Название вопроса. Мне говорят, что отношения и инверсии случайных величин часто проблематичны. Это означает, что ожидания часто не существуют. Есть ли простое, общее объяснение этого?
Название вопроса. Мне говорят, что отношения и инверсии случайных величин часто проблематичны. Это означает, что ожидания часто не существуют. Есть ли простое, общее объяснение этого?
Ответы:
Я хотел бы предложить очень простое, интуитивно понятное объяснение. Это равносильно рассмотрению картины: остальная часть этого поста объясняет картину и делает из нее выводы.
Вот к чему это сводится: когда «масса вероятности» сконцентрирована вблизи , вероятность слишком близка к , в результате чего ее ожидание не определено.
Вместо того чтобы быть полностью общими, давайте сосредоточимся на случайных переменных которые имеют непрерывные плотности в окрестности . Предположим, что . Визуально эти условия означают, что график лежит выше оси около :
Непрерывность вокруг 0 подразумевает, что для любой положительной высоты p, меньшей, чем f X ( 0 ) и достаточно маленькой ϵ , мы можем вырезать прямоугольник под этим графом, который центрирован вокруг x = 0 , имеет ширину 2 ϵ и высоту р , как показано. Это соответствует выражению исходного распределения в виде смеси равномерного распределения (с весом p × 2 ϵ = 2 p ϵ ) и остальным.
Другими словами, мы можем думать о как возникающем следующим образом:
С вероятностью , нарисовать значение из Равномерное ( - ε , ε ) распределения.
В противном случае выведите значение из распределения, плотность которого пропорциональна . (Это функция, выделенная желтым цветом справа.)
( - функция индикатора.)
Шаг показывает , что для любых 0 < ú < е , вероятность того, что Х находится между 0 и U превышает р у / 2 . Эквивалентно, это шанс, что 1 / X превышает 1 / u . Другими словами: написание S для функции выживания 1 / X
На рисунке показано для всех .x > 1 / ϵ
Мы закончили, потому что этот факт о подразумевает, что ожидание не определено. Сравните интегралы, участвующие в вычислении ожидания положительной части , :( 1 / X ) + = max ( 0 , 1 / X )
(Это чисто геометрический аргумент: каждый интеграл представляет идентифицируемую двумерную область, и все неравенства возникают из-за строгих включений в этих областях. Действительно, нам даже не нужно знать, что конечный интеграл является логарифмом: существуют простые геометрические аргументы в пользу этого интеграла расходятся.)
Так как правая сторона расходится как , тоже расходится. Ситуация с отрицательной частью такая же (потому что прямоугольник центрируется вокруг ), и тот же аргумент показывает ожидание отрицательной части расходится. Следовательно, ожидание само по себе не определено.E [ ( 1 / X ) + ] 1 / X 0 1 / X 1 / X
Кстати, тот же аргумент показывает, что когда имеет вероятность, сконцентрированную на одной стороне от , такую как любое экспоненциальное или гамма-распределение (с параметром формы меньше ), тогда положительное ожидание все же расходится, но отрицательное ожидание равно нулю. В этом случае математическое ожидание будет определено, но бесконечно.0 1
Соотношения и обратные значения в основном значимы для неотрицательных случайных величин, поэтому я почти наверняка приму . Тогда, если - дискретная переменная, которая принимает значение ноль с положительной вероятностью, мы будем делиться с нулем с положительной вероятностью, что объясняет, почему ожидание не будет существовать.X 1 / X
Теперь рассмотрим случай непрерывного распределения, где - случайная величина с функцией плотности . Предположим, что и что непрерывно (хотя бы в нуле). Тогда существует такое, что для . Ожидаемое значение задается в Теперь давайте изменим переменную интегрирования на , мы имеем , получение f ( x ) f ( 0 ) > 0 f ϵ > 0 f ( x ) > ϵ 0 ≤ x < ϵ 1 / X E 1u = 1 / x d u = - 1
Мы дали ответ для инверсий, а как насчет соотношений? Пусть - отношение двух неотрицательных случайных величин. Если они независимы, мы можем написать так что это в значительной степени сводится к первому случаю и не так уж много нового сказать , Что, если они зависимы, с объединенным коэффициентом плотности как Тогда мы получим (используя ту же замену, что и выше) , и мы можем рассуждать , как описано выше на внутреннем интеграле. Результатом будет то, что если условная плотность (заданнаяE Z = E Y f(x,y)=f(x∣y)g(y)EY