Rasgele bir değişkenin daha düşük ve daha üst sınıra sahip olduğunu varsayalım [0,1]. Böyle bir değişkenin varyansı nasıl hesaplanır?
Rasgele bir değişkenin daha düşük ve daha üst sınıra sahip olduğunu varsayalım [0,1]. Böyle bir değişkenin varyansı nasıl hesaplanır?
Yanıtlar:
Popoviciu'nun eşitsizliğini aşağıdaki gibi ispatlayabilirsiniz. gösterimini ve gösterimini kullanın . Bir fonksiyon tanımlama ile
Türev Bilgisayar ve çözme
o bulmak onun en az elde ( ) olduğuna dikkat edin .
Şimdi, fonksiyonunun değerini özel noktasından düşünün . Bu durumda olmalıdır
Fakat
Yana ve , elimizdeki
ima bu
üzerinde bir dağıtım olsun . Biz varyansı eğer gösterecektir maksimal, sonra olabilir hayır o izler hangi iç destek, Bernoulli ve gerisi önemsiz olduğunu.[ 0 , 1 ] F F F
Gösterim ki, let olmak ham andan inci zamanki gibi şunu yazabiliriz (ve, ve varyans için ).k F μ = μ 1 σ 2 = μ 2 - μ 2
tüm desteğinin bir noktada olmadığını biliyoruz (varyans bu durumda minimumdur ). Diğer şeylerin yanı sıra, bu ima kesinlikle arasındaki Yalan ve . Çelişki ile tartışmak için, iç kısmında olan ölçülebilir bir alt küme olduğunu varsayalım . Herhangi bir genel bozmadan (değiştirerek varsayabiliriz için olduğu olması) diğer bir deyişle,: bir keserek elde edilen parçası , ortalama ve yukarıdaμ 0 1 I ( 0 , 1 ) F ( I ) > 0 XF ( J = I ∩ ( 0 , μ ] ) > 0 J I J Olumlu olasılık var.
Bize değiştirme olsun için dışında tüm olasılık alarak ve en yerleştirerek . F ′ J 0 Bunu yaparken değişir.
Notasyon olarak, bu tür integraller için
Hesaplamak
Sağdaki ikinci terim negatif değildir çünkü her yerinde . Sağdaki ilk terim yeniden yazılabilirμ ≥ x J
Sağdaki ilk terim kesinlikle olumludur çünkü (a) ve (b) çünkü bir noktada konsantre olmadığını varsayıyoruz . Bu şekilde yeniden olabilir, çünkü ikinci terim, negatif olmayan bir ve bu integrali varsayımlardan negatif olmayan bir üzerinde ve . izler .[ 1 ] = F ( J ) < 1 F [ ( μ - x ) ( x ) ]J 0 ≤ x ≤ 1 σ ′ 2 - σ 2 > 0
Az önce varsayımlarımız altında, ye değiştirmenin varyansını kesinlikle arttırdığını gösterdik. Bunun olmasının tek yolu, nin tüm olasılıklarının sırasıyla ve uç noktalarında yoğunlaşmasıdır ( sırasıyla ) ( ) ve sırasıyla değerleri . Varyansı, olduğunda maksimum olan ve orada 4'e eşit olan eşit şekilde kolayca hesaplanır .F ′ F ′ 0 1 1 - p p ( 1 - p ) p = 1 / 2 1 / 4
Şimdi, daki bir dağıtım olduğunda , yeniden alıp üzerindeki bir dağıtıma yeniden ölçeklendiririz . Yeniden başlatma, varyansı değiştirmez, oysa yeniden ölçeklendirme onu böler . Bu nedenle , de maksimum varyansa sahip bir , maksimum varyansa sahip dağılıma karşılık gelir : bu nedenle, varyansa sahip ye dönüştürülen ve ye çevrilen bir Bernoulli dağılımıdır. 2/4 , QED .[ a , b ] [ 0 , 1 ] ( b - a ) 2 K [ a , b ] [ 0 , 1 ] ( 1 / 2 ) [ a , b ] ( b - a ) 2 / 4
Eğer rastgele değişken ile sınırlandırılmışsa ve ortalama biliyorsak , varyans ile sınırlandırılmıştır .μ( b - μ ) ( μ - a )
İlk önce durumunu ele alalım . tüm için , , bundan sonra da . Bu sonucu kullanarak, E [ X 2 ] ≤ E [ X ] σ 2 = E [ X 2 ] - ( E [ X ] 2
Aralıklarına genelleme için ile düşünün ile sınırlı . de sınırlanan tanımlayın . Eşdeğer olarak, , ve böylece burada eşitsizlik ilk sonuca dayanır. Şimdi, , sınır ki istenen sonuç.b > a Y [ a , b ] X = Y - a [0,1V a r [ Y ] = ( b - a ) 2 V a r [ X ] ≤ ( b - a ) 2 μ X ( 1μ X = μ Y - a
@ User603'ün isteği üzerine ....
Yararlı bir üst varyans bağlı değerleri alır rastgele değişkenin olasılıkla olan . Özel durum için bir kanıt (OP'nin sorduğu şey) burada matematikte bulunabilir . SEE ve kolaylıkla daha genel duruma uyarlanabilir. Ve aynı zamanda yanıt olarak, burada referans olarak yukarıda benim yorum belirtildiği gibi, değerleri alan bir ayrık rastgele değişken ve , eşit olasılıkla sahip varyans ve dolayısıyla daha sıkı bir genel sınır bulunamamıştır. [ a , b ] 1 a=0,b=1
Akılda tutulması gereken bir başka nokta, sınırlandırılmış bir rastgele değişkenin sonlu varyansa sahip olmasıdır, oysa sınırlandırılmamış bir rasgele değişken için varyans sonlu olmayabilir ve bazı durumlarda tanımlanamayabilir. Örneğin, ortalama Cauchy rasgele değişkenleri için tanımlanamaz ve bu nedenle kişi varyansı tanımlayamaz (ortalamadan kare sapma beklentisi olarak).
Bunun genel olarak doğru olduğundan emin misiniz - sürekli ve ayrık dağılımlar için? Diğer sayfalara bir link verebilir misiniz? daki genel bir dağıtım için olduğunu göstermek önemsizdir Keskin eşitsizliklerin var olduğunu hayal edebiliyorum ... Sonuçlarınız için faktöre ihtiyacınız var mı?V a r ( X ) = E [ ( X - E [ X ] ) 2 ] ≤ E [ ( b - a ) 2 ] = ( b - a ) 2 . 1 / 4
Diğer yandan , popoviciu's_inquality wikipedia'daki adı altında faktörüyle bulabilirsiniz .
Bu makale wikipedia makalesinden daha iyi görünüyor ...
Düzgün bir dağılım için