Giả sử rằng một biến ngẫu nhiên có giới hạn dưới và giới hạn trên [0,1]. Làm thế nào để tính toán phương sai của một biến như vậy?
Giả sử rằng một biến ngẫu nhiên có giới hạn dưới và giới hạn trên [0,1]. Làm thế nào để tính toán phương sai của một biến như vậy?
Câu trả lời:
Bạn có thể chứng minh sự bất bình đẳng của Popoviciu như sau. Sử dụng các ký hiệu và . Xác định hàm theo
Tính toán đạo hàm và giải
chúng tôi thấy rằng đạt được mức tối thiểu tại ( lưu ý rằng ).
Bây giờ, hãy xem xét giá trị của hàm tại điểm đặc biệt . Đó phải là trường hợp
Nhưng
Vì và , chúng tôi có
ngụ ý rằng
X - M ≤ 0 ( ( X - m ) + ( X - M ) ) 2 ≤ ( ( X - m ) - ( X - M ) ) 2 = ( M - m ) 2
Đặt là phân phối trên . Chúng tôi sẽ chỉ ra rằng nếu phương sai của là tối đa, thì có thể không có hỗ trợ trong nội bộ, từ đó theo sau là Bernoulli và phần còn lại là tầm thường.[ 0 , 1 ] F F F
Theo ký hiệu, hãy để là khoảnh khắc thô thứ của (và, như thường lệ, chúng tôi viết và cho phương sai).k F μ = μ 1 σ 2 = μ 2 - μ 2
Chúng tôi biết không có tất cả sự hỗ trợ tại một điểm (phương sai là tối thiểu trong trường hợp đó). Trong số những thứ khác, điều này hàm ý nằm hoàn toàn giữa và . Để tranh luận bằng mâu thuẫn, giả sử có một số tập hợp con có thể đo được trong phần bên trong trong đó . Không mất bất kỳ tính tổng quát nào, chúng tôi có thể giả sử (bằng cách thay đổi thành nếu cần) rằng : nói cách khác, có được bằng cách cắt bất kỳ một phần của trên trung bình vàμ 0 1 I ( 0 , 1 ) F ( I ) > 0 X 1 - X F ( J = I ∩ ( 0 , μ ] ) > 0 J I J có xác suất dương.
Chúng ta hãy thay đổi thành bằng cách lấy tất cả xác suất ra khỏi và đặt nó ở . F ' J 0 μ k Khi làm như vậy, thay đổi thành
Là một vấn đề của ký hiệu, chúng ta hãy viết cho các tích phân như vậy, từ đâu
Tính toán
Nhiệm kỳ thứ hai ở bên phải, , là không âm vì khắp mọi nơi trên . Thuật ngữ đầu tiên bên phải có thể được viết lạiμ ≥ x J
Thuật ngữ đầu tiên bên phải hoàn toàn tích cực vì (a) và (b) vì chúng tôi giả sử không tập trung tại một điểm. Thuật ngữ thứ hai là không âm bởi vì nó có thể được viết lại thành và tích phân này là không âm trong các giả định trên và . Theo sau đó là .[ 1 ] = F ( J ) < 1 F [ ( μ - x ) ( x ) ] μ ≥ x J 0 ≤ x ≤ 1 σ ' 2 - σ 2 > 0
Chúng tôi đã chỉ ra rằng theo các giả định của chúng tôi, thay đổi đến Nghiêm tăng sai của nó. Sau đó, cách duy nhất không thể xảy ra là khi tất cả xác suất của được tập trung tại các điểm cuối và , với các giá trị (giả sử) lần lượt là và . Phương sai của nó dễ dàng được tính bằng là cực đại khi và bằng ở đó.F ' F ' 0 1 1 - p p p ( 1 - p ) p = 1 / 2 1 / 4
Bây giờ khi là phân phối trên , chúng tôi sẽ truy xuất lại và bán lại thành phân phối trên . Việc lặp lại không thay đổi phương sai trong khi thay đổi tỷ lệ chia nó cho . Do đó, một có phương sai cực đại trên tương ứng với phân phối có phương sai cực đại trên : do đó, phân phối Bernoulli được định cỡ lại và được dịch thành có phương sai , QED .[ một , b ] [ 0 , 1 ] ( b - một ) 2 F [ một , b ] [ 0 , 1 ] ( 1 / 2 ) [ một , b ] ( b - một ) 2 / 4
Nếu biến ngẫu nhiên bị giới hạn ở và chúng ta biết trung bình , phương sai được giới hạn bởi .μ = E [ X ] ( b - μ ) ( μ - một )
Trước tiên chúng ta hãy xem xét trường hợp . Lưu ý rằng với tất cả , , trong đó cũng có . Sử dụng kết quả này, x ∈ [ 0 , 1 ] x 2 ≤ x E [ X 2 ] ≤ E [ X ] σ 2 = E [ X 2 ] - ( E [ X ] 2 ) = E [ X 2 ] - μ 2 ≤ μ - μ 2 = μ (
Để khái quát thành các khoảng với , hãy xem xét bị giới hạn ở . Xác định , được giới hạn trong . Tương đương, và do đó trong đó bất đẳng thức dựa trên kết quả đầu tiên. Bây giờ, bằng cách thay thế , ràng buộc bằng là kết quả mong muốn.b > a Y [ a , b ] X = Y - a [0,1]Y=(b-a)X+aVar[Y]=(b-a)2Var[X]≤(b-a)2μX(1-μX). μX=μY-a
Theo yêu cầu của @ user603 ....
Một giới hạn trên hữu ích trên phương sai của một biến ngẫu nhiên nhận các giá trị trong với xác suất là . Bằng chứng cho trường hợp đặc biệt (đó là những gì OP yêu cầu) có thể được tìm thấy ở đây trên math.SE , và nó dễ dàng thích nghi với trường hợp tổng quát hơn. Như đã lưu ý trong nhận xét của tôi ở trên và cả trong câu trả lời được tham chiếu ở đây, một biến ngẫu nhiên rời rạc lấy các giá trị và với xác suất bằng nhau có phương sai và do đó không có giới hạn chung chặt chẽ hơn có thể được tìm thấy.
Một điểm khác cần lưu ý là một biến ngẫu nhiên bị ràng buộc có phương sai hữu hạn, trong khi đối với biến ngẫu nhiên không giới hạn, phương sai có thể không hữu hạn và trong một số trường hợp thậm chí có thể không xác định được. Ví dụ, giá trị trung bình không thể được xác định cho các biến ngẫu nhiên Cauchy và do đó, người ta không thể xác định phương sai (như kỳ vọng của độ lệch bình phương so với giá trị trung bình).
Bạn có chắc chắn rằng điều này nói chung là đúng - cho các phân phối liên tục cũng như rời rạc? Bạn có thể cung cấp một liên kết đến các trang khác? Đối với một phân biệt chung về , việc chỉ ra rằng Tôi có thể tưởng tượng rằng sự bất bình đẳng sắc nét hơn tồn tại ... Bạn có cần hệ số cho kết quả của mình không?V a r ( X ) = E [ ( X - E [ X ] ) 2
Mặt khác, người ta có thể tìm thấy nó với hệ số dưới tên Popoviciu's_inequality trên wikipedia.
Bài viết này có vẻ tốt hơn bài viết trên wikipedia ...
Đối với phân phối đồng đều,