Załóżmy, że zmienne losowe i są niezależne i przez . Pokaż, że ma \ dystrybucja tekstu {Exp} (1) .
Zacząłem ten problem, ustawiając Następnie będzie rozpowszechniany jako a będzie dystrybuowany jako Gęstości można łatwo znaleźć jako i
To jest miejsce, w którym trudno mi teraz wiedzieć, gdzie teraz iść, skoro są one obliczone. Myślę, że to ma coś wspólnego z transformacją, ale nie jestem pewien ...
Odpowiedzi:
Problem ten można rozwiązać na podstawie samych definicji: jedynym zaawansowanym obliczeniem jest całka monomialu.
Uwagi wstępne
Pracujmy ze zmiennymi i przez cały czas: to nie zmienia ale powoduje iid z rozkładami Uniform , eliminując wszystkie rozpraszające spojrzenia w obliczeniach. Zatem możemy założyć bez utraty ogólności.Xja/ a Yja/ a Zn (X1, ... ,Yn) ( 0 , 1 ) za a = 1
Zauważ, że niezależność i ich równomierny rozkład implikuje, że dla dowolnej liczby dla której ,Yja y 0 ≤ y≤ 1
z identycznym wynikiem dla . W przyszłości możemy to obliczyćX( n )
Rozwiązanie
Niech będzie dodatnią liczbą rzeczywistą. Aby znaleźć rozkład , jego definicję i uprość wynikową nierówność:t Zn
To zdarzenie dzieli się na dwa możliwe do uzasadnienia przypadki, w zależności od tego, czy czy jest mniejszy z tych dwóch (a ich przecięcie, z zerowym prawdopodobieństwem, można zignorować). Dlatego musimy tylko obliczyć szansę jednego z tych przypadków (powiedzmy, gdzie jest mniejsza) i podwoić ją. Ponieważ , , pozwala nam (po pozwoleniu na odegranie roli od ) do zastosowania obliczeń w trybie paragrafu:X( n ) Y( n ) Y( n ) t ≥ 0 0 ≤mi- t / nX( n )≤ 1 mi- t / nX( n ) y
To oznacza, że ma rozkład Exp .Zn ( 1 )
źródło
Naszkicuję rozwiązanie tutaj, używając komputerowego systemu algebry, aby wykonać drobiazgi ...
Rozwiązanie
Jeśli jest próbką o rozmiarze na macierzystym , to pdf próbki maksymalnej to: i podobnie dla .X1, . . . ,Xn n X∼ Jednolite ( 0 , a )
Podejście 1: Znajdź wspólny plik pdf(X( n ),Y( n ))
Ponieważ i są niezależne, łączny pdf dwóch maksymalnych próbek jest po prostu iloczynem 2 pdf, powiedzmy :X Y (X( n ),Y( n )) fa( n )( x , y)
Biorąc pod uwagę . Zatem cdf dla to to:Zn= n logmax (Y( n ),X( n ))min (Y( n ),X( n )) Zn P.(Zn< z)
gdzie używamz Zn
Prob
funkcji z pakietu mathStatica dla Mathematica do automatyzacji. Różnicowanie cdf wrt daje pdf jako standardowy wykładniczy.Podejście 2: Statystyka zamówień
Możemy użyć statystyki zamówień, aby ominąć mechanikę radzenia sobie z funkcjami Max i Min.
Jeszcze raz: jeśli jest próbką o rozmiarze na macierzystym , to pdf próbki maksymalnej to: powiedzmy :X1, . . . ,Xn n X∼ Jednolite ( 0 , a ) W.=X( n ) fan( w )
Przykładowe maksima i to tylko dwa niezależne rysunki z tego rozkładu ; tj. statystyki rzędu i (w próbce o rozmiarze 2) są właśnie tym, czego szukamy:X( n ) Y( n ) W. 1s t 2)nd W
Łączny plik pdf w próbce o rozmiarze 2, powiedzmy , To:(W(1),W(2)) g(.,.)
Biorąc pod uwagę . Zatem cdf dla to to:Zn=nlogmax(Y(n),X(n))min(Y(n),X(n)) Zn P(Zn<z)
Zaletą tego podejścia jest to, że obliczanie prawdopodobieństwa nie obejmuje już funkcji maks./min., Co może sprawić, że wyprowadzenie (szczególnie ręczne) będzie nieco łatwiejsze do wyrażenia.
Inny
Zgodnie z moim komentarzem powyżej wydaje się, że źle zinterpretowałeś pytanie ...
Jesteśmy proszeni o znalezienie:
gdzie w mianowniku występuje min (Xmax ymax) ... nie obowiązkowych wszystkich „S i ” S.X Y
źródło