Nó chỉ ra rằng một bài báo Kinh tế lượng của Kenneth Small và Harvey Rosen đã cho thấy điều này vào năm 1981, nhưng trong một bối cảnh rất chuyên sâu nên kết quả đòi hỏi rất nhiều đào, chưa kể đến một số đào tạo về kinh tế. Tôi quyết định chứng minh điều đó theo cách mà tôi thấy dễ tiếp cận hơn.
Chứng minh : Gọi là số phương án. Tùy thuộc vào giá trị của vector ε = { ε 1 , . . . , Ε J } , hàm max i ( δ i + ε i ) mất trên các giá trị khác nhau. Thứ nhất, tập trung vào các giá trị của ε mà max i ( δ i + ε i ) = δ 1 + ε 1 . Nghĩa là, chúng tôi sẽ tích hợp δJϵ={ϵ1,...,ϵJ}maxi(δi+ϵi)ϵmaxi(δi+ϵi)=δ1+ϵ1 trên tập M 1 ≡ { ε : δ 1 + ε 1 > δ j + ε j , j ≠ 1 } :δ1+ϵ1M1≡{ϵ:δ1+ϵ1>δj+ϵj,j≠1}
Eϵ∈M1[maxi(δi+ϵi)]=∫∞−∞(δ1+ϵ1)f(ϵ1)[∫δ1+ϵ1−δ2−∞...∫δ1+ϵ1−δJ−∞f(ϵ2)...f(ϵJ)dϵ2...dϵJ]dϵ1=∫∞−∞(δ1+ϵ1)f(ϵ1)(∫δ1+ϵ1−δ2−∞f(ϵ2)dϵ2)...(∫δ1+ϵ1−δJ−∞f(ϵJ)dϵJ)dϵ1=∫∞−∞(δ1+ϵ1)f(ϵ1)F(δ1+ϵ1−δ2)...F(δ1+ϵ1−δJ)dϵ1
The term above is the first of J such terms in E[maxi(δi+ϵi)]. Specifically,
E[maxi(δi+ϵi)]=∑iEϵ∈Mi[maxi(δi+ϵi)].
Now we apply the functional form of the Gumbel distribution. This gives
===Eϵ∈Mi[maxi(δi+ϵi)]=∫∞−∞(δi+ϵi)eμ−ϵie−eμ−ϵi∏j≠ie−eμ−ϵi+δj−δidϵi∫∞−∞(δi+ϵi)eμ−ϵi∏je−eμ−ϵi+δj−δidϵi∫∞−∞(δi+ϵi)eμ−ϵiexp{∑j−eμ−ϵi+δj−δi}dϵi∫∞−∞(δi+ϵi)eμ−ϵiexp{−eμ−ϵi∑jeδj−δi}dϵi
where the second step comes from collecting one of the exponentiated terms into the product, along with the fact that δj−δi=0 if i=j.
Now we define Di≡∑jeδj−δi, and make the substitution x=Dieμ−ϵi, so that dx=−Dieμ−ϵidϵi⇒−dxDi=eμ−ϵidϵi and ϵi=μ−log(xDi). Note that as ϵi approaches infinity, x approaches 0, and as ϵi approaches negative infinity, x approaches infinity.
==Eϵ∈Mi[maxi(δi+ϵi)]=∫0∞(δi+μ−log[xDi])(−1Di)exp{−x}dx1Di∫∞0(δi+μ−log[xDi])e−xdxδi+μDi∫∞0e−xdx−1Di∫∞0log[x]e−xdx+log[Di]Di∫∞0e−xdx
The Gamma Function is defined as Γ(t)=∫∞0xt−1e−xdx. For values of t which are positive integers, this is equivalent to Γ(t)=(t−1)!, so Γ(1)=0!=1. In addition, it is known that the Euler–Mascheroni constant, γ≈0.57722 satisfies
γ=−∫∞0log[x]e−xdx.
Applying these facts gives
Eϵ∈Mi[maxi(δi+ϵi)]=δi+μ+γ+log[Di]Di
Then we sum over i to get
E[maxi(δi+ϵi)]=∑iδi+μ+γ+log[Di]Di
Recall that Di=∑jeδj−δi=∑jeδjeδi. Notice that the familiar logit choice probabilities Pi=eδi∑jδj are inverses of the Di's, or in other words Pi=1/Di. Also note that ∑iPi=1. Then we have
E[maxi(δi+ϵi)]======∑iPi(δi+μ+γ+log[Di])(μ+γ)∑iPi+∑iPiδi+∑iPilog[Di]μ+γ+∑iPiδi+∑iPilog[∑jeδjeδi]μ+γ+∑iPiδi+∑iPilog[∑jeδj]−∑iPilog[eδi]μ+γ+∑iPiδi+log[∑jeδj]∑iPi−∑iPiδiμ+γ+log[∑jexp{δj}].
Q.E.D.