สมมติว่า


18

เป็นอะไรที่ง่ายที่สุดวิธีที่จะเห็นว่าคำสั่งดังต่อไปนี้เป็นจริงหรือไม่?

สมมติว่า(1) แสดง1)Y 1 , , Y n iid Exp ( 1 ) Y1,,YniidExp(1)n i = 1 ( Y i - Y ( 1 ) ) Gamma ( n - 1 , 1 )ni=1(YiY(1))Gamma(n1,1)

โปรดทราบว่าn}Y ( 1 ) = ขั้นต่ำ1 i n Y iY(1)=min1inYi

โดยX Exp ( β )XExp(β)นี่หมายความว่าf X ( x ) = 1βอี-x/β1{x>0}fX(x)=1βex/β1{x>0}\}}

มันเป็นเรื่องง่ายที่จะเห็นว่าY ( 1 )เลขชี้กำลัง( 1 / n )Y(1)Exponential(1/n)n) นอกจากนี้เรายังมีn i = 1 Y iแกมม่า( α = n , β = 1 )ni=1YiGamma(α=n,β=1)ภายใต้การตั้งค่า f Y ( y ) = 1Γ ( α ) β α xα-1อี-x/β1{x>0}α , β > 0

fY(y)=1Γ(α)βαxα1ex/β1{x>0}α,β>0.

ทางแก้ที่ได้รับคำตอบของซีอาน : ใช้สัญลักษณ์ในคำถามเดิม: 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 )= n i = 1 i j = 1 { Y ( j ) - Y ( j - 1 ) } - n Y ( 1 )  โดยที่  Y ( 0 ) = 0= n j = 1 n i = j { Y ( j ) - Y ( j - 1 ) } - n Y ( 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)].
จากนี้เราจะได้รับni=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) ฉันไม่แน่ใจว่าหลักฐานการพิสูจน์ความเป็นอิสระของฉันถูกต้องหรือไม่ 2) ฉันไม่แน่ใจว่าผลลัพธ์ที่ฉันคาดไว้ข้างต้นเกี่ยวข้องกับความแตกต่างของการแจกแจงแกมม่าหรือไม่ นี่ดูเหมือนจะขัดแย้งกับสิ่งที่ได้รับที่นี่แต่บางทีสถานการณ์นี้แตกต่างกันเนื่องจากความแตกต่างนี้รวมถึงหนึ่งในสถิติการสั่งซื้อ ฉันไม่แน่ใจ.
Clarinetist

1
@ Clarinetist ฉันไม่แน่ใจ อาจลองใช้กับซึ่งจะเท่ากับผลรวมที่คุณทำงานอย่างชัดเจน คำตอบที่นี่อาจจะเป็นประโยชน์: math.stackexchange.com/questions/80475/...ni=2(Y(i)Y(1))ni=2(Y(i)Y(1))
หญิงชรา

3
มีคุณพยายามที่จะพิสูจน์ว่าแต่ละ - ยกเว้นซึ่งและแล้ว การใช้ความจริงที่ว่าผลรวมของ iid ความแปรปรวนแบบเอ็กซ์โพแนนเชียลจะมีการแจกแจงแกมม่าหรือไม่? (YiY(1))Expon(1)(YiY(1))Expon(1)iiYiY(1)=0YiY(1)=0(n1)(n1)
Marcelo Ventura

1
@jbowman เรามีและมีเงื่อนไขในเราแบ่งสิ่งนี้โดยให้เพราะฉะนั้นเรามี(1) ทีนี้นี่คือสิ่งที่ทำให้ฉันเกี่ยวกับข้อพิสูจน์นี้: ฉันถือว่าเป็นค่าคงที่ แต่ไม่ใช่ค่าคงที่ ทำไมถึงใช้งานได้? 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)
คลาริเน็ต

1
ประเด็นก็คือว่ามันไม่สำคัญว่าสิ่งเป็น! การแจกแจงอยู่เสมอ ! โดดเด่นใช่มั้ย และจากนี้คุณสามารถสรุปได้ว่าการกระจายของอยู่เสมอสำหรับโดยไม่คำนึงถึงมูลค่าที่แท้จริงของ{[1]} aaExp(1)Exp(1)YiY[1]YiY[1]Exp(1)Exp(1)i>1i>1Y[1]Y[1]
jbowman

คำตอบ:


15

การพิสูจน์นั้นได้รับจากแม่ของหนังสือทุกรุ่นที่มีการสร้างชุดรูปแบบสุ่มที่ไม่สม่ำเสมอของ Devroye ในหน้า 214 (และเป็นรูปแบบที่หรูหรามาก!):

ทฤษฎีบท 2.3 (Sukhatme, 1937)หากเรากำหนดดังนั้นการเว้นวรรคแบบธรรมดา มาจาก สถิติการสั่งซื้อของตัวอย่างเลขชี้กำลังของ iid ขนาด เป็นตัวของพวกเขาเองE(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

พิสูจน์ ตั้งแต่ the ความหนาแน่นร่วมกันของสถิติการสั่งซื้อเขียนเป็น ตั้งค่า , การเปลี่ยนแปลงของตัวแปรจากถึงมี Jacobian คงที่ [บังเอิญเท่ากับแต่สิ่งนี้ไม่จำเป็นต้องคำนวณ] และด้วยเหตุนี้ความหนาแน่นของni=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)เป็นสัดส่วนกับ ซึ่งกำหนดผลลัพธ์ QEDexp{ni=1yi}
exp{i=1nyi}

อีกทางเลือกหนึ่งที่ฉันแนะนำโดยGérard Letac คือการตรวจสอบว่ามีการแจกแจงแบบเดียวกับ (โดยอาศัยคุณสมบัติที่ไม่มีหน่วยความจำ) ซึ่งทำให้ได้มาของ ตรงไปตรงมา(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
ขอบคุณสำหรับคำตอบนี้! ฉันต้องการกรอกรายละเอียดบางอย่างสำหรับผู้ที่อ่านข้อความนี้ในอนาคต:เป็นค่าที่สังเกตได้ของและวิธีที่ง่ายที่สุดในการดูเขียนคำต่อคำ เนื่องจากความหนาแน่นของเป็นสัดส่วนกับแยกเพื่อดูความหนาแน่นเป็นสัดส่วนกับจึง(1)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)
คลาริเน็ต

5

ฉันออกมาที่นี่สิ่งที่ได้รับการแนะนำในความคิดเห็นโดย @jbowman

ปล่อยให้ aคงที่ ให้ปฏิบัติตามและพิจารณาY_i-A แล้วก็a0a0YiYiExp(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

ซึ่งเป็นฟังก์ชั่นการกระจายของ(1)}Exp(1)Exp(1)

ลองอธิบายสิ่งนี้: ความน่าจะเป็นที่ rv จะตกในช่วงเวลาที่กำหนด (ตัวเศษในบรรทัดสุดท้าย) เนื่องจากมันจะเกินขอบเขตล่างของช่วง (ตัวส่วน) ขึ้นอยู่กับ ความยาวของช่วงเวลาและไม่ได้อยู่ในตำแหน่งที่ช่วงเวลานี้ถูกวางในบรรทัดจริง Exp(1)Exp(1)นี่เป็นอวตารของคุณสมบัติ " memorylessness " ของการแจกแจงเอ็กซ์โปเนนเชียลซึ่งเป็นการตั้งค่าทั่วไปที่มากกว่าไม่มีการตีความตามเวลา

ตอนนี้โดยเครื่องในเราบังคับจะเป็นที่ไม่ใช่เชิงลบและขับเคลื่อนผลที่ได้รับถือ + ดังนั้นเราสามารถระบุสิ่งต่อไปนี้: {Yia}{Yia}ZiZiaR+aR+

หากแล้ว(1)} YiExp(1)YiExp(1)Q0:Zi=YiQ0Q0:Zi=YiQ0 ZiExp(1)ZiExp(1)

เราสามารถหาที่มีอิสระที่จะรับค่าจริงที่ไม่เป็นลบทั้งหมดและความไม่เท่าเทียมที่จำเป็นต้องมีอยู่เสมอ (เกือบจะแน่นอน) หรือไม่? หากเราสามารถทำได้เราก็สามารถจัดการกับข้อโต้แย้งการปรับอากาศ Q0Q0

และแน่นอนเราทำได้ มันเป็นสถิติต่ำสุดตามสั่ง , , 1 ดังนั้นเราจึงได้รับQ=Y(1)Q=Y(1)Pr(YiY(1))=1Pr(YiY(1))=1

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

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

ซึ่งหมายความว่า

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

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

ดังนั้นหากโครงสร้างความน่าจะเป็นของยังคงไม่เปลี่ยนแปลงหากเราลบสถิติลำดับขั้นต่ำก็จะตามด้วยตัวแปรสุ่มและ โดยที่อิสระ ยังเป็นอิสระเนื่องจากการเชื่อมโยงที่เป็นไปได้ระหว่างพวกเขาไม่มีผลกระทบกับโครงสร้างน่าจะเป็นYiYiZi=YiY(1)Zi=YiY(1)Zj=YjY(1)Yi,YjY(1)

จากนั้น sumมี iid ตัวแปรสุ่ม (และศูนย์) และอื่น ๆni=1(YiY(1))n1 Exp(1)

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

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.