Diyelim ki . ABS


18

Aşağıdaki ifadenin doğru olduğunu görmenin en kolay yolu nedir ?

Diyelim ki Y 1 , , Y n iid Exp ( 1 )Y1,,YniidExp(1) . ABS n i = 1 ( Y i - Y ( 1 ) ) Gama ( n - 1 , 1 )ni=1(YiY(1))Gamma(n1,1) .

Not bu Y ( 1 ) = dk 1 i n Y iY(1)=min1inYi .

Tarafından X Uzm ( β )XExp(β) , bu araçlarının f X ( x ) = 1β E-X/β1{x>0}fX(x)=1βex/β1{x>0} .

Y _ {(1)} \ sim \ text {Üstel} (1 / n) olduğunu görmek kolaydır Y ( 1 )Üstel(1 / n)Y(1)Exponential(1/n). Ayrıca, f_ {Y} (y) = \ dfrac { parametrelemesi altında \ sum_ {i = 1} ^ {n} Y_i \ sim \ text {Gamma} (\ alpha = n, \ beta = 1) var. 1} {\ Gamma (\ alpha) \ beta ^ {\ alpha}} x ^ {\ alpha-1} e ^ {- x / \ beta} \ mathbf {1} _ {\ {x> 0 \}} \ metin {,} \ qquad \ alpha, \ beta> 0 \ text {.}n i = 1 Y iGama ( α = n , β = 1 )ni=1YiGamma(α=n,β=1)f Y ( y ) = 1Γ ( α ) β α xα-1e-x/β1{x>0}α , β > 0 .

fY(y)=1Γ(α)βαxα1ex/β1{x>0}α,β>0.

Xi'an'ın Cevabı verilen çözüm : Orijinal sorudaki gösterimi kullanarak: n i=1[Yi-Y(1)]= n i = 1 [ Y ( i ) - Y ( 1 ) ]= n i = 1 Y ( i ) - n Y ( 1 )= n i = 1 { Y ( i ) - Y ( i - 1 ) + Y ( i - 1 ) - - Y ( 1 ) + Y ( 1 ) } - n Y ( 1 )=ni=1ij=1{Y(j)Y(j1)}nY(1) where Y(0)=0=nj=1ni=j{Y(j)Y(j1)}nY(1)=nj=1(nj+1)[Y(j)Y(j1)]nY(1)=ni=1(ni+1)[Y(i)Y(i1)]nY(1)=ni=2(ni+1)[Y(i)Y(i1)]+nY(1)nY(1)=ni=2(ni+1)[Y(i)Y(i1)].

i=1n[YiY(1)]=i=1n[Y(i)Y(1)]=i=1nY(i)nY(1)=i=1n{Y(i)Y(i1)+Y(i1)Y(1)+Y(1)}nY(1)=i=1nj=1i{Y(j)Y(j1)}nY(1) where Y(0)=0=j=1ni=jn{Y(j)Y(j1)}nY(1)=j=1n(nj+1)[Y(j)Y(j1)]nY(1)=i=1n(ni+1)[Y(i)Y(i1)]nY(1)=i=2n(ni+1)[Y(i)Y(i1)]+nY(1)nY(1)=i=2n(ni+1)[Y(i)Y(i1)].
Bundan, ni=2(ni+1)[Y(i)Y(i1)]Gamma(n1,1)ni=2(ni+1)[Y(i)Y(i1)]Gamma(n1,1)1) .

1
@MichaelChernick 1) Bağımsızlık kanıtımın doğru olup olmadığından emin değilim ve 2) Yukarıda tahmin ettiğim sonucun Gamma dağılımları arasındaki farkın doğru olup olmadığından emin değilim. Bu, burada verilenlerle çelişiyor gibi görünüyor , ancak belki de bu durum farklıdır, çünkü bu fark sipariş istatistiklerinden birini içerir? Emin değilim.
Klarnetçi

1
@Clarinetist, emin değilim. Belki ile çalışmayı deneyin . Bu sorunun cevabı faydalı olabilir: math.stackexchange.com/questions/80475/…ni=2(Y(i)Y(1))ni=2(Y(i)Y(1))
gammer

3
İspat çalıştı mı, her - bir haricinde için, ve daha sonra, iid Üstel değişkenlerin toplamının Gama dağıtılacağı gerçeğini kullanarak ? (YiY(1))Expon(1)(YiY(1))Expon(1)iiYiY(1)=0YiY(1)=0(n1)(n1)
Marcelo Ventura

1
@jbowman ve üzerinde , bunu , vererek , bu nedenle . İşte bu kanıt hakkında beni rahatsız eden şey: sabit olarak gördüm . Fakat sabit değildir. Bu neden işe yarar? fZi(zi)=fYi(zi+a)=e(zi+a)
fZi(zi)=fYi(zi+a)=e(zi+a)
YiaYiaeaeaeziezi(ZiYiA)Exp(1)(ZiYiA)Exp(1)AAY(1)Y(1)
Klarnetçi

1
Nokta önemi yok olmasıdır olduğunu! Dağıtım her zaman ! Dikkat çekici, değil mi? Ve bundan dağılımının , gerçek değerine bakılmaksızın için her zaman olduğu sonucuna varabilirsiniz . aaExp(1)Exp(1)YiY[1]YiY[1]Exp(1)Exp(1)i>1i>1Y[1]Y[1]
jbowman

Yanıtlar:


15

Kanıt, Devroye'nin Düzgün Olmayan Rastgele Değişken Üretimi , Tüm Rastgele Nesil Kitapların Annesinde , s.211'de (ve çok zarif bir kitaptır !):

Teoremi 2.3 (sukhatme, 1937) tanımladığımızı Eğer normalize üstel aralıkları elde edilen sıra istatistikleri boyutta bir iid üstel numunenin kendileri iid üstel değişkenlerE(0)=0E(0)=0(ni+1)(E(i)E(i1))

(ni+1)(E(i)E(i1))
E(1)E(n)E(1)E(n)nn

Kanıt. Yana sipariş istatistiğinin ortak yoğunluğu olarak yazar Ayarı , değişkenlerin ila sabit bir Jacobian [tesadüfen eşitancak bunun hesaplanması gerekmez] ve dolayısıylani=1ei=ni=1e(i)=ni=1ij=1(e(j)e(j1))=nj=1ni=j(e(j)e(j1))=nj=1(nj+1)(e(j)e(j1))

i=1nei=i=1ne(i)=i=1nj=1i(e(j)e(j1))=j=1ni=jn(e(j)e(j1))=j=1n(nj+1)(e(j)e(j1))
(E(1),,E(n))(E(1),,E(n))f(e)=n!exp{ni=1e(i)}=n!exp{ni=1(ni+1)(e(i)e(i1))}
f(e)=n!exp{i=1ne(i)}=n!exp{i=1n(ni+1)(e(i)e(i1))}
Yi=(E(i)E(i1))Yi=(E(i)E(i1))(E(1),,E(n))(E(1),,E(n))(Y1,,Yn)(Y1,,Yn)1/n!1/n!(Y1,,Yn)(Y1,,Yn) , sonucu oluşturan . QEDexp{ni=1yi}
exp{i=1nyi}

Gerard Letac tarafından önerildi alternatif kontrol etmektir aynı dağılımına sahip (hafızasız özellik nedeniyle), anlaşılır.(E(1),,E(n))

(E(1),,E(n))
(E1n,E1n+E2n1,,E1n+E2n1++En1)
(E1n,E1n+E2n1,,E1n+E2n1++En1)
nk=1(EkE(1))n1k=1Ek
k=1n(EkE(1))k=1n1Ek

1
Bu cevap için teşekkürler! Gelecekte bu okuma herkes için bazı ayrıntıları doldurmak istiyorum: gözlemlenen değerlerdir ve kolay yolu görmek için bu , dönem yazmaktır . Yoğunluğu nedeniyle olan orantılı , ayrı yoğunluğu görmek için orantılı , dolayısıyla .eieiEiEini=1e(i)=ni=1(ni+1)(e(i)e(i1))=ni=1e(i)ni=1e(i)=ni=1(ni+1)(e(i)e(i1))=ni=1e(i)ni=1(ni+1)(e(i)e(i1))ni=1(ni+1)(e(i)e(i1))(Y1,,Yn)(Y1,,Yn)exp(ni=1yi)exp(ni=1yi)yiyini=1eyini=1eyiY1,,YniidExp(1)Y1,,YniidExp(1)
Klarnetçi

5

Burada @jbowman tarafından yapılan yorumlarda önerilenleri ortaya koydum.

Sabit . Let bir izleyin ve düşünün . Sonraa0a0YiYiExp(1)Exp(1)Zi=YiaZi=Yia

Pr(ZiziYia)=Pr(YiaziYia)

Pr(ZiziYia)=Pr(YiaziYia)

Pr(Yizi+aYia)=Pr(Yizi+a,Yia)1Pr(Yia)

Pr(Yizi+aYia)=Pr(Yizi+a,Yia)1Pr(Yia)

Pr(aYizi+a)1Pr(Yia)=1ezia1+eaea=1ezi

Pr(aYizi+a)1Pr(Yia)=1ezia1+eaea=1ezi

nin dağıtım işlevidir .Exp(1)Exp(1)

Şunu açıklayalım: bir rv'nin aralığın alt sınırını (payda) aşması koşuluyla belirli bir aralıkta düşme olasılığı (son satırdaki pay), yalnızca aralığın uzunluğu ve bu aralığın gerçek hatta yerleştirildiği yerde değil. Exp(1)Exp(1)Bu, Üstel dağılımın " hafızasızlık " özelliğinin, daha genel bir ortamda, zaman-yorumlardan arınmış bir enkarnasyonudur (ve genel olarak Üstel dağılım için geçerlidir)

Şimdi, kullanmak da biz zorla olmayan negatif olduğu, ve en önemlisi, elde edilen sonuç, tutan . Yani şunu söyleyebiliriz: {Yia}{Yia}ZiZiaR+aR+

Eğer , daha sonra . YiExp(1)YiExp(1)Q0:Zi=YiQ0Q0:Zi=YiQ0 ZiExp(1)ZiExp(1)

Tüm negatif olmayan gerçek değerleri almakta özgür olan ve gerekli eşitsizliğin her zaman sahip olduğu (neredeyse kesin olarak) bir bulabilir miyiz ? Eğer yapabilirsek, koşullama argümanından vazgeçebiliriz. Q0Q0

Ve gerçekten yapabiliriz. Bu ise en az dereceden istatistik , , . Yani biz elde ettikQ=Y(1)Q=Y(1)Pr(YiY(1))=1Pr(YiY(1))=1

YiExp(1)YiY(1)Exp(1)

YiExp(1)YiY(1)Exp(1)

Bunun anlamı şudur ki

Pr(YiY(1)yiy(1))=Pr(Yiyi)

Pr(YiY(1)yiy(1))=Pr(Yiyi)

Olasılıksal yapısı, yani biz minimum sipariş istatistik çıkarma değişmeden kalır, bu, aşağıdaki rastgele değişkenler ve burada bağımsız aralarındaki olası bağlantıdan dolayı bağımsızdırlar, olasılık yapısı üzerinde bir etkiye sahip değildir.YiYiZi=YiY(1)Zi=YiY(1)Zj=YjY(1)Zj=YjY(1)Yi,YjYi,YjY(1)Y(1)

Daha sonra toplam içerir rastgele değişkenler (ve bir sıfır) IID ve böyleceni=1(YiY(1))ni=1(YiY(1))n1n1 Exp(1)Exp(1)

ni=1(YiY(1))Gamma(n1,1)

i=1n(YiY(1))Gamma(n1,1)
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.