \ frac {\ Pr (X = x) \ Pr (Y = y | X = x)} {\ Pr (Y = y)}
Jak wiemy, ponieważ jest ciągłą zmienną losową. Na tej podstawie kuszę się do wniosku, że prawdopodobieństwo jest niezdefiniowane.
Jednak Wikipedia twierdzi tutaj, że tak naprawdę jest zdefiniowana następująco:
Pytanie: Jakiś pomysł, w jaki sposób Wikipedii udało się określić to prawdopodobieństwo?
Moja próba
Oto moja próba uzyskania wyniku Wikipedii pod względem limitów:
Teraz wydaje się , że , który pasuje twierdzi Wikipedia.
Czy tak właśnie zrobiła Wikipedia?
Ale nadal czuję, że nadużywam rachunku różniczkowego. Myślę więc, że jest niezdefiniowany, ale w miarę zbliżania się limitu do zdefiniowania i , ale nie wzrokowo, to jest zdefiniowane.
Ale jestem w dużej mierze niepewny co do wielu rzeczy, w tym sztuczki z limitami, którą tam zrobiłem, czuję, że może nawet nie w pełni rozumiem sens tego, co zrobiłem.
źródło
Odpowiedzi:
Warunkowy rozkład prawdopodobieństwa , x ∈ X , y ∈ Y jest formalnie zdefiniowany jako rozwiązanie równania P ( X = x , Y ∈ A ) = ∫ A P ( X = x | Y = y ) f Y ( y ) d yP(X=x|Y=y) x∈X y∈Y , gdzie σ ( Y ) ma uprzednio σ -algebra związane z rozkładem Y . Jedno z tych rozwiązań zapewnia formuła Bayesa (1763), jak wskazano wWikipedii: P ( X = x | Y = y ) = P ( X = x ) f Y | X = x ( y )
Uwaga: oto jeszcze bardziej formalne wprowadzenie, zaczerpnięte z przeglądu teorii prawdopodobieństwa na blogu Terry Tao :
źródło
Mieszana gęstość spoiny:
Gęstość krańcowa i prawdopodobieństwo:
Gęstość warunkowa i prawdopodobieństwo:
Reguła Bayesa:
Oczywiście nowoczesnym, rygorystycznym sposobem radzenia sobie z prawdopodobieństwem jest teoria miar. Definicja precyzji znajduje się w odpowiedzi Xi'ana.
źródło
Edycja: Z powodu zamieszania związanego z notacją (patrz komentarze) powyższe tak naprawdę odnosi się do sytuacji odwrotnej do tego, o co pytał jaskiniowiec.
źródło