최신 정보
Taylor 확장을 과소 평가했습니다. 그들은 실제로 작동합니다. 나는 나머지 항의 적분이 제한되지 않는다고 가정했지만 약간의 노력으로 이것이 사실이 아님을 알 수 있습니다.
Taylor 확장은 한정된 닫힌 간격의 기능에 작동합니다. 유한 분산을 갖는 랜덤 변수의 경우 체비 쇼프 부등식 은
피( | X− E엑스| >c)≤ Va r ( X)기음
그래서 위해 어떤 우리는 충분히 큰 찾을 수 있습니다 그래서cε > 0기음
피( X∈ [ E엑스− c , E엑스+ c ] ) = P( | X− E엑스| ≤c)<1−ε
먼저 추정하자 . 우리는이
여기서 는 의 분포 함수입니다 .E f ( X ) = ∫ | x − E X | ≤ c f ( x ) d F ( x ) + ∫ | x − E X | > c f ( x ) d F ( x ) F ( x ) X이자형에프( X)
이자형에프( X) = ∫| x-E엑스| ≤c에프( x ) d에프( x ) + ∫| x-E엑스| >c에프( x ) d에프( x )
에프( x )엑스
첫 번째 적분의 도메인은 닫힌 간격으로 묶인 간격 이므로 Taylor 확장을 적용 할 수 있습니다.
여기서 이고 모든 대해 동등성이 유지됩니다 . Taylor 확장에서는 4 개의 용어 만 사용했지만 일반적으로 함수 가 충분히 부드러 우면 원하는만큼 많이 사용할 수 있습니다 .f ( x ) = f ( E X ) + f ' ( E X ) ( x − E X ) + f ″ ( E X )[ E엑스− c, E엑스+ c ]α∈[EX−c,EX+c]x∈[EX−c,EX+c]f
에프( x ) = f( E엑스) + f'( E엑스) ( x − E엑스) + f′ ′( E엑스)2( x − E엑스)2+ f′ ′ ′( α )삼( x − E엑스)삼
α∈[EX−c,EX+c]x∈[EX−c,EX+c]f
이 공식을 이전의 공식으로 대체
Ef(X)=∫|x−EX|≤cf(EX)+f′(EX)(x−EX)+f′′(EX)2(x−EX)2dF(x)+∫|x−EX|≤cf′′′(α)3(x−EX)3dF(x)+∫|x−EX|>cf(x)dF(x)
이제 우리는 통합 영역을 증가시켜 다음 공식을 얻을 수 있습니다
Ef(X)=f(EX)+f′′(EX)2E(X−EX)2+R3
여기서
이제 몇 가지 모멘트 조건에서이 나머지 항의 두 번째 항이 작은 만큼 크다는 것을 알 수 있습니다 . 불행하게도 첫 번째 항이 남아 있으므로 근사치의 품질은 및 경계 간격에서 의 3 차 미분의 거동에 따라 달라집니다 . 이러한 근사는 랜덤 변수에 가장 적합 합니다.
R3=f′′′(α)3E(X−EX)3++∫|x−EX|>c(f(EX)+f′(EX)(x−EX)+f′′(EX)2(x−EX)2+f(X))dF(x)
P(|X−EX|>c)E(X−EX)3fE(X−EX)3=0
이제 분산에 대해 대해 Taylor 근사를 사용 하고 대한 공식을 빼고 차이를 제곱 할 수 있습니다. 그때f(x)Ef(x)
E(f(x)−Ef(x))2=(f′(EX))2Var(X)+T3
여기서 은 순간 를 포함 합니다. 1 차 Taylor 확장 만 사용하여, 즉 1 차 및 2 차 도함수 만 사용하여이 공식에 도달 할 수도 있습니다. 오류 용어는 비슷합니다.T3E(X−EX)kk=4,5,6
다른 방법은 를 확장하는 것입니다 :
f2(x)
f2(x)=f2(EX)+2f(EX)f′(EX)(x−EX)+[(f′(EX))2+f(EX)f′′(EX)](X−EX)2+(f2(β))′′′3(X−EX)3
마찬가지로 우리는 을 얻습니다.
여기서 은 과 유사합니다 .
Ef2(x)=f2(EX)+[(f′(EX))2+f(EX)f′′(EX)]Var(X)+R~3
R~3R3
그런 다음 분산 공식은
여기서 는 세 번째 순간 이상입니다.~T3
Var(f(X))=[f′(EX)]2Var(X)−[f′′(EX)]24Var2(X)+T~3
T~3