Giả sử


18

Là gì đơn giản nhất cách để thấy rằng các tuyên bố sau đây là đúng?

Giả sử . Hiển thị .Y1,,YniidExp(1)i=1n(YiY(1))Gamma(n1,1)

Lưu ý rằng .Y(1)=min1inYi

Theo XExp(β) , điều này có nghĩa là fX(x)=1βex/β1{x>0} .

Dễ dàng thấy rằng Y(1)Exponential(1/n) . Hơn nữa, chúng tôi cũng có i=1nYiGamma(α=n,β=1) theo tham số

fY(y)=1Γ(α)βαxα1ex/β1{x>0}α,β>0.

Giải pháp đưa ra Câu trả lời của Xi'an : Sử dụng ký hiệu trong câu hỏi ban đầu:

i=1n[YiY(1)]=i=1n[Y(i)Y(1)]=i=1nY(i)nY(1)=i=1n{Y(i)Y(i1)+Y(i1)Y(1)+Y(1)}nY(1)=i=1nj=1i{Y(j)Y(j1)}nY(1) where Y(0)=0=j=1ni=jn{Y(j)Y(j1)}nY(1)=j=1n(nj+1)[Y(j)Y(j1)]nY(1)=i=1n(ni+1)[Y(i)Y(i1)]nY(1)=i=2n(ni+1)[Y(i)Y(i1)]+nY(1)nY(1)=i=2n(ni+1)[Y(i)Y(i1)].
Từ đây, chúng ta nhận được i=2n(ni+1)[Y(i)Y(i1)]Gamma(n1,1)1) .

1
@MichaelCécick 1) Tôi không chắc liệu bằng chứng độc lập của mình có đúng không và 2) Tôi không chắc liệu kết quả mà tôi đoán ở trên có liên quan đến sự khác biệt của các bản phân phối Gamma hay không. Điều này dường như mâu thuẫn với những gì được đưa ra ở đây , nhưng có lẽ tình huống này là khác nhau vì sự khác biệt này bao gồm một trong những thống kê đơn hàng? Tôi không chắc.
Clarinetist

1
@Clarinetist, tôi không chắc chắn. Có thể thử làm việc với , bằng với tổng số bạn đang làm việc. Câu trả lời ở đây có thể hữu ích: math.stackexchange.com/questions/80475/ trêni=2n(Y(i)Y(1))
game thủ

3
Bạn đã cố gắng chứng minh rằng mỗi - ngoại trừ một , trong đó và, sau đó, sử dụng thực tế là tổng của iid Biến thiên theo hàm mũ sẽ được phân phối Gamma? (YiY(1))Expon(1)iYiY(1)=0(n1)
Marcelo Ventura

1
@jbowman Ta có
fZi(zi)=fYi(zi+a)=e(zi+a)
và điều kiện trên Yia , chúng ta chia số này cho ea , cho ezi , do đó chúng tôi có (ZiYiA)Exp(1) . Bây giờ đây là những gì đã làm tôi thất vọng về bằng chứng này: Tôi coiA là một hằng số. NhưngY(1) không phải là hằng số. Tại sao điều này sẽ làm việc?
Clarinetist

1
Vấn đề là nó không quan trọng a là gì ! Phân phối luôn là Exp(1) ! Đáng chú ý, phải không? Và từ đó, bạn có thể kết luận rằng phân phối của YiY[1] luôn là Exp(1) cho i>1 , bất kể giá trị thực của Y[1] .
jbowman

Câu trả lời:


15

Bằng chứng được đưa ra trong Mẹ của tất cả các cuốn sách thế hệ ngẫu nhiên, Thế hệ biến thể ngẫu nhiên không đồng nhất của Devroye , trên tr.211 (và nó là một cuốn rất thanh lịch!):

Định lý 2.3 (Sukhatme, 1937) Nếu chúng ta xác định thì các khoảng cách hàm mũ được chuẩn hóa ( n - i + 1 ) ( E ( i ) - E ( i - 1 ) ) xuất phát từ thống kê đơn hàng E ( 1 )... E ( n ) của một mẫu mũ iid kích thước n là mình IID biến mũE(0)=0

(ni+1)(E(i)E(i1))
E(1)E(n)n

Bằng chứng. mật độ chung của thống kê đơn hàng(E(1),Mạnh

i=1nei=i=1ne(i)=i=1nj=1i(e(j)e(j1))=j=1ni=jn(e(j)e(j1))=j=1n(nj+1)(e(j)e(j1))
viết dưới dạng f ( e ) = n !(E(1),,E(n)) Thiết Y i = ( E ( i ) - E ( i - 1 ) ) , sự thay đổi của biến từ ( E ( 1 ) , ... , E ( n
f(e)=n!exp{i=1ne(i)}=n!exp{i=1n(ni+1)(e(i)e(i1))}
Yi=(E(i)E(i1))Đến( Y 1 ,..., Y n )có một hằng số Jacobian [cờ bằng để1 / n! nhưng điều này không cần phải được tính] và do đó mật độ( Y 1 ,..., Y n )tỷ lệ với exp { - n Σ i = 1 y i } trong đó thiết lập kết quả. QED(E(1),,E(n))(Y1,,Yn)1/n!(Y1,,Yn)
exp{i=1nyi}

Một thay thế đề nghị với tôi bởi Gérard Letac là để kiểm tra xem có sự phân bố giống như ( E 1

(E(1),,E(n))
(nhờ tài sản không nhớ), mà làm cho nguồn gốc của n Σ k=1(Ek-E(1))~ n - 1 Σ k=1Ekđơn giản.
(E1n,E1n+E2n1,,E1n+E2n1++En1)
k=1n(EkE(1))k=1n1Ek

1
eiEii=1ne(i)=i=1n(ni+1)(e(i)e(i1))=i=1ne(i)i=1n(ni+1)(e(i)e(i1))(Y1,,Yn)exp(i=1nyi)yii=1neyi, hence Y1,,YniidExp(1).
Clarinetist

5

I lay out here what has been suggested in comments by @jbowman.

Let a constant a0. Let Yi follow an Exp(1) and consider Zi=Yia. Then

Pr(ZiziYia)=Pr(YiaziYia)

Pr(Yizi+aYia)=Pr(Yizi+a,Yia)1Pr(Yia)

Pr(aYizi+a)1Pr(Yia)=1ezia1+eaea=1ezi

which is the distribution function of Exp(1).

Let's describe this: the probability that an Exp(1) r.v. will fall in a specific interval (the numerator in the last line), given that it will exceed the interval's lower bound (the denominator), depends only on the length of the interval and not on where this interval is placed on the real line. This is an incarnation of the "memorylessness" property of the Exponential distribution, here in a more general setting, free of time-interpretations (and it holds for the Exponential distribution in general)

Now, by conditioning on {Yia} we force Zi to be non-negative, and crucially, the obtained result holds aR+. So we can state the following:

If YiExp(1), then Q0:Zi=YiQ0 ZiExp(1).

Can we find a Q0 that is free to take all non-negative real values and for which the required inequality always holds (almost surely)? If we can, then we can dispense with the conditioning argument.

And indeed we can. It is the minimum-order statistic, Q=Y(1), Pr(YiY(1))=1. So we have obtained

YiExp(1)YiY(1)Exp(1)

This means that

Pr(YiY(1)yiy(1))=Pr(Yiyi)

So if the probabilistic structure of Yi remains unchanged if we subtract the minimum order statistic, it follows that the random variables Zi=YiY(1) and Zj=YjY(1) where Yi,Yj independent, are also independent since the possible link between them, Y(1) does not have an effect on the probabilistic structure.

Then the sum i=1n(YiY(1)) contains n1 Exp(1) i.i.d. random variables (and a zero), and so

i=1n(YiY(1))Gamma(n1,1)
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.