ฉันได้ยินมาว่าอัตราส่วนหรือผกผันของตัวแปรสุ่มมักเป็นปัญหาโดยไม่คาดหวัง ทำไมถึงเป็นอย่างนั้น?


24

ชื่อเป็นคำถาม ฉันได้รับการบอกว่าอัตราส่วนและผู้แปรผันของตัวแปรสุ่มมักเป็นปัญหา สิ่งที่มีความหมายคือความคาดหวังนั้นมักจะไม่มีอยู่จริง มีคำอธิบายทั่วไปอย่างง่าย ๆ หรือไม่?

คำตอบ:


24

ฉันขอเสนอคำอธิบายที่ง่ายและเข้าใจได้ง่าย มันมีจำนวนการดูภาพ: ส่วนที่เหลือของโพสต์นี้จะอธิบายภาพและดึงข้อสรุปจากมัน

นี่คือสิ่งที่เกิดขึ้นกับ:เมื่อมี "มวลความน่าจะเป็น" ที่รวมอยู่ใกล้จะมีความน่าจะเป็นมากเกินไปที่จะอยู่ใกล้ทำให้คาดว่าจะไม่ได้กำหนดX=01/X±


แทนที่จะถูกทั่วไปอย่างเต็มที่ให้โฟกัสในตัวแปรสุ่มที่มีความหนาแน่นต่อเนื่องในเขตของ0 สมมติว่า0 สายตาเงื่อนไขเหล่านี้หมายถึงกราฟของอยู่เหนือแกนรอบ ๆ :XfX0fX(0)0f0

รูปที่แสดงกราฟของความหนาแน่นและพื้นที่ด้านล่าง

ความต่อเนื่องของรอบหมายความว่าสำหรับการใด ๆ ความสูงบวกน้อยกว่าและขนาดเล็กพอเราอาจตัดออกสี่เหลี่ยมผืนผ้าใต้กราฟนี้ซึ่งเป็นศูนย์กลางรอบมีความกว้างและความสูงดังที่แสดง สิ่งนี้สอดคล้องกับการแสดงการแจกแจงดั้งเดิมว่าเป็นส่วนผสมของการแจกแจงแบบสม่ำเสมอ (ด้วยน้ำหนัก ) และสิ่งที่เหลืออยู่ 0 p f X ( 0 ) ϵ x = 0 2 ϵ p p × 2 ϵ = 2 p ϵfX0pfX(0)ϵx=02ϵpp×2ϵ=2pϵ

รูปที่แสดงกราฟเป็นส่วนผสม

กล่าวอีกนัยหนึ่งเราอาจคิดว่าเกิดขึ้นในวิธีต่อไปนี้:X

  1. ด้วยความน่าจะเป็น , ให้ดึงค่าจากการกระจายUniform( - ϵ , ϵ )2pϵ(ϵ,ϵ)

  2. มิฉะนั้นวาดค่าจากการจัดจำหน่ายที่มีความหนาแน่นเป็นสัดส่วนกับepsilon)} (นี่คือฟังก์ชั่นที่วาดด้วยสีเหลืองทางด้านขวา)fXpI(ϵ,ϵ)

(เป็นฟังก์ชันตัวบ่งชี้)I

ขั้นตอนที่แสดงให้เห็นว่าสำหรับการใด ๆโอกาสที่อยู่ระหว่างและเกิน2 เท่านี้เป็นโอกาสที่เกิน u ในการใส่อีกวิธี: การเขียนสำหรับฟังก์ชันผู้รอดชีวิต0 < u < ϵ X 0 u p u / 2 1 / X 1 / u S(1)0<u<ϵX0upu/21/X1/uS1/X

S(x)=Pr(1/X>x),

ภาพแสดงให้เห็นว่าสำหรับทุก1S(x)>p/(2x)x>1/ϵ

เราเสร็จแล้วเนื่องจากข้อเท็จจริงเกี่ยวกับแสดงถึงความคาดหวังนั้นไม่ได้ถูกกำหนด S เปรียบเทียบอินทิกรัลที่เกี่ยวข้องในการคำนวณความคาดหวังของส่วนบวกของ , :1/X(1/X)+=max(0,1/X)

E[(1/X)+]=0S(x)dx>1/ϵxS(x)dx>1/ϵxp2xdx=p2log(xϵ).

(นี่คือข้อโต้แย้งทางเรขาคณิตล้วนๆ: อินทิกรัลทุกอันแสดงถึงพื้นที่สองมิติที่ระบุตัวได้และความไม่เท่าเทียมทั้งหมดที่เกิดขึ้นจากการผนวกที่เข้มงวดภายในภูมิภาคเหล่านั้นแท้จริงแล้วเราไม่จำเป็นต้องรู้ว่าอินทิกรัลสุดท้ายคือลอการิทึม ข้อโต้แย้งที่แสดงส่วนประกอบสำคัญนี้)

ตั้งแต่ลู่ออกด้านขวาเป็น ,ลู่ออกมากเกินไป สถานการณ์ที่มีส่วนที่เป็นลบของเหมือนกัน (เนื่องจากสี่เหลี่ยมผืนผ้าอยู่กึ่งกลางรอบ ) และอาร์กิวเมนต์เดียวกันแสดงความคาดหวังของส่วนที่เป็นลบของ diverges ดังนั้นความคาดหวังของตัวเองจึงไม่ได้กำหนดxE[(1/X)+]1/X01/X1/X

อาร์กิวเมนต์เดียวกันแสดงให้เห็นว่าเมื่อมีความน่าจะเป็นกระจุกอยู่ที่ด้านใดด้านหนึ่งของเช่นการแจกแจงแบบโปเนนเชียลหรือแกมม่าใด ๆ (ที่มีพารามิเตอร์รูปร่างน้อยกว่า ) จากนั้นยังคงเป็นความคาดหวังในเชิงบวก ในกรณีนี้การคาดหมายถูกกำหนด แต่ไม่มีที่สิ้นสุดX01


3
ฉันถูกสงสัยว่าสมมติฐานมีความสำคัญสำหรับผลลัพธ์หรือไม่ ฉันหมายถึงเรามีกรณีที่มีช่วงเวลาอย่างน้อยสำหรับบางช่วงของพารามิเตอร์ที่เกี่ยวข้องและปรากฏว่าเป็นกรณีที่เช่น Gamma / Inverse-GammafX(0)01/XfX(0)=0
Alecos Papadopoulos

3
@Alcos No ข้อสันนิษฐานนั้นไม่สำคัญ นั่นและความต่อเนื่องของที่ทำให้การโต้แย้งง่าย แต่ก็ไม่จำเป็น พิจารณาที่มีความหนาแน่นสัดส่วนกับสำหรับและ 0 นี่คือต่อเนื่องที่แต่ไม่มีความคาดหวัง 0 X f X - 1 /บันทึก( x ) 0 < x < 1 / e f X ( 0 ) = 0 0 1 / Xf0XfX1/log(x)0<x<1/efX(0)=001/X
whuber

14

อัตราส่วนและผู้ผกผันส่วนใหญ่มีความหมายกับตัวแปรสุ่มแบบไม่ลบดังนั้นฉันจะถือว่าเกือบแน่นอน จากนั้นถ้าเป็นตัวแปรที่แยกกันซึ่งใช้ค่าศูนย์ที่มีความน่าจะเป็นบวกเราจะหารด้วยศูนย์ด้วยความน่าจะเป็นเชิงบวกซึ่งจะอธิบายว่าทำไมความคาดหวังของจะไม่อยู่X 1 / XX0X1/X

ตอนนี้ดูที่กรณีการจัดจำหน่ายอย่างต่อเนื่องกับตัวแปรสุ่มที่มีฟังก์ชั่นความหนาแน่นของ(x) เราจะสมมติว่าและนั้นต่อเนื่อง (อย่างน้อยก็เท่ากับศูนย์) จากนั้นก็มีเป็นเช่นว่าสำหรับ<\ ค่าที่คาดหวังของได้รับจาก ให้เราเปลี่ยนตัวแปรของการรวมเป็นเรามีได้รับ f ( x ) f ( 0 ) > 0 f ϵ > 0 f ( x ) > ϵ 0 x < ϵ 1 / X E 1X0f(x)f(0)>0fϵ>0f(x)>ϵ0x<ϵ1/Xu = 1 / x d u = - 1

E1X=01xf(x)dx
u=1/xE 1du=1x2dxf ( u ) > ϵ [ 0 , ϵ ) f ( 1)
E1X=0uf(1u)(1u)2du=01uf(1u)du
ตอนนี้โดยสมมติฐานบนดังนั้นในโดยใช้นี้เรามี แสดงว่าไม่มีความคาดหวัง ตัวอย่างการปฏิบัติตามสมมติฐานนี้คือการแจกแจงแบบเอ็กซ์โพเนนเชียลที่มีอัตรา 1f(u)>ϵ[0,ϵ)(1/ϵ,)E1f(1u)>1/ϵ(1/ϵ,)
E1X>ϵ1/ϵ1udu=

เราได้ให้คำตอบสำหรับผู้ผกผันแล้วอัตราส่วน ให้เป็นอัตราส่วนของตัวแปรสุ่มสองตัวที่ไม่เป็นค่าลบ หากพวกเขามีความเป็นอิสระเราสามารถเขียน ดังนั้นสิ่งนี้จะลดน้อยลงไปในกรณีแรกและไม่มีอะไรใหม่ที่จะพูด . เกิดอะไรขึ้นถ้าพวกเขาขึ้นอยู่กับข้อต่อความหนาแน่นของการแยกประเภทเป็น จากนั้นเราจะได้รับ (ใช้การทดแทนแบบเดียวกันกับข้างบน) และเราสามารถให้เหตุผลข้างบนอินทิกรัลชั้นใน ผลจะเป็นถ้าความหนาแน่นของเงื่อนไข (กำหนดE Z = E YZ=Y/X f(x,y)=f(xy)g(y)EY

EZ=EYX=EYE1x
f(x,y)=f(xy)g(y)
Y Y 1 / X Y / X
EYX=0y01xf(xy)dxg(y)dy=0y01uf(1uy)dug(y)dy
y) เป็นค่าบวกและต่อเนื่องที่ศูนย์สำหรับชุดของที่มีความเป็นไปได้ในเชิงบวกค่าคาดหวังจะไม่มีที่สิ้นสุด ฉันเดาว่ามันคงไม่ใช่เรื่องง่ายที่จะหาตัวอย่างที่ความคาดหวังของนั้นไม่มีที่สิ้นสุด แต่ความคาดหวังของอัตราส่วนนั้น จำกัด ยกเว้นว่ามีความสัมพันธ์ที่สมบูรณ์แบบ มันคงจะดีถ้าได้เห็นตัวอย่างเหล่านี้!y1/XY/X
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.