Giá trị trung bình của phân bố mũ


11

Cho một biến ngẫu nhiên , giá trị trung bình và phương sai của gì?Y=Exp(λ)G=1Y

Tôi nhìn vào Phân phối Gamma nghịch đảo, nhưng giá trị trung bình và phương sai chỉ được xác định cho và tương ứng ...α > 2α>1α>2

Câu trả lời:


9

Cho rằng phân bố hàm mũ nghịch đảo có , bạn đã vấp phải sự thật rằng giá trị trung bình của hàm mũ nghịch đảo là . Và do đó, phương sai của số mũ nghịch đảo là không xác định.α=1

Nếu được phân phối theo cấp số nhân, tồn tại và là hữu hạn cho và cho .E ( G r ) r < 1 = r = 1GE(Gr)r<1=r=1


Điều này được liên kết với câu hỏi của tôi ở đây
Diogo Santos

3

Tôi sẽ hiển thị phép tính cho giá trị trung bình của phân phối mũ để nó sẽ gọi lại cho bạn cách tiếp cận. Sau đó, tôi sẽ sử dụng hàm mũ nghịch đảo với cách tiếp cận tương tự.

ChofY(y)=λeλy

E[Y]=0yfY(y)dy

=0yλeλydy

=λ0yeλydy

Tích hợp theo từng phần (bỏ qua trước tích phân trong thời điểm này),λ

u=y,dv=eλydy

du=dy,v=1λeλy

=y1λeλy01λeλydy

=y1λeλy+1λ0eλydy

=y1λeλy1λ2eλy

Nhân với trước tích phân,λ

=yeλy1λeλy

Đánh giá cho và ,0

=(00)1λ(01)

=λ1

Đó là một kết quả được biết đến.

Đối với , áp dụng logic tương tự.G=1Y

E[G]=E[1Y]=01yfY(y)dy

=01yλeλydy

=λ01yeλydy

Sự khác biệt chính là để tích hợp bởi các bộ phận,

u=y1

du=1y2

vì vậy nó không giúp chúng tôi cho . Tôi nghĩ rằng tích phân là không xác định ở đây. Wolfram alpha nói với tôi rằng nó không hội tụ.G=1y

http://www.wolframalpha.com/input/?i=integrate+from+0+to+infinity+(1%2Fx)+Ex(-x)+dx

Vì vậy, giá trị trung bình không tồn tại đối với Số mũ nghịch đảo, hoặc, tương đương, đối với Gamma nghịch đảo với . Lý do tương tự cho phương sai và .α > 2α=1α>2


1
Lưu ý rằng (như Whuber đã nhận xét về câu trả lời khác) bị giới hạn từ cho gần và hướng cho mọi , do đó tích phân cho thực sự phân kỳ. 0 y 0 ε 0 1exp(λy)0y0ϵ > 0 E [ G ]0ϵ1ydyϵ>0E[G]
Strant

0

Sau khi mô phỏng nhanh (bằng R), dường như giá trị trung bình không tồn tại: nhập mô tả hình ảnh ở đây

n<-1000
rates <- c(1,0.5,2,10)

par(mfrow = c(2,2))
for(rate in rates)
{
  plot(cumsum(1/rexp(n, rate))/seq(1,n),type='l',main = paste0("Rate = ",rate),
       xlab = "Sample size", ylab = "Empirical Mean")
}

Để so sánh, đây là những gì xảy ra với một biến ngẫu nhiên theo cấp số nhân chính hãng.

nhập mô tả hình ảnh ở đây


5
Giá trị trung bình không thể tồn tại bởi vì số mũ có mật độ dương trong bất kỳ vùng lân cận nào bằng không.
whuber

@whuber thực sự, đây là những gì tôi đã cố gắng nhấn mạnh: ý nghĩa thực nghiệm không hội tụ cho sự nghịch đảo của một luật hàm mũ, trong khi đó nó là một luật hàm mũ.
RUser4512

5
Có, nhưng (1) từ thực tế tôi đã trích dẫn, kết luận không có kỳ vọng là rõ ràng ngay lập tức và (2) không có lượng mô phỏng nào có thể làm được nhiều hơn ngoài việc cho rằng một kỳ vọng có thể không được xác định. Chẳng hạn, nếu người ta cắt bớt số mũ ở giới hạn thấp hơn là , thì nghịch đảo của nó thực sự sẽ có một kỳ vọng hữu hạn, nhưng mô phỏng của bạn sẽ không có vẻ gì khác. Do đó, quan sát đơn giản (1) sẽ có nhiều thông tin và đáng tin cậy hơn nhiều so với mô phỏng. 101000
whuber

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.