Я слышал, что соотношения или инверсии случайных величин часто проблематичны, поскольку не имеют ожиданий. Почему это?


25

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:


25

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 X=0 , вероятность слишком близка к 1/X± , в результате чего ее ожидание не определено.


Вместо того чтобы быть полностью общими, давайте сосредоточимся на случайных переменных Икс которые имеют непрерывные плотности еИкс в окрестности 0 . Предположим, что еИкс(0)0 . Визуально эти условия означают, что график е лежит выше оси около 0 :

Рисунок, показывающий график плотности и площади под ней.

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. еИкс0пеИкс(0)εИксзнак равно02εпп×2εзнак равно2пε

Рисунок, показывающий график в виде смеси.

Другими словами, мы можем думать о как возникающем следующим образом:Икс

  1. С вероятностью , нарисовать значение из Равномерное ( - ε , ε ) распределения.2пε(-ε,ε)

  2. В противном случае выведите значение из распределения, плотность которого пропорциональна . (Это функция, выделенная желтым цветом справа.)еИкс-пя(-ε,ε)

( - функция индикатора.)я

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(1)0<U<εИкс0UпU/21/Икс1/US1/Икс

S(Икс)знак равноPr(1/Икс>Икс),

На рисунке показано для всех .x > 1 / ϵS(Икс)>п/(2Икс)Икс>1/ε

Мы закончили, потому что этот факт о подразумевает, что ожидание не определено. S Сравните интегралы, участвующие в вычислении ожидания положительной части , :( 1 / X ) + = max ( 0 , 1 / X )1/Икс(1/Икс)+знак равноМаксимум(0,1/Икс)

Е[(1/Икс)+]знак равно0S(Икс)dИкс>1/εИксS(Икс)dИкс>1/εИксп2ИксdИксзнак равноп2журнал(Иксε),

(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 / XИксЕ[(1/Икс)+]1/Икс01/Икс1/Икс

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 1Икс01


3
Правильно ли я подозреваю, что предположение имеет решающее значение для результата? Я имею в виду, что у нас есть случаи, когда имеет моменты, по крайней мере, для некоторого диапазона вовлеченных параметров, и кажется, что это в случаях, когда , например, Gamma / Inverse-Gamma1 / X f X ( 0 ) = 0еИкс(0)01/ИксеИкс(0)знак равно0
Alecos Papadopoulos

3
@Alecos Нет, это предположение не имеет решающего значения. Это и непрерывность в делают аргумент простым, но ни один из них не является существенным. Рассмотрим с плотностью пропорциональной для и . Это непрерывно в но не имеет ожиданий. 0 X f X - 1 / log ( x ) 0 < x < 1 / e f X ( 0 ) = 0 0 1 / Xе0ИксеИкс-1/журнал(Икс)0<Икс<1/ееИкс(0)знак равно001/Икс
whuber

15

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 / XX0X1/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 1X0f(x)f(0)>0fϵ>0f(x)>ϵ0x<ε1/Иксu = 1 / x d u = - 1

Е1Иксзнак равно01Иксе(Икс)dИкс
Uзнак равно1/ИксЕ 1dUзнак равно-1Икс2dИксf ( u ) > ϵ [ 0 , ϵ ) f ( 1)
Е1Иксзнак равно-0Uе(1U)(1U)2dUзнак равно01Uе(1U)dU
Теперь, по предположению на поэтому на , используя это, мы имеем показывающий, что ожидание не существует. Примером, выполняющим это предположение, является экспоненциальное распределение со скоростью 1.е(U)>ε[0,ε)(1/ϵ,)E1е(1U)>1/ε(1/ε,)
Е1Икс>ε1/ε1UdUзнак равно

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 YZзнак равноY/Икс f(x,y)=f(xy)g(y)EY

ЕZзнак равноЕYИксзнак равноЕYЕ1Икс
е(Икс,Y)знак равное(Икс|Y)г(Y)
у у 1 / X Y / X
ЕYИксзнак равно0Y01Иксе(Икс|Y)dИксг(Y)dYзнак равно0Y01Uе(1U|Y)dUг(Y)dY
Y) является положительным и непрерывным в нуле, для набора с положительной предельной вероятностью ожидание будет бесконечным. Я предполагаю, что будет нелегко найти примеры, где предельное ожидание бесконечно, но ожидание отношения конечно, если не будет идеальной корреляции. Было бы неплохо увидеть несколько таких примеров!Y1/ИксY/Икс
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.