सशर्त संभाव्यता वितरण

संभाव्यता सिद्धांत एवं सांख्यिकी में, दो संयुक्त संभाव्यता वितरण यादृच्छिक चर दिए गए हैं $$X$$ एवं $$Y$$, की नियमबद्ध संभाव्यता वितरण $$Y$$ दिया गया $$X$$ का संभाव्यता वितरण है। $$Y$$ कब विशेष मान $$X$$ के रूप में जाना जाता है, कुछ स्थितियों में नियमबद्ध संभावनाओं को अनिर्दिष्ट मान वाले कार्यों के रूप में व्यक्त किया जा सकता है। कब दोनों $$X$$ एवं $$Y$$ श्रेणीबद्ध चर होते हैं, नियमबद्ध संभावना सारणी सामान्यतः नियमबद्ध संभावना का प्रतिनिधित्व करने के लिए उपयोग की जाती है। नियमबद्ध वितरण यादृच्छिक चर के सीमांत वितरण के विपरीत है, जो कि अन्य चर के मान के संदर्भ के बिना इसका वितरण होता है।

यदि $$Y$$ का नियमबद्ध वितरण दिया गया $$X$$ सतत वितरण होता है, तो इसके संभाव्यता घनत्व फंक्शन को नियमबद्ध घनत्व फंक्शन के रूप में जाना जाता है।  नियमबद्ध वितरण के गुण, जैसे क्षण (गणित), प्रायः नियमबद्ध माध्य एवं नियमबद्ध भिन्नता जैसे संबंधित नामों से संदर्भित होते हैं।

अधिक सामान्यतः दो से अधिक चर के समूह के उपसमुच्चय के नियमबद्ध वितरण का उल्लेख कर सकते हैं; यह नियमबद्ध वितरण शेष सभी चरों के मूल्यों पर आकस्मिक है, एवं अधिक चर उपसमुच्चय में सम्मिलित हैं, तो यह नियमबद्ध वितरण सम्मिलित चरों का नियमबद्ध संयुक्त वितरण होता है।

नियमबद्ध असतत वितरण
असतत यादृच्छिक चर के लिए, नियमबद्ध संभाव्यता द्रव्यमान फंक्शन $$Y$$ दिया गया, $$X=x$$ इसकी परिभाषा के अनुसार लिखा जा सकता है।

$$P(X=x)$$ होने के कारण भाजक में यह केवल गैर-शून्य के लिए परिभाषित किया गया है (इसलिए सख्ती से सकारात्मक) $$P(X=x).$$संभाव्यता वितरण के साथ संबंध $$X$$ एवं $$Y$$ दिया गया है।


 * $$P(Y=y \mid X=x) P(X=x) = P(\{X=x\} \cap \{Y=y\}) = P(X=x \mid Y=y)P(Y=y).$$

उदाहरण
मेले के रोल एवं पर विचार करें,  $$X=1$$ अगर संख्या सम है (अर्थात, 2, 4, या 6) एवं $$X=0$$ अन्यथा,  इसके अतिरिक्त, चलो $$Y=1$$ यदि संख्या अभाज्य है (अर्थात, 2, 3, या 5) एवं $$Y=0$$ है। बिना शर्त संभावना है कि $$X=1$$ 3/6 = 1/2 है (चूंकि डाइस के छह संभावित रोल हैं, जिनमें से तीन सम हैं), जबकि संभावना है कि $$X=1$$ नियमबद्ध $$Y=1$$ 1/3 है (चूँकि तीन संभावित अभाज्य संख्याएँ हैं - 2, 3, एवं 5 - जिनमें से सम है)।

नियमबद्ध निरंतर वितरण
इसी प्रकार निरंतर यादृच्छिक चर के लिए, नियमबद्ध प्रायिकता घनत्व फंक्शन $$Y$$ मूल्य की घटना को देखते हुए $$x$$ को $$X$$ रूप में लिखा जा सकता है।

जहाँ $$f_{X,Y}(x,y)$$ का संयुक्त वितरण $$X$$ एवं $$Y$$ देता है, जबकि $$f_X(x)$$ के लिए सीमांत घनत्व देता है। $$X$$ के साथ ही इस विषय में यह $$f_X(x)>0$$ आवश्यक होता है। संभाव्यता वितरण के साथ संबंध $$X$$ द्वारा $$Y$$ दिया गया है।
 * $$f_{Y\mid X}(y \mid x)f_X(x) = f_{X,Y}(x, y) = f_{X|Y}(x \mid y)f_Y(y). $$

सतत यादृच्छिक चर के नियमबद्ध वितरण की अवधारणा उतनी सरल नहीं है जितनी यह लग सकती है, बोरेल का विरोधाभास दर्शाता है कि नियमबद्ध संभाव्यता घनत्व कार्यों को समन्वय परिवर्तनों के अनुसार अपरिवर्तनीय नहीं होना चाहिए।

उदाहरण
आलेख यादृच्छिक चर के लिए द्विचर सामान्य वितरण $$X$$ एवं $$Y$$ दिखाता है, वितरण देखने के लिए $$Y$$ नियमबद्ध कोई पहले रेखा $$X=70$$ की कल्पना कर सकता है, $$X=70$$ में $$X,Y$$ विमान (ज्यामिति), एवं उस रेखा वाले विमान की कल्पना करें, एवं $$X,Y$$ इसके लंबवत विमान संयुक्त सामान्य घनत्व के साथ उस विमान का चौराहा, प्रतिच्छेदन के अनुसार इकाई क्षेत्र देने के लिए पुन: स्केल किया गया, प्रासंगिक नियमबद्ध घनत्व $$Y$$ है।

$$Y\mid X=70 \ \sim\ \mathcal{N}\left(\mu_1+\frac{\sigma_1}{\sigma_2}\rho( 70 - \mu_2),\, (1-\rho^2)\sigma_1^2\right).$$

स्वतंत्रता से संबंध
यादृच्छिक चर सांख्यिकीय स्वतंत्रता $$X$$, $$Y$$ हैं, यदि $$Y$$ एवं $$X$$ केवल यदि का नियमबद्ध वितरण दिया गया  है, $$X$$ के सभी संभव प्राप्तियों के लिए $$Y$$ के बिना शर्त वितरण के समान असतत होता है, यादृच्छिक चर के लिए $$P(Y=y|X=x) = P(Y=y)$$ इसका अर्थ है, प्रत्येक संभव $$y$$ के लिए एवं $$x$$ के साथ $$P(X=x)>0$$. निरंतर यादृच्छिक चर के लिए $$X$$ एवं $$Y$$, संयुक्त घनत्व फंक्शन होने का अर्थ है, $$f_Y(y|X=x) = f_Y(y)$$ सभी संभव के लिए $$y$$ एवं $$x$$ के साथ $$f_X(x)>0$$ होता है।

गुण
के कार्य के रूप में देखा जाता है $$y$$ माफ़ कर दिया $$x$$, $$P(Y=y|X=x)$$ प्रायिकता द्रव्यमान फलन है एवं इसलिए सभी का योग है $$y$$ (या अभिन्न अगर यह  नियमबद्ध संभाव्यता घनत्व है) 1 है। के कार्य के रूप में देखा गया $$x$$ माफ़ कर दिया $$y$$, यह  संभावना कार्य है, ताकि सभी का योग हो $$x$$ 1 नहीं होना चाहिए।

इसके अतिरिक्त, संयुक्त वितरण के सीमांत को संबंधित नियमबद्ध वितरण की अपेक्षा के रूप में व्यक्त किया जा सकता है। उदाहरण के लिए, $$ p_X(x) = E_{Y}[p_{X|Y}(X \ |\ Y)] $$.

माप-सैद्धांतिक सूत्रीकरण
होने देना $$(\Omega, \mathcal{F}, P)$$ संभाव्यता स्थान हो, $$\mathcal{G} \subseteq \mathcal{F}$$ a $$\sigma$$-फ़ील्ड इन $$\mathcal{F}$$. दिया गया $$A\in \mathcal{F}$$, रैडॉन-निकोडिम प्रमेय का तात्पर्य है कि वहाँ है a $$\mathcal{G}$$- मापने योग्य यादृच्छिक चर $$P(A\mid\mathcal{G}):\Omega\to \mathbb{R}$$, नियमबद्ध संभाव्यता कहा जाता है, जैसे कि$$\int_G P(A\mid\mathcal{G})(\omega) dP(\omega)=P(A\cap G)$$हर के लिए $$G\in \mathcal{G}$$, एवं इस तरह के  यादृच्छिक चर को प्रायिकता शून्य के समूह तक विशिष्ट रूप से परिभाषित किया गया है। नियमबद्ध संभाव्यता को नियमित नियमबद्ध संभावना कहा जाता है यदि  $$ \operatorname{P}(\cdot\mid\mathcal{G})(\omega) $$ पर  संभावना उपाय है $$(\Omega, \mathcal{F})$$ सभी के लिए $$\omega \in \Omega$$ ए.ई.

विशेष स्थितियां:

होने देना $$X : \Omega \to E$$ हो $$(E, \mathcal{E})$$-मूल्यवान यादृच्छिक चर। प्रत्येक के लिए $$B \in \mathcal{E}$$, परिभाषित करना $$\mu_{X \, | \, \mathcal{G}} (B \, |\, \mathcal{G}) = \mathrm{P} (X^{-1}(B) \, | \, \mathcal{G}).$$किसी के लिए $$\omega \in \Omega$$, कार्यक्रम $$\mu_{X \, | \mathcal{G}}(\cdot \, | \mathcal{G}) (\omega) : \mathcal{E} \to \mathbb{R}$$ नियमबद्ध अपेक्षा कहा जाता है # की नियमबद्ध संभाव्यता वितरण की परिभाषा $$X$$ दिया गया $$\mathcal{G}$$. यदि यह संभाव्यता माप है $$(E, \mathcal{E})$$, तो इसे नियमित नियमबद्ध संभाव्यता कहा जाता है।
 * तुच्छ सिग्मा बीजगणित के लिए $$\mathcal G= \{\emptyset,\Omega\}$$, नियमबद्ध संभावना स्थिर कार्य है $$\operatorname{P}\!\left( A\mid \{\emptyset,\Omega\} \right) = \operatorname{P}(A).$$
 * अगर $$A\in \mathcal{G}$$, तब $$\operatorname{P}(A\mid\mathcal{G})=1_A$$, संकेतक फ़ंक्शन (नीचे परिभाषित)।

वास्तविक-मूल्यवान यादृच्छिक चर के लिए (बोरेल के संबंध में $$\sigma$$-मैदान $$\mathcal{R}^1$$ पर $$\mathbb{R}$$), प्रत्येक नियमबद्ध संभाव्यता वितरण नियमित है। इस मामले में,$$E[X \mid \mathcal{G}] = \int_{-\infty}^\infty x \, \mu(d x, \cdot)$$ लगभग निश्चित रूप से।

नियमबद्ध अपेक्षा से संबंध
किसी भी घटना के लिए $$A \in \mathcal{F}$$, सूचक फंक्शन को परिभाषित करें:


 * $$\mathbf{1}_A (\omega) = \begin{cases} 1 \; &\text{if } \omega \in A, \\ 0 \; &\text{if } \omega \notin A, \end{cases}$$

जो यादृच्छिक चर है। ध्यान दें कि इस यादृच्छिक चर की अपेक्षा स्वयं A की प्रायिकता के बराबर है:


 * $$\operatorname{E}(\mathbf{1}_A) = \operatorname{P}(A). \; $$

ए दिया $$\sigma$$-मैदान $$\mathcal{G} \subseteq \mathcal{F}$$, नियमबद्ध संभावना $$ \operatorname{P}(A\mid\mathcal{G})$$ के लिए संकेतक फ़ंक्शन की नियमबद्ध अपेक्षा का संस्करण है $$A$$:


 * $$\operatorname{P}(A\mid\mathcal{G}) = \operatorname{E}(\mathbf{1}_A\mid\mathcal{G}) \; $$

नियमित नियमबद्ध संभाव्यता के संबंध में यादृच्छिक चर की अपेक्षा इसकी नियमबद्ध अपेक्षा के बराबर है।

यह भी देखें

 * कंडीशनिंग (संभावना)
 * नियमबद्ध संभाव्यता
 * नियमित नियमबद्ध संभावना
 * बेयस प्रमेय

स्रोत


श्रेणी:संभाव्यता वितरण का सिद्धांत श्रेणी: नियमबद्ध संभावना