Kỳ vọng tối đa của biến iid Gumbel


12

Tôi tiếp tục đọc các tạp chí kinh tế về một kết quả cụ thể được sử dụng trong các mô hình tiện ích ngẫu nhiên. Một phiên bản của kết quả là: if ϵiiid, Gumbel ( μ,1),i , thì:

E[maxi(δi+ϵi)]=μ+γ+ln(iexp{δi}),

trong đó là hằng số Euler-Mascheroni. Tôi đã kiểm tra rằng điều này có ý nghĩa khi sử dụng R, và nó có. CDF cho bản phân phối Gumbel là:γ0.52277(μ,1)

G(ϵi)=exp(exp((ϵiμ)))

Tôi đang cố gắng tìm một bằng chứng về điều này và tôi đã không thành công. Tôi đã cố gắng tự chứng minh nhưng tôi không thể vượt qua một bước cụ thể.

Bất cứ ai có thể chỉ cho tôi một bằng chứng về điều này? Nếu không, có lẽ tôi có thể đăng bằng chứng đã cố gắng của mình lên đến nơi tôi gặp khó khăn.


Câu trả lời:


7

Tôi đánh giá cao công việc được trưng bày trong câu trả lời của bạn: cảm ơn bạn vì sự đóng góp đó. Mục đích của bài này là để cung cấp một cuộc biểu tình đơn giản hơn. Giá trị của sự đơn giản là sự mặc khải: chúng ta có thể dễ dàng có được toàn bộ phân phối tối đa, không chỉ là kỳ vọng của nó.


Bỏ qua μ bằng cách hấp thụ nó vào δi và giả định ϵi tất cả đều có một Gumbel (0,1) phân phối. (Tức là, thay thế mỗi ϵi bởi ϵiμ và thay đổi δi để δi+μ ). Điều này không làm thay đổi biến ngẫu nhiên

X=maxi(δi+ϵi)=maxi((δi+μ)+(ϵiμ)).

Sự độc lập của ϵi ngụ ý cho tất cả các thực xPr(Xx) là sản phẩm của những cơ hội cá nhân Pr(δi+ϵix) . Lấy nhật ký và áp dụng các tính chất cơ bản của năng suất theo cấp số nhân

logPr(Xx)=logiPr(δi+ϵix)=ilogPr(ϵixδi)=ieδiex=exp(x+logieδi).

Đây là logarit của CDF của một phân phối Gumbel với vị trí tham số λ=logieδi. Đó là,

X cóphân phốiGumbel(logieδi,1) .

Đây là nhiều thông tin hơn yêu cầu. Các trung bình của một phân phối nhưγ+λ, kéo theo những

E[X]=γ+logieδi,

QED.


12

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 εmax 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,j1}

EϵM1[maxi(δi+ϵi)]=(δ1+ϵ1)f(ϵ1)[δ1+ϵ1δ2...δ1+ϵ1δJf(ϵ2)...f(ϵJ)dϵ2...dϵJ]dϵ1=(δ1+ϵ1)f(ϵ1)(δ1+ϵ1δ2f(ϵ2)dϵ2)...(δ1+ϵ1δJf(ϵJ)dϵJ)dϵ1=(δ1+ϵ1)f(ϵ1)F(δ1+ϵ1δ2)...F(δ1+ϵ1δJ)dϵ1

The term above is the first of J such terms in E[maxi(δi+ϵi)]. Specifically,

E[maxi(δi+ϵi)]=iEϵMi[maxi(δi+ϵi)].

Now we apply the functional form of the Gumbel distribution. This gives

EϵMi[maxi(δi+ϵi)]=(δi+ϵi)eμϵieeμϵijieeμϵi+δjδidϵi=(δi+ϵi)eμϵijeeμϵi+δjδidϵi=(δi+ϵi)eμϵiexp{jeμϵi+δjδi}dϵi=(δi+ϵi)eμϵiexp{eμϵijeδjδi}dϵi

where the second step comes from collecting one of the exponentiated terms into the product, along with the fact that δjδi=0 if i=j.

Now we define Dijeδjδi, and make the substitution x=Dieμϵi, so that dx=DieμϵidϵidxDi=eμϵidϵi and ϵi=μlog(xDi). Note that as ϵi approaches infinity, x approaches 0, and as ϵi approaches negative infinity, x approaches infinity.

EϵMi[maxi(δi+ϵi)]=0(δi+μlog[xDi])(1Di)exp{x}dx=1Di0(δi+μlog[xDi])exdx=δi+μDi0exdx1Di0log[x]exdx+log[Di]Di0exdx

The Gamma Function is defined as Γ(t)=0xt1exdx. For values of t which are positive integers, this is equivalent to Γ(t)=(t1)!, so Γ(1)=0!=1. In addition, it is known that the Euler–Mascheroni constant, γ0.57722 satisfies

γ=0log[x]exdx.

Applying these facts gives

EϵMi[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=jeδjδi=jeδjeδi. Notice that the familiar logit choice probabilities Pi=eδijδj 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]iPiiPiδi=μ+γ+log[jexp{δj}].
Q.E.D.

3
I linked what I believe is the article you're referring to, without actually looking through it to be sure; please correct if wrong.
Dougal

@Jason Do you know how to prove what this is when the max is conditional on one being the max? See question here that is unsolved: stats.stackexchange.com/questions/260847/…
wolfsatthedoor
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.