Brain-teaser : 균일 한 [0,1] 분포에서 도출 될 때 단조롭게 증가하는 iid 서열의 예상 길이는 얼마입니까?


28

여기 에보고 된 정량적 분석가의 인터뷰 질문입니다 . 균일 한 분포 에서 그림을 그리고 그림이 iid 라고 가정 합니다. 단조 증가 분포의 예상 길이는 얼마입니까? 즉, 현재 그리기가 이전 그리기보다 작거나 같으면 그리기를 중지합니다.[0,1]

처음 몇 개를 얻었습니다 : \ Pr (\ text {length} = 2) = \ int_0 ^ 1 \ int_ {x_1} ^ 1 \ int_0 ^ {x_2} \ mathrm {d} x_3 \, \ mathrm {d} x_2 \, \ mathrm {d} x_1 = 1/3 \ Pr (\ text {length} = 3) = \ int_0 ^ 1 \ int_ {x_1} ^ 1 \ int_ {x_2} ^ 1 \ int_0 ^ {x_3} \ mathrm {d} x_4 \, \ mathrm { d} x_3 \, \ mathrm {d} x_2 \, \ mathrm {d} x_1 = 1/8

Pr(length=1)=010x1dx2dx1=1/2
Pr(length=2)=01x110x2dx3dx2dx1=1/3
Pr(length=3)=01x11x210x3dx4dx3dx2dx1=1/8

그러나이 중첩 적분을 계산하는 것이 점점 어려워지고 Pr(length=n) 일반화하는 "트릭"을 얻지 못했습니다 . 최종 답변이 \ mathbb E (\ text {length}) = \ sum_ {n = 1} ^ {\ infty} n \ Pr (\ text {length} = n) 인 것을 알고 있습니다.

E(length)=n=1nPr(length=n)

이 질문에 대답하는 방법에 대한 아이디어가 있습니까?

답변:


37

이 질문을 해결하기위한 일반적인 힌트는 다음과 같습니다.

연속적인 IID 랜덤 변수 시퀀스가 ​​있으며 이는 교환 가능 하다는 의미 입니다. 이것은 처음 n 값에 대해 특정 순서를 얻을 확률에 대해 무엇을 의미 합니까? 이를 바탕으로 첫 n 값의 차수가 증가 할 확률은 얼마입니까? 기본 랜덤 변수의 분포를 통합하지 않고이를 파악할 수 있습니다. 이 작업을 잘 수행하면 균일 분포를 가정하지 않고 답을 도출 할 수 있습니다. 즉, 연속 무작위 변수의 교환 가능한 시퀀스에 적용되는 답을 얻을 수 있습니다.


여기에 완전한 해결책이 있습니다 ( 이것을 스스로 알아 내야한다면 보지 마십시오 ).

하자 독립 연속 확률 변수의 시퀀스, 그리고하자 는 시퀀스 시작시 증가하는 요소의 수입니다. 이들은 연속적으로 교환 가능한 임의의 변수이므로 서로 거의 동일하지 동일 할 가능성이 있습니다. (이 결과는 연속 랜덤 변수의 모든 IID 시퀀스에 적용되며, 균일 한 분포를 가질 필요는 없습니다.) 랜덤 변수 에는 확률 질량 함수가 있습니다.N max { n N | U 1 < U 2 < < U n } P ( N n ) = P ( U 1 < U 2 < <U1,U2,U3,IID Continuous DistNmax{nN|U1<U2<<Un}NPN(N)=P(N

P(Nn)=P(U1<U2<<Un)=1n!.
NE(N)= n=1P(Nn)=
pN(n)=P(N=n)=1n!1(n+1)!=n(n+1)!.
이 결과는 기본 값에 대한 통합을 사용하여 계산 한 값과 일치합니다. (이 부분은 솔루션에 필요하지 않으며, 완전성을 위해 포함되어 있습니다.) 음이 아닌 임의 변수예상 값에 대해 잘 알려진 규칙을 사용하여 다음 을 갖습니다. 우리의 작업에서 기본 균일 분포를 사용한 것은 아무것도 없다는 점을 다시 한 번 주목하십시오. 따라서, 이는 연속 랜덤 변수의 교환 가능한 순서에 적용되는 일반적인 결과입니다.
E(N)=n=1P(Nn)=n=11n!=e1=1.718282.

추가 통찰력 :

위의 작업에서 우리는이 분포 결과와 결과 예상 값이 연속 분포 인 한 기본 분포에 의존하지 않음을 알 수 있습니다. 우리가 모든 연속 스칼라 랜덤 변수가 균일 랜덤 변수의 단조 변환을 통해 얻을 수 있다는 사실을 고려하면 이것은 놀라운 일이 아닙니다. 단조 변환은 순위 순서를 유지하므로 임의의 IID 연속 랜덤 변수의 순서 확률을 보는 것은 IID 균일 랜덤 변수 의 순서 확률을 보는 것과 같습니다 .


6
잘 했어요! (+1)
jbowman 2016 년

1
@Ben 나는 마지막 방정식까지 당신을 따라갑니다 ... 예상 값은, ...이 부분을 더 자세히 설명해 주시겠습니까? E ( N ) = n = 1 P ( N n )
이자형()==1(=)==12/(+1)!
이자형()==1()
Amazonian

5
이것은 음이 아닌 임의 변수예상 값에 대한 잘 알려진 규칙입니다 . 합산 순서를 바꾸는 기술을 사용하면 다음과 같은 이점이 있습니다. 따라서 입니다. n 1
E(N)=n=1nP(N=n)=n=1k=1nP(N=n)=n=1k=nP(N=k)=n=1P(Nn).
n1n!=nn2(n+1)!
복원 Monica Monica

당신은에 자세히 설명해 이유 ? P(Nn)=P(U1<U2<<Un)
badmax

1
@badmax : 랜덤 변수 은 시퀀스 시작시 의 증가하는 요소 수입니다 (정의 참조). 따라서 인 경우 시퀀스 시작 시 최소 증가하는 요소 가 있음을 의미합니다 . 즉, 첫 번째 요소 는 순서대로 증가 해야합니다 . U N N N N U 1 < U (2) < < U의 N1<2<<
Monica Monica 복원

8

보다 일반적인 경우에 대한 솔루션을 제공하는 또 다른 해결 방법입니다.

가정 단조 서열의 예상 길이 , 그러한 . 계산하려는 값은 입니다. 그리고 우리는 알고 있습니다. 다음 값에 대한 컨디셔닝{ X 1 , X 2 , . . . } x x 1x 2F ( 0 ) FF(x){x1,x2,...}xx1x2F(0)F(1)=0

F(x)=0xπ(y)0dy+x1π(y)(1+F(y))dy=x11+F(y)dy

여기서 은 U [0,1] 밀도입니다. 그래서π(y)=1

F(x)=(1+F(x))

경계 조건으로 해결 , 우리가 얻을 . 따라서 입니다.F ( x ) = e ( 1 x )1 F ( 0 ) = e - 1F(1)=0F(x)=e(1x)1F(0)=e1


2
이것은 매우 영리합니다. 간단히 설명하면, 1) 이 가장 긴 초기 증가 시퀀스의 길이에서 1을 뺀 길이 인 경우 를 결정하고 설정 하면 충분합니다 , 2) 경우 제로 및 그렇지. 이후 우리는 , 균일 한 경우 직접 해결할 수 있습니다. E ( L | X 0 = x ) = : F ( x ) x = 0 E ( L | X 0 = x , X 1 = y ) y < x 1 + E ( L | X 0 = y ) E ( L | X 0 = L | X 0 = X ,LE(L|X0=x)=:F(x)x=0E(L|X0=x,X1=y)y<x1+E(L|X0=y)F ' ( x ) = f X ( x ) ( 1 + F ( x ) )E(L|X0=x)=E(E(L|X0=x,X1))=RfX(y)E(L|X0=x,X1=y)dy=x1fX(y)(1+E(L|X0=y))dy=x1fX(y)(1+F(y))dyF(x)=fX(x)(1+F(x))
Matthew Towers

2
+1 참으로 영리합니다. 그러나 최종 답변은 분포에 의존하지 않기 때문에 (다른 답변에서 설명하는 것처럼)이 계산은 에 의존해서는 안됩니다 . 그것을 볼 방법이 있습니까? CC에서 @m_t_까지 π(y)
amoeba는

3
@amoeba 동의 의 분포에 의존하지 않아야 의, 그러나 다른 값 해야 : DE인지의 일반적인 용액X F F = C e π1에프(0)엑스에프에프=기음이자형π1
마 타워

1
@MartijnWeterings , 1이 아니라고 생각합니다 . 예를 들어 균일 한 경우에는e e x1기음=이자형이자형이자형엑스1
Matthew Towers

1
그래 네가 맞아. 나는 문을 추론 할 균일 한 케이스를 사용하지만 잘못 사용 대신c e x1ce1x1cex1
섹스 투스 엠피 리 쿠스

0

또 다른 해결 방법은 적분을 직접 계산하는 것입니다.

증가하는 부분의 길이가 인 시퀀스를 생성 할 확률 은 . 여기서 .nfn(0)fn(x)=x1x11x21...xn21xn11dxndxn1...dx2dx1

우리가해야 할 일은 을 계산하는 것입니다 .fn(0)

처음 여러 를 계산하려고하면 아마도fn(x)fn(x)=t=0n(x)tt!(nt)!

기본 사례 : 일 때n=1f1(x)=t=01(x)tt!(nt)!=1x=x1dx1

귀납적 가설 : 일 때n=kfn(x)=t=0k(x)tt!(kt)! , for k1

유도 단계 : 일 때n=k+1

     fn(x)=fk+1(x)=x1fk(x)dx

=x1t=0k(x)tt!(kt)!dx

=t=0k(x)t+1t!(kt)!×(t+1)|x1=t=0k(x)t+1(t+1)!(kt)!|x1

=t=1k+1(x)tt!(kt+1)!|x1

=t=1k+1(1)t+1t!(kt+1)!+t=1k+1(x)tt!(kt+1)!

=t=1k+1(1)t+1Ctk+1(k+1)!+t=1k+1(x)tt!(kt+1)!

=1(k+1)!+t=0k+1(1)t+1Ctk+1(k+1)!+t=1k+1(x)tt!(kt+1)!

=1(k+1)!(11)k+1(k+1)!+t=1k+1(x)tt!(kt+1)!

=t=0k+1(x)tt!(kt+1)!

수학적 유도에 의해 가정이 유지됩니다.

따라서 우리는fn(0)=1n!

따라서E(length)=n=1Pr(lengthn)=n=11n!=e1

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