Có một biến ngẫu nhiên


7

Hãy tưởng tượng tôi đã đưa ra một biến ngẫu nhiên X với supp(X)=(0,)P(X(0,a))>0 đối với bất kỳ cố định a>0

Bây giờ được đưa ra một mẫu iid X1,...,Xn - Có thể là

X(2)/X(1)P1
cho n, Ở đâu X(i) mô tả i-Thế tố nhỏ nhất?


Tôi không chắc đoạn tiếp theo của bạn có nghĩa là gì. Nếu bạn không giả sử bất kỳ phân phối choX, bạn không thể đưa ra bất kỳ tuyên bố nào về giới hạn của tỷ lệ trừ khi những tuyên bố đó là đúng đối với tất cả các bản phân phối - điều này rõ ràng là không đúng. Khi bạn hỏi "Có một biến ngẫu nhiênX... ", điều đó có thực sự có nghĩa là 'Có sự phân bố như vậy mà tỷ lệ thực hiện nhỏ nhất và nhỏ nhất thứ hai của một mẫu iid rút ra từ sự phân bố đi vào 1'?
jbowman

@jbowman: Vâng, tôi muốn biết nếu nó không đúng với tất cả các bản phân phối ... hoặc nói theo cách khác: bạn có thể đặt tên cho tôi một bản phân phối Xst tỷ lệ hội tụ xác suất thành 1 (hoặc qn số cố định tùy ý)

Tôi đoán rằng sẽ yêu cầu mật độ liên tục, bằng không.
kjetil b halvorsen

Tôi đã mất chủ đề đối số của bạn ở "xác suất là tất cả ...," bởi vì xác suất đó X(1)X(k) đang trong subsample ngẫu nhiên cùng kích thước n/2là không phải2(n/22)/(n2)1/2,(1/2)k.
whuber

Ý tôi là xác suất mà tất cả đều ở trong mẫu phụ .... nếu mẫu được rút ra độc lập thì nếu tôi chia ngẫu nhiên mẫu thành hai mẫu thì có thể được coi là nhị thức với p = 1/2 (cho đến vô cùng và cố định)X(1),...X(k)nk

Câu trả lời:


6

Có, có những phân phối như vậy trong đó tỷ lệ của các giá trị nhỏ nhất thứ hai đến nhỏ nhất đạt đến sự thống nhất về xác suất khi kích thước mẫu tăng lên lớn. Họ phải hành xử "về cơ bản" giống như các bản phân phối với sự hỗ trợ tích cực nghiêm ngặt theo nghĩa tiếp cận xác suất bằng không rất nhanh, rất nhanh tại điểm gốc. Xem hình đầu tiên bên dưới để minh họa.

(Tôi dựa vào trực giác chính xác rằng khi phân phối có cực tiểu dương hoàn toàn, cuối cùng hai giá trị nhỏ nhất trong các mẫu lớn sẽ gần với mức tối thiểu đó với xác suất cao, do đó tỷ lệ của chúng đạt đến sự thống nhất. Trực giác này sẽ không hoạt động khi mức tối thiểu bằng không.)


Để thuận tiện, làm việc let với biến ngẫu nhiên độc lập và phân phối hệt với các bản phân phối liên tục. Điều này có nghĩa là chúng có mật độ chung và là hàm phân phối chung của chúng.XifF(x)=F(0)+0xf(t)dt

Câu hỏi liên quan đến hai nhỏ nhất trong số đầu tiên của các biến này, trong đó sẽ phát triển lớn tùy ý. Sự phân bố chung của hai giá trị nhỏ nhất trong số đó có mật độnX<Y,n

fn;2(x,y)=n(n1)f(x)f(y)(1F(y))n2

cho tất cả Giới thiệu một biến được định nghĩa bởi0xy.u

x=uy

để biểu thị tỷ lệ thay đổi các biến từx/y1,(x,y) đến (u,y), tích hợp từ u=0 đến u=r (Có thể được biểu diễn dưới dạng F), Và tích hợp trên tất cả các giá trị có thể của y sẽ cho chúng ta hàm phân phối của tỷ lệ U=X/Y như

Pr(Ur)=n(n1)0f(y)F(ry)(1F(y))n2dy
cho0r1.

Biểu thức này sẽ là đối tượng phân tích của chúng tôi.


Trong một số trường hợp, phân phối của rất dễ đánh giáU . Mặc dù phần tiếp theo này là một trò chơi, nhưng nó cho thấy một quá trình suy nghĩ dẫn đến một câu trả lời.

Lấy ví dụ, cho nơi Tôi có được một câu trả lời mà không thay đổi với ở tất cả: cho tỷ lệ tốt

Fp(y)=yp
0y1p>0.n0r1,

(1)Pr(Ur)=rp.

Điều này chỉ ra rằng bất kỳ phân phối nào hoạt động như gần gốc sẽ mang lại kết quả như phân phối công suất này cho tỷ lệ; đặc biệt, nó sẽ không hội tụ về trong xác suất.FF(y)yp1


Khi phát triển lớn, sẽ hội tụ đến giá trị không đổi trong xác suất. Nói cách khác, mặc dù chúng tôi chưa phát hiện ra bất kỳ phân phối nào trong đó tỷ lệ tiếp cận , chúng tôi có một gia đình phân phối trong đó tỷ lệ này có thể được thực hiện gần bằng như chúng tôi muốn bằng cách chọn một thành viên phù hợp trong gia đình (đó là , bằng cách chọn công suất đủ lớn). Do đó, chúng tôi có thể xem xét các phân phối trong đó, tại điểm gốc, phẳng hơn bất kỳ đa thức nào. Các chức năng cổ điển và đơn giản nhất làp(1)1U11pF

F(x)=exp(11x2)

cho0x1.

Rõ ràng sự hỗ trợ của nó kéo dài xuống bởi vì số mũ không bao giờ bằng không. là vô cùng khác biệt ở nhưng tất cả các dẫn xuất đều ở đó.0,F0

Đồ thị của F

Trong trường hợp này không thể thiếu cho vẫn có thể được đánh giá. Việc biểu thị kết quả theo đơn giản hơn trong đó nhưPr(Ur)s1,

1/s2=r,

(2)Pr(Ur)=Pr(U1/s2)=e1sn!(1+s)(n1)=se1s1(n)s(n)

Ở đâu

s(n)=s(1+s)(2+s)(n1+s)

là hàm Pochhammer. Dưới đây là các sơ đồ xác suất này (dưới dạng hàm của ) cho và Các biểu đồ giảm xuống mức 0 khi tăng:sn=2,22,222,223,224.n

Hình 2

Thật dễ dàng để chỉ ra rằng với mọiz=s1>0,

1(n)s(n)=1(n)(1+z)(n)=11+z22+z33+znn+z0

khi phát triển lớn. (Kiểm tra chuỗi MacLaurin của logarit của nó.) Do đó, với mọi đi về chứng minh tỷ lệ đạt đến hằng số trong xác suất.ns=1+z>1, (2)0,U1


Cảm ơn bạn đã rất nhiều - giải pháp của bạn không tầm thường với tôi vì vậy tôi có thể cần một giờ để hiểu đầy đủ về nó; Nhưng tôi có thể hỏi ý của bạn là gì: (Tôi dựa vào trực giác chính xác rằng khi phân phối có cực tiểu dương hoàn toàn, cuối cùng hai giá trị nhỏ nhất trong các mẫu lớn sẽ gần với mức tối thiểu đó với xác suất cao sự thống nhất. Trực giác này sẽ không hoạt động khi mức tối thiểu bằng không.)? Bạn có nghĩa là varialbe ngẫu nhiên bị giới hạn dưới bởi một số hằng số ? Xc>0

Đúng. Cụ thể, có một dương sao choc>0Pr(X<c)=0.
whuber

Có, nó mâu thuẫn với giả định của bạn: Tôi chỉ ra rằng khi có cực tiểu dương, tỷ lệ giới hạn theo trực giác là Ý tưởng là chúng ta có thể mô phỏng như vậy bằng cách làm cho xác suất về 0 cực nhanh tại điểm gốc. Phần thứ hai của bài viết của tôi, như đã nêu, chỉ là động lực cho ví dụ cho kết luận của bạn, được phân tích và minh họa trong phần cuối cùng. X1.X
whuber

2
Đẹp! Tôi đến cùng một kết quả bằng cách sử dụng phân phối Fréchet chuẩn. Với lựa chọn này, chúng ta có và sử dụng thay đổi biến , xác suất đơn giản hình thức liên quan đến chức năng Beta và một lần nữa sản phẩm vô hạn phân kỳ mang lại khả năng hội tụ. Chúng ta có cùng một hành vi phẳng gần . F(ry)=F(y)1/rz:=F(y)Pr(Ur)0
Yves

2
Tôi chỉ đề xuất một biến thể trong câu trả lời hay của whuber. Bằng cách chọn Fréchet tiêu chuẩn cho việc tính toán khá đơn giản. F(y)=exp{1/y}y>0
Yves
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.