CDF를 사용하여 예상 값 찾기


34

나는 이것이 바로 책에서 숙제 문제라고 말하는 것으로 시작하겠습니다. 나는 예상 값을 찾는 방법을 찾기 위해 몇 시간을 보냈으며 아무것도 이해하지 못한다고 결정했습니다.

하자 X CDF를 갖고 . 찾기 들 값 있는F(x)=1xα,x1
E(X)αE(X) 가 존재 .

나는 이것을 시작하는 방법을 모른다. 존재 하는 값을 어떻게 확인할 수 있습니까? 또한 CDF로 무엇을해야할지 모르겠습니다 (이것은 누적 분포 함수를 의미한다고 가정합니다). 주파수 함수 또는 밀도 함수가있을 때 예상 값을 찾는 공식이 있습니다. Wikipedia에 따르면 의 CDF는 다음과 같이 확률 밀도 함수 로 정의 할 수 있습니다 .αXf

F(x)=xf(t)dt

이것은 내가 가진 한입니다. 여기서 어디로 가나 요?

편집 : 나는 을 넣어야 .x1

답변:


19

확률 론적 의견에 대한 편집

참고는 F(1)=0 분배하므로,이 경우에는 확률 갖는다 0 이하가되는 1 있으므로 x1 , 및 또한 필요 α>0 증가 CDF 대한.

cdf가 있다면 다음과 같이 연속 분포를 갖는 안티-인테그랄 또는 파생물을 원합니다.

f(x)=dF(x)dx

역으로 를위한 X 1 .F(x)=1xf(t)dtx1

그런 다음 기대를 찾으려면 찾아야합니다.

E[X]=1xf(x)dx

이것이 존재한다면 미적분을 당신에게 맡기겠습니다.


3
@henry - (CDF 비 감소 함수이므로) 지지체가 1 이하로 될 수 있도록F(1)=11α=11=0
probabilityislogic

@probabilityislogic : 당신은 책의 관점에서 정확할 수 있습니다. 응답을 변경하겠습니다.
Henry

답변 주셔서 감사합니다. f (x)는 무엇을 나타 냅니까? 확률 밀도 함수? cdf의 미분 값이 항상 f (x)입니까?
styfle

1
는 실제로 확률 밀도 함수라고 가정합니다. cdf가 미분을 갖는 경우 cdf가 도처에 미분을 갖지 않는 분포 (예를 들어, 이산)가 있지만 밀도는 밀도입니다f(x)
Henry

1
@styfle : 존재하는 경우 과 마찬가지로, 다른 기능의 기대치 엑스 . E[X2]=1x2f(x)dxx
Henry

71

밀도 기능의 사용이 필요하지 않습니다

1에서 CDF를 뺀 값을 적분

음수가 아닌 서포트 가있는 랜덤 변수 가있는 경우 (즉, 변수는 양수 값에 대해서만 0이 아닌 밀도 / 확률을 가짐 ) 다음 특성을 사용할 수 있습니다.X

E(X)=0(1FX(x))dx

불연속 랜덤 변수의 경우에도 유사한 속성이 적용됩니다.

증명

이후 ,1FX(x)=P(Xx)=xfX(t)dt

0(1FX(x))dx=0P(Xx)dx=0xfX(t)dtdx

그런 다음 통합 순서를 변경하십시오.

=00tfX(t)dxdt=0[xfX(t)]0tdt=0tfX(t)dt

가 더미 변수 임을 인식 하거나 간단한 대체 t = xd t = d x를 취하면 ,tt=xdt=dx

=0xfX(x)dx=E(X)

Attribution

I used the Formulas for special cases section of the Expected value article on Wikipedia to refresh my memory on the proof. That section also contains proofs for the discrete random variable case and also for the case that no density function exists.


1
+1 great result: the integral of the cdf is really simple, moreover, it is wise to avoid derivatives, whenever we can (they are not as well behaved as integrals ;)). Additional: using the cdf to calculate the variance see here math.stackexchange.com/questions/1415366/…
loved.by.Jesus

2
When you change the order of integration, how do you get the integration limits?
Zaz

The standard proof does not assume that X has a density.
ae0709

@Zaz we set the integration limits so that the same part of (t, x) space is covered. The original constraints are x >0 and t > x. We can't have the outer limits depend on the inner variable, but we can define the same region as t > 0 and 0 < x < t. Good examples of this process here: mathinsight.org/…
fredcallaway

12

The result extends to the kth moment of X as well. Here is a graphical representation: enter image description here


8

I think you actually mean x1, otherwise the CDF is vacuous, as F(1)=11α=11=0.

What you "know" about CDFs is that they eventually approach zero as the argument x decreases without bound and eventually approach one as x. They are also non-decreasing, so this means 0F(y)F(x)1 for all yx.

So if we plug in the CDF we get:

01xα111xα0xα1>0x1.

From this we conclude that the support for x is x1. Now we also require limxF(x)=1 which implies that α>0

To work out what values the expectation exists, we require:

E(X)=1xdF(x)dxdx=α1xαdx

And this last expression shows that for E(X) to exist, we must have α<1, which in turn implies α>1. This can easily be extended to determine the values of α for which the r'th raw moment E(Xr) exists.


(+1) Particularly for the sharp-eyed recognition that the given support was incorrect.
cardinal

Thanks for the response. I fixed the question. I meant to put x>=1. How did you know to first differentiate the cdf to get the density function?
styfle

@styfle - because that's what a PDF is, whenever the CDF is continuous and differentiable. You can see this by looking at how you have defined your CDF. Differentiating an integral just gives you the integrand when the upper limit is the subject of the differentiation.
probabilityislogic

1
@styfle - the PDF can also be seen as the probability that a RV lies in an infinitesimal interval. Pr(x<X<x+dx)=F(x+dx)F(x)dF(x)dxdx=f(x)dx as dx0. This way holds more generally, even for discrete RV and RV without a density (the limit is just something other than a derivative)
probabilityislogic

1

The Answer requiring change of order is unnecessarily ugly. Here's a more elegant 2 line proof.

udv=uvvdu

Now take du=dx and v=1F(x)

0[1F(x)]dx=[x(1F(x))]0+0xf(x)dx

=0+0xf(x)dx

=E[X]


I think you mean to let du-dx so that u=x.
Michael R. Chernick
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.