테일러 계열 근사치가 (전체) 기능에 대한 기대치에 언제 수렴됩니까?


10

일부 일 변량 랜덤 변수 와 전체 함수 대해 형식을 예상하십시오 (즉, 수렴 간격은 전체 실제 선입니다).E(f(X))Xf(⋅)

대한 모멘트 생성 기능이 있으므로 정수 모멘트를 쉽게 계산할 수 있습니다. 주위에 Taylor 계열을 사용한 다음 일련의 중심 모멘트 ( 와 관련하여 기대치를 적용합니다. = f (\ mu) + \ sum_ {n = 2 } ^ {\ infty} \ frac {f ^ {(n)} (\ mu)} {n!} E \ left [(x-\ mu) ^ n \ right] 이 시리즈를 자릅니다. E_N (f (x) ) = f (\ mu) + \ sum_ {n = 2} ^ {N} \ frac {f ^ {(n)} (\ mu)} {n!} E \ left [(x-\ mu) ^ n \권리] Xμ≡E(x)

E(f(x))=E(f(μ)+f′(μ)(x−μ)+f″(μ)(x−μ)22!+…)
=f(μ)+∑n=2∞f(n)(μ)n!E[(x−μ)n]
EN(f(x))=f(μ)+∑n=2Nf(n)(μ)n!E[(x−μ)n]

내 질문은 : 임의 변수의 조건 (및 f(⋅) 추가되는 조건)에서 용어를 추가 할 때 기대치의 근사가 수렴됩니다 (예 : limN→∞EN(f(x))=E(f(x)) ).

내 경우 (poisson random variable 및 f(x)=xα ) 에 수렴하지 않는 것처럼 보이기 때문에 이러한 조건이 실패 할 때 정수 순간으로 대략적인 기대치를 찾는 다른 트릭이 있습니까?


1
여기를 참조하십시오 : stats.stackexchange.com/questions/70490/…
— Jonathan

@Jonathan 감사합니다. 수정 내용이 더 명확 해졌습니다. 나는 그것을 깨뜨리지 못했지만 매우 도움이되었습니다. 이것으로부터, 이것이 작동하기에 충분한 조건은 내 임의의 변수가 강하게 집중되어 있습니까? Hoeffding의 불평등 등을 사용 하여이 메모와 비교하는 방법을 정확히 해독하는 데 어려움을 겪고 있습니다.
— jlperla

"포아송 랜덤 변수 및 "는 무슨 뜻입니까? 그게 한두 가지입니까, pdf 란 무엇입니까? f(x)=xα
— Carl

@Carl 이것은 몇 년 전이지만, 기억한다면, 변수는 en.wikipedia.org/wiki/Poisson_distribution의 PDF가 있는 대한 입니다 . 그 는 내가 기대했던 함수였습니다. 즉x∼Poisson(λ)λf(x)E(f(x))
— jlperla

무엇을 요구하는지 잘 모르겠습니다. 원점에 대한 포아송 분포 의 모멘트 가 Touchard 다항식입니다 . 여기서 {braces}는 두 번째 종류의 스털링 번호를 나타냅니다. mkλ
mk=∑i=0kλi{ki},
— Carl

답변:


1

가 실제 분석 이라고 가정하면 은 거의 확실하게 (실제로) 수렴 합니다.f

yn=f(μ)+f′(μ)(x−μ)+f″(μ)(x−μ)22!+…+f(n)(μ)(x−μ)nn!
f(x)

표준 조건이되는하에 수렴 예상 융합을 의미, 즉 있다 그 일부로서 되도록 . (지배 된 수렴 정리)

E[f(x)]=E[limn→∞yn]=limn→∞E[yn],
|yn|≤yyE[y]<∞

전력 계열이 다음과 같이 절대적으로 수렴되면이 조건이 유지됩니다. 예 : 및

y=∑n≥0|f(n)(μ)||x−μ|nn!<∞a.s.
E[y]<∞.

푸 아송 랜덤 변수와 , 는 위의 절대 한계 기준의 통합 성이 일반적으로 가능한 가장 약하다는 것을 나타냅니다.f(x)=xαα∉Z+


-1

함수 f (x)가 전력 계열 확장, 즉 모든 도함수가 존재하는 경우 근사가 수렴됩니다. 특정 임계 값 이상의 미분 값이 0과 같으면 완전히 달성됩니다. Populis [3-4]와 Stark and Woods [4]를 참조 할 수 있습니다.


"또한 특정 임계 값 이상의 미분 값이 0이면 완전하게 달성됩니다." 도함수가 존재하고 0과 같으면 다항식을 말하는 다른 방법이 아닌가?
— 누적

사실이 아닙니다. 전력 계열 확장 시점에서 "모든 파생물"이 존재하는 경우, 전력 계열은 어디에도 수렴 할 필요가 없습니다 . (표준 예제는 의 Maclaurin 시리즈입니다 ) 또 하나는 시리즈가 어느 시점에서 수렴하더라도 모든 곳에서 수렴 할 필요가 없다는 것입니다. 간단한 예로 Maclaurin 시리즈이 경우 수렴은 랜덤 변수의 세부 사항에 따라 다릅니다. 예를 들어, 에 학생 t 분포가 있고 고려 한다고 가정결국 는 존재하지 않습니다! e−1/x2.1/(1−x).X
1/(1−X)=1+X+X2+⋯+Xn+⋯.
E(Xn)
— whuber
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.