การแจกแจงจะมีค่าเฉลี่ยและความแปรปรวนไม่สิ้นสุดได้อย่างไร


35

มันจะได้รับการชื่นชมถ้าตัวอย่างต่อไปนี้จะได้รับ:

  1. การแจกแจงที่มีค่าเฉลี่ยไม่สิ้นสุดและความแปรปรวนแบบไม่สิ้นสุด
  2. การแจกแจงที่มีค่าเฉลี่ยไม่สิ้นสุดและความแปรปรวนแน่นอน
  3. การกระจายที่มีค่าเฉลี่ย จำกัด และความแปรปรวนอนันต์
  4. การแจกแจงที่มีค่าเฉลี่ยและความแปรปรวนแน่นอน

มันมาจากฉันเห็นคำศัพท์ที่ไม่คุ้นเคยเหล่านี้ (ค่าเฉลี่ยอนันต์, ความแปรปรวนอนันต์) ที่ใช้ในบทความที่ฉันอ่านอ่านและอ่านหัวข้อบนฟอรัม / เว็บไซต์ Wilmottและไม่พบคำอธิบายที่ชัดเจนเพียงพอ ฉันยังไม่พบคำอธิบายใด ๆ ในหนังสือเรียนของฉันเอง


1
กรณีที่ 2 ในรายการของคุณด้านบนเป็นไปไม่ได้
kjetil b halvorsen

ที่เกี่ยวข้อง: stats.stackexchange.com/questions/94402/ …
kjetil b halvorsen


2
ด้วยการขอตัวอย่างเฉพาะสี่ประการนี้ฉันคิดว่านี่เป็นคำถามที่แตกต่างและไม่ควรปิดซ้ำซ้อน - แม้ว่าคำถามอื่น ๆ นั้นเกี่ยวข้องและเป็นประโยชน์อย่างแน่นอน
Silverfish

1
จาก 4 ตัวอย่างเพียง 1, 3 และ 4 เท่านั้นที่เป็นไปได้และตัวอย่างง่าย ๆ สำหรับ 1 และ 4 Cauchy เป็นตัวอย่างของ 1 และ Gaussian เป็นตัวอย่างของ 4 มันเป็นไปไม่ได้สำหรับความแปรปรวนที่จะถูกนิยามไว้อย่างดี ถ้า. mean ไม่มีอยู่ ดังนั้น 2 เป็นไปไม่ได้ ตัวอย่างของ 3 จะน่าสนใจในการสร้าง
Michael Chernick

คำตอบ:


52

ค่าเฉลี่ยและความแปรปรวนถูกกำหนดในรูปของอินทิกรัล ความหมายหรือความแปรปรวนให้เป็นอนันต์หมายถึงอะไรเกี่ยวกับพฤติกรรมการ จำกัด สำหรับอินทิกรัลเหล่านั้น

ตัวอย่างเช่นค่าเฉลี่ยคือ (เมื่อพิจารณาสิ่งนี้ให้พูดเป็นส่วนประกอบสำคัญของ Stieltjes); สำหรับความหนาแน่นอย่างต่อเนื่องนี้จะเป็น (ตอนนี้เป็นส่วนประกอบของรีมันน์พูด)lima,babx dFlima,babxf(x) dx

สิ่งนี้สามารถเกิดขึ้นได้เช่นถ้าหางมี "หนักพอ" ลองพิจารณาตัวอย่างต่อไปนี้สำหรับสี่กรณีของค่าเฉลี่ย / ไม่สิ้นสุดและความแปรปรวน:

  1. การแจกแจงที่มีค่าเฉลี่ยไม่สิ้นสุดและความแปรปรวนแบบไม่สิ้นสุด

    ตัวอย่าง: การแจกแจงพาเรโตพร้อม , การแจกซีตา (2)α=1

  2. การแจกแจงที่มีค่าเฉลี่ยไม่สิ้นสุดและความแปรปรวนแน่นอน

    เป็นไปไม่ได้.

  3. การกระจายที่มีค่าเฉลี่ย จำกัด และความแปรปรวนอนันต์

    ตัวอย่าง:กระจาย Pareto กับ{2}t2α=32

  4. การแจกแจงที่มีค่าเฉลี่ยและความแปรปรวนแน่นอน

    ตัวอย่าง: ปกติใด ๆ ชุดใด ๆ (แน่นอนตัวแปรตัวแปรใด ๆ ที่มีช่วงเวลาทั้งหมด) t_3t3

นอกจากนี้คุณยังสามารถมีการแจกแจงที่อินทิกรัลไม่ได้นิยาม แต่ไม่จำเป็นต้องผ่านขอบเขตที่ จำกัด ทั้งหมดในขีด จำกัด


บันทึกย่อเหล่านี้โดย Charles Geyer พูดคุยเกี่ยวกับวิธีคำนวณอินทิกรัลที่เกี่ยวข้องด้วยเงื่อนไขง่าย ๆ ดูเหมือนว่าจะจัดการกับ integrals Riemann ที่นั่นซึ่งครอบคลุมเฉพาะกรณีต่อเนื่อง แต่คำจำกัดความทั่วไปของอินทิกรัล (Stieltjes เป็นต้น) จะครอบคลุมทุกกรณีที่คุณน่าจะต้องการ [Lebesgue Integration เป็นรูปแบบของการรวมที่ใช้ในทฤษฎีการวัด (ซึ่งเป็นพื้นฐานของความน่าจะเป็น) แต่จุดนี้ใช้ได้ดีกับวิธีการพื้นฐานเพิ่มเติม] มันยังครอบคลุม (วินาที 2.5, p13-14) ทำไม "2. " เป็นไปไม่ได้ (หมายถึงมีอยู่หากความแปรปรวนมีอยู่)


7
+1 เหตุผลที่ (2) เป็นไปไม่ได้นั้นสำคัญ: ความแปรปรวนถูกกำหนดในแง่ของค่าเฉลี่ย ความจริงที่ลึกกว่าเล็กน้อยคือเมื่อวินาทีที่สองของมี จำกัด แล้วค่าเฉลี่ยจะต้องมี จำกัด เพราะว่าถ้าหมายถึงไม่มีที่สิ้นสุดแล้วfortioriขณะที่สองจะต้องไม่มีที่สิ้นสุดเพราะช่วงเวลาที่สองคือค่าน้ำหนักของโดยไม่เพียง แต่น่าจะเป็น แต่ยังโดยตัวเอง ( ) น้ำหนักเหล่านั้นเติบโตอย่างไม่มีข้อ จำกัด ทำให้วินาทีที่สองนั้นเกินกว่าค่าสัมบูรณ์ของช่วงเวลาแรกในที่สุด XXXX2=X×X
whuber

4
@whuber แต่คุณสามารถกำหนดความแปรปรวนได้โดยไม่ต้องอ้างอิงค่าเฉลี่ย (เช่นในแง่ของความคาดหวังของความแตกต่างกำลังสองในคู่ของค่า) ดังนั้นปัญหาจึงไม่สำคัญเหมือนนั้น บางอย่างเช่นอาร์กิวเมนต์ที่สองของคุณต้องการจริง ๆ แล้ว
Glen_b

3
นั่นเป็นประเด็นที่ดี แต่ถ้าเรายอมรับว่านิยามทางเลือกใด ๆ ของความแปรปรวนนั้นเทียบเท่ากับนิยามปกติทางพีชคณิตสำหรับการแจกแจงทั้งหมดแล้วถ้ามันไม่ได้นิยามตามนิยามหนึ่งที่จะดูเหมือนเป็นการสาธิตที่เพียงพอว่ามันไม่ได้กำหนดตาม ที่ห้างสรรพสินค้า. ในกรณีที่มีทางเลือกอื่น ๆ เช่นที่คุณพูดถึงมาก่อนนั้นอยู่ในการศึกษากระบวนการสโตแคสติกซึ่งคำจำกัดความต่าง ๆ นั้นไม่เทียบเท่ากัน
whuber

2
ใช่ฉันทำ. ความแปรปรวนซึ่งเป็นความคาดหวังของตัวแปรสุ่มแบบไม่ลบนั้นเท่ากับส่วนที่สำคัญของ Lebesgue ของส่วนบวกเพียงอย่างเดียว ดังนั้นมันอาจเป็นจำนวน จำกัด หรือไม่มีที่สิ้นสุด (ในบรรทัดหมายเลขเพิ่มเติม) ไม่ว่าจะเกิดอะไรขึ้น คุณสมบัติของการไม่เป็นเชิงลบแตกต่างการวิเคราะห์ช่วงเวลาจากช่วงเวลาอื่น ๆ ซึ่งสามารถกำหนดได้
whuber

2
ความหมายของความแปรปรวนก็คือว่ามันเท่ากับ2] E[(XE(X))2]
whuber

5

การแจกแจงที่เสถียรให้ตัวอย่างที่ดีและพารามิเตอร์ของสิ่งที่คุณกำลังมองหา:

  1. ค่าเฉลี่ยและความแปรปรวนอนันต์:0<stability parameter<1

  2. N / A

  3. ค่าเฉลี่ยที่แน่นอนและความแปรปรวนอนันต์:1stability parameter<2

  4. ค่าเฉลี่ยและความแปรปรวน จำกัด : (เสียน)stability parameter=2


1

ไม่มีใครพูดถึงความขัดแย้งในเซนต์ปีเตอร์สเบิร์กที่นี่; มิฉะนั้นฉันจะไม่โพสต์ในกระทู้เก่าที่มีหลายคำตอบอยู่แล้วรวมถึงหนึ่งคำตอบ "ยอมรับ"

หากเหรียญติดอันดับ "หัว" คุณชนะหนึ่งเซ็นต์

หาก "ก้อย" การชนะจะเพิ่มเป็นสองเท่าและถ้า "หัว" ในการโยนครั้งที่สองคุณชนะสองเซ็นต์

หาก "ก้อย" เป็นครั้งที่สองเงินชนะจะเพิ่มเป็นสองเท่าอีกครั้งและหาก "หัว" ในการโยนครั้งที่สามคุณชนะสี่เซ็นต์

และอื่น ๆ : ผลรวมของผลิตภัณฑ์คือดังนั้นนั่นคือค่าที่ไม่คาดคิด .

outcomewinningsprobabilityproductH11/21/2TH21/41/2TTH41/81/2TTTH81/161/2TTTTH161/321/2TTTTTH321/641/2
12+12+12+=+,

นั่นหมายความว่าถ้าคุณจ่ายล้านสำหรับการโยนเหรียญแต่ละครั้งหรือล้านล้าน ฯลฯ คุณจะออกมาข้างหน้าในที่สุด เมื่อเป็นไปได้ยากที่คุณจะชนะมากกว่าสองสามเซนต์ต่อครั้ง$1$1

คำตอบคือโอกาสที่หายากมากครั้งหนึ่งคุณจะได้รับลำดับของหางที่ยาวเพื่อที่เงินรางวัลจะชดเชยคุณสำหรับค่าใช้จ่ายอันยิ่งใหญ่ที่คุณเกิดขึ้น เป็นเรื่องจริงไม่ว่าราคาที่คุณจ่ายสำหรับการโยนแต่ละครั้งจะสูงแค่ไหน


-1

เกี่ยวกับการแจกแจงครั้งที่สองที่คุณกำลังมองหาให้พิจารณาตัวแปรสุ่ม จากนั้นคำตอบนั้นไม่มีที่สิ้นสุดพร้อมความน่าจะเป็นหนึ่ง การแจกแจงมีค่าไม่สิ้นสุด

X2=number of times you can zoom in like 10cm into a fractal

พี่เป็นตัวอย่างที่น่าสนใจ แต่สำหรับการคำนวณที่คุณต้องการระบบจำนวนจริงขยายที่ 0 =0
kjetil b halvorsen
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.