n 정상 정규 변수의 최대 비율에 대한 예상 값


10

가정 에서 IID되는 과하게 나타내고 '번째 행 작은 소자 . 에서 두 연속 요소 간의 비율의 예상 최대 값을 어떻게 상한으로 지정할 수 있습니까? 즉, 상한을 어떻게 계산할 수 있습니까?X1,...,XnN(μ,σ2)X(i)iX1,...,XnX(i)

E[maxi=1,...,n1(X(i+1)X(i))]

내가 찾은 문헌은 주로 두 개의 임의 변수 사이의 비율에 초점을 맞추고 있으며, 두 개의 상관 관계없는 정규 분포에 대한 pdf가 여기에 제공됩니다 : https://en.wikipedia.org/wiki/ Ratio_distribution # Gaussian_ratio_distribution . 이 예상되는 평균 비율 UPPERBOUND 나를 수 있도록 것이지만 n 변수를 내가 예상되는 최대 비율을 찾아 내기에이 개념을 일반화하는 방법을 볼 수 n 변수를.


whuber가 아래에 언급했듯이, 두 개의 연속 주문 통계 비율에 대한 기대는 수렴되지 않습니다. 그러나 차이가 있거나 차이점에 관심이 있다면
E[maxi=1,...,n1(X(i+1)X(i))]
... 문제는 실제로 두 개의 가장 큰 주문 통계, 즉 E [X _ {(n)} -X_ 의 비율 (또는 경우에 따라 차이)을 찾는 것으로 단순화해야합니다. {(n-1)}]
E[X(n)X(n1)]
... 보통 꼬리의 모양과 같습니다.
wolfies

답변:


7

기대치는 미정이다.

송출 에 따라 IID 수 있는 유통 다음과 같은 속성 : 양수가 존재하는 과 긍정적 인 그러한를XiFhϵ

(1)F(x)F(0)hx

모든 입니다. 이 특성은 밀도가 모든 연속적인 분포, 이러한 정규 분포의 사실 의 연속 제로가 아닌 다음 들면, 에 우리를 허용 과 사이의 고정 값 을 취하십시오 .0<x<ϵf0F(x)F(0)=f(0)x+o(x)h0f(0)

분석을 단순화하기 위해 및 . 두 정규 분포에 모두 해당됩니다. 후자는 필요한 경우 크기를 재조정하여 보장 할 수 있습니다 . 전자는 단순한 확률을 과소 평가하는 데만 사용됩니다.F(0)>01F(1)>0F

하자 우리가 비율의 생존 기능 등을 과대 평가하게t>1

Pr(X(i+1)X(i)>t)=Pr(X(i+1)>tX(i))>Pr(X(i+1)>1, X(i)1/t)>Pr(X(i+1)>1, 1/tX(i)>0, 0X(i1)).

후자의 가능성은 정확하게하는 기회 의 초과 구간에 단 하나의 거짓말 , 나머지 (있는 경우) 정이된다. 측면에서 기회가 주어진 것을 다항식으로niXj1(0,1/t]i1F

(nni,1,i1)(1F(1))ni(F(1/t)F(0))F(0)i1.

경우 , 부등식 하부에 제공 비례하다 행이 것을 보여주는t>1/ϵ(1)1/t

생존 함수 의 로 점근 행동 꼬리 갖는 : 인 양수 .S(t)X(i+1)/X(i)1/tS(t)=a/t+o(1/t)a

정의에 따르면 임의의 변수에 대한 기대는 양의 부분 에 대한 기대와 음수 부분에 대한 기대 입니다. 이후 존재하는 경우 - - 기대의 양극 부 생존 기능의 정수이다 (행 에 ) 및max(X,0)max(X,0)0

0xS(t)dt=0x(1/t+o(1/t))dtlog(x),

기대의 긍정적 인 부분이 다양합니다.X(i+1)/X(i)

변수 적용되는 동일한 인수 는 기대의 음수 부분이 표시 됩니다. 따라서 비율에 대한 기대는 무한한 것이 아니며 정의되지 않았습니다.Xi


2
+1 나는 단지 '간단한' 사례를 시도하고 있었고, 기대치를 평가하려고 시도했지만 같은 결론에 도달했습니다. 기대 적분이 수렴하지 않는다는 것입니다. 아마도 영업 이익은 오히려 비율에 비해 차이와 같은 다른 형태로 질문을 캐스팅 다시됩니다n=3
wolfies
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.