ค่าที่คาดหวังของอัตราส่วนสูงสุดของตัวแปรปกติ n iid


10

สมมติว่าX1,...,Xnจะ IID จากยังไม่มีข้อความ(μ,σ2)และให้หมายถึง 'TH องค์ประกอบที่เล็กจากX_1,เราจะสามารถผูกอัตราส่วนสูงสุดไว้กับอัตราส่วนระหว่างสององค์ประกอบที่ต่อเนื่องในอย่างไร นั่นคือคุณจะคำนวณส่วนบนได้อย่างไร:X(ผม)ผมX1,...,XnX(ผม)

E[สูงสุดผม=1,...,n-1(X(ผม+1)X(ผม))]

วรรณกรรมที่ฉันสามารถค้นหาได้นั้นมุ่งเน้นไปที่อัตราส่วนระหว่างตัวแปรสุ่มสองตัวซึ่งส่งผลให้มีการแจกแจงอัตราส่วนซึ่ง pdf สำหรับการแจกแจงปกติที่ไม่ได้รับการแจกแจงสองตัวจะได้รับที่นี่: https://en.wikipedia.org/wiki/ Ratio_distribution ในขณะนี้สิ่งนี้จะช่วยให้ฉันสามารถอัตราส่วนอัตราส่วนเฉลี่ยที่คาดหวังของตัวแปรฉันไม่สามารถดูวิธีการทั่วไปแนวคิดนี้เพื่อค้นหาอัตราส่วนสูงสุดที่คาดหวังของตัวแปรnnn


ดังที่ whuber ได้ระบุไว้ด้านล่างความคาดหวังของอัตราส่วนของสถิติการสั่งซื้อต่อเนื่องสองรายการไม่ได้มาบรรจบกัน แต่ถ้าเป็นเช่นนั้นหรือถ้าคุณสนใจความแตกต่างให้พูด ... ในความเป็นจริงปัญหาควรลดความซับซ้อนของการหาอัตราส่วน (หรือความแตกต่างแล้วแต่กรณี) ของสถิติลำดับที่สองที่ใหญ่ที่สุดเช่น ... เพียงแค่จากรูปร่างของก้อยปกติ E [ X ( n ) - X ( n - 1 ) ]
E[maxi=1,...,n1(X(i+1)X(i))]
E[X(n)X(n1)]
wolfies

คำตอบ:


7

ความคาดหวังไม่ได้กำหนด

ปล่อยให้เป็น iid ตามการแจกแจงใด ๆ ที่มีคุณสมบัติต่อไปนี้: มีจำนวนบวกและบวกเช่นนั้น F h ϵXผมFชั่วโมงε

(1)F(x)-F(0)ชั่วโมงx

ทั้งหมด\ คุณสมบัตินี้เป็นจริงของการแจกแจงแบบต่อเนื่องใด ๆ เช่นการแจกแจงแบบปกติซึ่งความหนาแน่นเป็นแบบต่อเนื่องและไม่เป็นศูนย์ที่จากนั้นทำให้เราสามารถ ใช้เวลาค่าคงที่ใด ๆ ระหว่างและ(0)f 0 F ( x ) - F ( 0 ) = f ( 0 ) x + o ( x ) h 0 f ( 0 )0<x<ε0F(x)-F(0)=(0)x+โอ(x)ชั่วโมง0(0)

เพื่อให้การวิเคราะห์ง่ายขึ้นฉันจะถือว่าและซึ่งทั้งสองเป็นจริงสำหรับการแจกแจงปกติทั้งหมด (หลังสามารถมั่นใจได้โดย rescalingถ้าจำเป็นอดีตถูกนำมาใช้เพื่ออนุญาตให้ดูถูกดูแคลนความน่าจะเป็นง่าย ๆ เท่านั้น)1 - F ( 1 ) > 0 FF(0)>01-F(1)>0F

ปล่อยให้และให้เราประเมินค่าฟังก์ชันการเอาตัวรอดของอัตราส่วนเช่นเสื้อ>1

Pr(X(i+1)X(i)>t)=Pr(X(i+1)>tX(i))>Pr(X(i+1)>1, X(i)1/t)>Pr(X(i+1)>1, 1/tX(i)>0, 0X(i1)).

ความน่าจะเป็นหลังนั้นคือโอกาสที่ของเกินอย่างแน่นอนหนึ่งอยู่ในช่วงและที่เหลือ(ถ้ามี) เป็น nonpositive ในแง่ของโอกาสนั้นจะได้รับ โดยการแสดงออกพหุนามX j 1 ( 0 , 1 / t ] i - 1 FniXj1(0,1/t]i1F

(nni,1,i1)(1F(1))ni(F(1/t)F(0))F(0)i1.

เมื่อความไม่เท่าเทียมกันให้ขอบเขตล่างสำหรับสิ่งนี้ซึ่งเป็นสัดส่วนกับแสดงว่า( 1 ) 1 / tt>1/ϵ(1)1/t

ฟังก์ชันการเอาตัวรอดของมีหางที่มีพฤติกรรมแบบ asymptotically เท่ากับ : นั่นคือสำหรับบางจำนวนบวกX ( i + 1 ) / X ( i ) 1 / t S ( t ) = a / t + o ( 1 / t ) aS(t)X(ผม+1)/X(ผม)1/เสื้อS(เสื้อ)=a/เสื้อ+โอ(1/เสื้อ)a

ตามคำนิยามความคาดหวังของตัวแปรสุ่มใด ๆ ที่เป็นความคาดหวังของการมีส่วนร่วมในเชิงบวกบวกกับความคาดหวังของส่วนที่เป็นลบของมัน0) เนื่องจากส่วนที่เป็นบวกของความคาดหวัง - ถ้ามี - เป็นส่วนสำคัญของฟังก์ชันการอยู่รอด (จากถึง ) และ- สูงสุด( - X , 0 ) 0 สูงสุด(X,0)-สูงสุด(-X,0)0

0xS(เสื้อ)dเสื้อ=0x(1/เสื้อ+โอ(1/เสื้อ))dเสื้อαเข้าสู่ระบบ(x),

ส่วนที่เป็นบวกของความคาดหวังของ divergesX(ผม+1)/X(ผม)

อาร์กิวเมนต์เดียวกันที่ใช้กับตัวแปรแสดงส่วนที่เป็นลบของ diverges ความคาดหวัง ดังนั้นความคาดหวังของอัตราส่วนจึงไม่มีที่สิ้นสุด: มันไม่ได้กำหนด-Xผม


2
+1 ฉันเพิ่งลอง 'ง่าย' n=3กรณีตัวเองและลองประเมินความคาดหวัง ... และมาถึงข้อสรุปเดียวกัน: อินทิกรัลความคาดหวังไม่ได้มาบรรจบกัน บางที OP อาจจะโยนคำถามในรูปแบบที่แตกต่างกันเช่นความแตกต่างมากกว่าอัตราส่วน
wolfies
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.