单个随机变量的函数的分布

709 阅读1分钟

上次看数字图像处理时,在关于图像直方图均衡处理 (page74) 时,有一个公式:

ps(s)=pr(r)drdsp_s(s)=p_r(r)|\frac{dr}{ds}|

开始不知道如何推导出这个公式的,后面想到概率论与数理统计上好像讲到过这个推导过程,现找到 (page51) 记录如下:


f(x)f(x)是严格单调函数,随机变量XX的密度函数pX(x)p_X(x),试证明对于随机变量Y=f(X)Y=f(X),其密度函数

pY(y)=pX[f1(y)][f1(y)]p_Y(y)=p_X[f^{-1}(y)]\cdot |[f^{-1}(y)]'|

这里x=f1(y)x=f^{-1}(y)y=f(x)y=f(x)的反函数。

证明 f(x)f(x)为严格单调增函数,则f(x)>0f'(x)>0. 因而其反函数x=f1(y)x=f^{-1}(y)存在且亦为单调增函数,即[f1(y)]>0[f^{-1}(y)]'>0,则

FY[y]=P{Yy}=P{f(X)y}=P{Xf1(y)}=FX(f1(y))F_Y[y]=P\{Y\le y\}=P\{f(X)\le y\}=P\{X\le f^{-1}(y)\}=F_X(f^{-1}(y))

进而

pY(y)=pX[f1(y)][f1(y)]=pX(f1(y))[f1(y)]p_Y(y)=p_X[f^{-1}(y)][f^{-1}(y)]'=p_X(f^{-1}(y))|[f^{-1}(y)]'|

f(x)f(x)为严格单调减函数,则f(x)<0f'(x)<0,此时[f1(y)]<0[f^{-1}(y)]'<0,则

FY(y)=P{Yy}=P{f(X)y}=P{Xf1(y)}=1FX[f1(y)]F_Y(y)=P\{Y\le y\}=P\{f(X)\le y\}=P\{X\ge f^{-1}(y)\}=1-F_X[f^{-1}(y)]

从而

pY(y)=pX[f1(y)][f1(y)]=pX[f1(y)][f1(y)]p_Y(y)=-p_X[f^{-1}(y)][f^{-1}(y)]'=p_X[f^{-1}(y)]|[f^{-1}(y)]'|

因而证得

pY(y)=pX[f1(y)][f1(y)]p_Y(y)=p_X[f^{-1}(y)]|[f^{-1}(y)]'|

因为s=T(r)s=T(r),所以r=T1(s)r=T^{-1}(s),又[T1(s)]=1/T(r)=dr/ds[T^{-1}(s)]'={1}/{T(r)'}=dr/ds,所以ps(s)=pr(T1(s))dr/ds=pr(r)dr/dsp_s(s)=p_r(T^{-1}(s))|dr/ds|=p_r(r)|dr/ds|