제목이 문제입니다. 랜덤 변수의 비율과 역은 종종 문제가 있다고 들었습니다. 의미는 종종 기대가 존재하지 않는다는 것입니다. 그것에 대한 단순하고 일반적인 설명이 있습니까?
제목이 문제입니다. 랜덤 변수의 비율과 역은 종종 문제가 있다고 들었습니다. 의미는 종종 기대가 존재하지 않는다는 것입니다. 그것에 대한 단순하고 일반적인 설명이 있습니까?
답변:
매우 간단하고 직관적 인 설명을하고 싶습니다. 그것은 그림을 보는 것과 같습니다.이 게시물의 나머지 부분은 그림을 설명하고 결론을 이끌어냅니다.
여기가 내려 오는 것입니다 : 는 "확률 질량"근처에 집중있을 때 , 근처에 너무 많은 가능성이있을 것 , 그 기대가 정의되지 않은 원인.
완전히 일반적인 것이 아니라 0 근처에서 연속 밀도 f X 를 갖는 랜덤 변수 에 초점을 맞추겠습니다 . f X ( 0 ) ≠ 0 이라고 가정하십시오 . 시각적으로, 이러한 조건은 f 의 그래프가 0 주위의 축 위에 있음을 의미합니다 .
그림은 모든 대한 를 보여줍니다 .
에 대한이 사실은 기대치가 정의되어 있지 않기 때문에 이제 끝났습니다 . 의 양수 부분 , 의 기대치를 계산하는 데 포함 된 적분을 비교하십시오 .
(이것은 순전히 기하학적 인 주장입니다 : 모든 적분은 식별 가능한 2 차원 영역을 나타내며, 모든 불평등은 그 지역 내의 엄격한 포함으로 인해 발생합니다. 실제로, 우리는 최종 적분이 대수라는 것을 알 필요조차 없습니다 : 단순한 기하학이 있습니다 이 적분을 보여주는 논증.)
같은 우측 발산 보낸 , 너무 발산한다. 의 마이너스 부분이있는 상황 은 동일합니다 (사각형이 주위를 중심으로하기 때문에 ). 같은 인수는 의 마이너스 부분이 기대되는 것을 나타냅니다 . 결과적으로 자체에 대한 기대 는 정의되지 않습니다.
또한, 같은 주장은 가 지수 또는 감마 분포 (예 : 모양 매개 변수가 보다 작음 ) 와 같이 한쪽 에 확률이 집중 되어도 여전히 긍정적 인 기대가 분기되지만 부정적인 기대는 0이라는 것을 보여줍니다. 이 경우 기대치 는 정의되지만 무한합니다.
비율과 역은 음이 아닌 임의의 변수에서 대부분 의미가 있으므로 거의 확실하게 가정 합니다. 경우, 양의 확률 값 제로 취할 이산 변수이며, 우리의 기대 이유를 설명하는 포지티브 확률을 제로로 분할 될 존재하지 않을 것이다.
이제 밀도 분포가 랜덤 변수 을 사용하여 연속 분포 사례를 살펴보십시오 . 이고 가 연속적 이라고 가정합니다 (적어도 0). 그런 다음있다 이되도록 대한 . 예상 값 로 주어진다 이제 적분 변수를 , , 획득
우리는 역수에 대한 답을주었습니다. 비율은 어떻습니까? 하자 두 음이 아닌 확률 변수의 비인. 그것들이 독립적이라면, 쓸 수 있습니다. 그래서 이것은 첫 번째 경우로 거의 줄어들고 할 말이별로 없습니다. . 조인트 밀도 팩토링을 로 의존한다면 어떻게 될까요? 위와 같은 치환을 사용하여) 우리는 내부 통합에 위와 같이 추론 할 수있다. 결과적되도록 조건부 밀도 경우 (소정