iid 감마 변이의 합 제한


11

보자X1,X2,… 확률 밀도 함수와 독립적으로 동일하게 분산 된 랜덤 변수들의 시퀀스 일;

f(x)={12x2e−xif x>0;0otherwise.
보여
limn→∞P[X1+X2+…+Xn≥3(n−n)]≥12

내가 시도한 것

첫눈에 나는 질문이 쇼에게 하한 요청하는대로 체비 쇼프 부등식을 사용한다고 생각 X1+X2+…+Xn . 그러나 문제가 CLT (Central Limit Theorem)와 관련이있을 수 있음을 분명히 나타내는 한계 부호에 대해 생각했습니다.

하자 Sn=X1+X2+…+Xn

E(Sn)=∑i=0nE(Xi)=3n (since E(Xi)=3)V(Sn)=∑i=0nV(Xi)=3n (since V(Xi)=3 and Xi are i.i.d)

이제 CLT를 사용하여 큰 n 에 대해 X1+X2+........+Xn∼N(3n,3n)
또는

z=Sn−3n3n∼N(0,1) as n→∞

이제

limn→∞P[X1+X2+........+Xn≥3(n−n)]=limn→∞P(Sn−3n≥−3n)=limn→∞P(Sn−3n3n≥−3)=P(z≥−3)=P(−3≤z<0)+P(z≥0)=P(−3≤z<0)+12⋯(1)

사람 따라서, 행 , P(−3≤z<0)≥0(1)

limn→∞P[X1+X2+........+Xn≥3(n−n)]≥12

나 맞아?


1
CLT는 합리적인 접근 방법으로 보이지만 " "의미가 없습니다 ..limn→∞P[X1+X2+........+Xn≥3(n−n)]=P(Sn−3n≥−3n)
— P.Windridge

I는해야한다고 생각
limn→∞P[X1+X2+........+Xn≥3(n−n)]=limn→∞P(Sn−3n≥−3n)=limn→∞P(Sn−3n3n≥−3)=P(z≥−3)

6
대안으로 iid 및 . 중앙값 감마 확률 변수의 닫힌 형태에 공지 아니지만 된다 (참조 공지 위키 )이 큰 대 , (A)의 중간 사이의 임의의 변수 거짓 및 . 이후 그것은되어야한다는 오른쪽의 확률 질량 거짓의 적어도 절반 . Xi∼Γ(3,1)X1+X2+⋅+Xn∼Γ(3n,1)nΓ(3n,1)3n−133n3(n−n)<3n−133(n−n)
— Dilip Sarwate

답변:


3

체비 쇼프의 불평등이 효과가 있다고하셨습니다. 그것은 많은 이러한 시퀀스에 적용되는 다소 조잡하지만 효과적인 경계를 제공 하여이 시퀀스의 중요한 특징은 부분 합의 분산이 최대 과 선형 적으로 증가한다는 것을 나타 냅니다.n

다음, 상관 변수 중 임의 서열의 매우 일반적인 경우 고려 수단 와 유한 차이 첫 합으로 하자 .Xiμiσi2.Ynn

Yn=∑i=1nXi.

결과적으로 의 평균 은Yn

mn=∑i=1nμn

그리고 그 차이는

sn2=Var⁡(Yn)=∑i=1nVar⁡(Xi)+2∑j>iCov⁡(Xi,Xj)=∑i=1nσi2.

가 과 함께 최대 선형으로 증가 한다고 가정합니다 .sn2n 즉, 충분히 큰 이되도록 숫자 있다고 가정합니다 (아직 결정)을 보자.λ>0n, sn2≤λ2n.k>0

m−kn≤m−kλsn,

체비 쇼프의 불평등을 에 적용 하여Yn

Pr(Yn≥mn−kn)≥Pr(Yn≥mn−kλsn)≥Pr(|Yn−mn|≤kλsn)≥1−λ2k2.

처음 두 불평등은 기본입니다. 각 연속 이벤트는 이전 이벤트의 하위 집합이기 때문에 따릅니다.


손의 경우, 여기서 수단과 독립적 인 (따라서 무상관)이다 및 편차를 우리가 및Xiμi=3σi2=3,mn=3n

sn=3n,

우리는 를 만큼 작게 취할 수 있습니다 질문 의 이벤트는 해당합니다 여기서λ3.3(n−n)=μn−3nk=3,

Pr(Yn≥3n−3n)≥1−3 232=23>12,

QED.


1

whuber의 탁월한 답변에 대한 대안으로, 문제의 확률의 정확한 한계를 도출하려고 노력할 것입니다. 감마 분포의 특성 중 하나는 동일한 비율 / 스케일 매개 변수를 갖는 독립 감마 랜덤 변수의 합이 해당 변수의 형상의 합과 동일한 형상을 갖는 감마 랜덤 변수라는 것입니다. (분포의 생성 함수를 사용하여 쉽게 증명할 수 있습니다.) 현재의 경우 이 있으므로 합계를 얻습니다.X1,...Xn∼IID Gamma(3,1)

Sn≡X1+⋯+Xn∼Gamma(3n,1).

따라서 감마 분포의 CDF를 사용하여 정확한 관심 확률을 쓸 수 있습니다. 분들께 나타낸다 형상 매개 변수와 관심의 인수를 나타내며, 우리가 가진 :a=3nx=3(n−n)

H(n)≡P(Sn≥3(n−n))=Γ(a,x)Γ(a)=aΓ(a)aΓ(a)+xae−x⋅Γ(a+1,x)Γ(a+1).

이 확률의 한계를 찾기 위해 먼저 에서 두 번째 매개 변수를 쓸 수 있습니다 . Temme (1975) ( Eqn 1.4, p. 1109)에 표시된 결과를 사용 하여 점근 적 동등성을 갖습니다.x=a+2a⋅yy=−3/2

Γ(a+1,x)Γ(a+1)∼12+12⋅erf(−y)+29aπ(1+y2)exp⁡(−y2).

스털링의 근사와 지수의 제한적 정의를 사용하여 다음과 같이 나타낼 수도 있습니다.

aΓ(a)aΓ(a)+xae−x∼2π⋅a⋅(a−1)a−1/22π⋅a⋅(a−1)a−1/2+xa⋅ea−x−1=2π⋅a⋅(1−1a)a−1/22π⋅a⋅(1−1a)a−1/2+x⋅(xa)a−1/2⋅ea−x−1=2π⋅a⋅e−12π⋅a⋅e−1+x⋅ex−a⋅ea−x−1=2π⋅a2π⋅a+x∼2πa2πa+1.

관련 값을 대체하여 다음을 얻습니다.

H(n)=aΓ(a)aΓ(a)+xae−x⋅Γ(a+1,x)Γ(a+1)∼2πa2πa+1⋅[12+12⋅erf(32)+29aπ⋅52⋅exp⁡(32)].

이것은 우리에게 한계를 준다 :

limn→∞H(n)=12+12⋅erf(32)=0.9583677.

이것은 우리에게 1/2보다 큰 관심 확률의 정확한 한계를 제공합니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.