@MichaelChernick 1) Nie jestem pewien, czy mój dowód niezależności jest poprawny, i 2) Nie jestem pewien, czy wynik, który, jak przypuszczałem powyżej, odnoszący się do różnicy rozkładów gamma jest nawet poprawny. To wydaje się zaprzeczać temu, co tu podano , ale być może ta sytuacja jest inna, ponieważ różnica ta obejmuje jedną ze statystyk zamówień? Nie jestem pewny.
Klarnecista
1
@Clarinetist, nie jestem pewien. Może spróbuj pracować z , co wyraźnie równa się sumie, z którą pracujesz. Pomocna może być tutaj odpowiedź: math.stackexchange.com/questions/80475/…∑ni=2(Y(i)−Y(1))
gammer
3
Czy próbowałeś udowodnić, że każdy - z wyjątkiem jednego , dla którego , a następnie, wykorzystując fakt, że suma iid zmiennych wykładniczych będzie rozkładana w gamma? i Y i - Y ( 1 ) = 0 ( n - 1 )(Yi−Y(1))∼Expon(1)iYi−Y(1)=0(n−1)
Marcelo Ventura,
1
@jbowman Mamy i uwarunkowane na , dzielimy to przez , dając , stąd mamy . Oto, co mnie wkurzyło w tym dowodzie: uznałem za stałą. Ale nie jest stałą. Dlaczego to miałoby działać? Y i ≥ a e - a e - z i ( Z i ∣ Y i ≥ A ) ∼ Exp ( 1 ) A Y ( 1 )
fZi(zi)=fYi(zi+a)=e−(zi+a)
Yi≥ae−ae−zi(Zi∣Yi≥ A ) ∼ Exp (1)AY( 1 )
Klarnecista
1
Chodzi o to, że nie ma znaczenia, co jest! Rozkład jest zawsze ! Niezwykłe, prawda? Z tego można wywnioskować, że rozkład to zawsze dla , niezależnie od faktycznej wartości . Exp ( 1 ) Y i - Y [ 1 ] Exp ( 1 ) i > 1 Y [ 1 ]zaExp ( 1 )Yi-Y[ 1 ]Exp ( 1 )i > 1Y[ 1 ]
Twierdzenie 2.3 (Sukhatme, 1937) Jeśli zdefiniujemy wówczas znormalizowane odstępy wykładnicze
wyprowadzone z statystyka zamówień iid wykładniczej próbki o wielkości
same są zmiennymi wykładniczymi( n - i + 1 ) ( E ( i ) - E ( i - 1 ) ) E ( 1 ) ≤ … ≤ E ( n ) nmi( 0 )= 0
(n−i+1)(E(i)−E(i−1))
mi( 1 )≤ … ≤ E( n )n
Dowód. Ponieważ
the łączna gęstość statystyki zamówienia zapisuje jako
Ustawienie , zmiana zmiennych z do ma stałą jakobian [nawiasem mówiąc równyale nie trzeba tego obliczać] i stąd gęstość (E(1),…,E(n
f( e )=n!( E( 1 ), … , E( n )) Y i = ( E ( i ) - E ( i - 1 ) ) ( E ( 1 ) , … , E ( n ) ) ( Y 1
fa( e ) = n !exp{ - ∑i = 1nmi( i )} =n!exp{ - ∑i = 1n( n - i + 1 ) ( e( i )- e( i - 1 )) }
Yja= ( E( i )- E( i - 1 ))( E( 1 ), … , E( n ))1 / n ! ( Y 1 , … , Y n )( Y1, … , Yn)1 / n !( Y1, … , Yn) jest proporcjonalny do
który ustala wynik. CO BYŁO DO OKAZANIA
exp{ - ∑i = 1nyja}
Alternatywą zaproponowaną mi przez Gérarda Letaca jest sprawdzenie, czy ma taki sam rozkład jak (na podstawie właściwości bez pamięci), co powoduje wyprowadzenie proste.( E 1
Dziękuję za tę odpowiedź! Chciałbym podać kilka szczegółów dla każdego, kto to czyta w przyszłości: są obserwowanymi wartościami i najłatwiejszym sposobem, aby zobaczyć, że ma napisać termin po terminie. Ponieważ gęstość jest proporcjonalna do , oddziel aby zobaczyć, że gęstość jest proporcjonalna do , stąd .mijamija∑ni = 1mi( i )= ∑ni = 1( n - i + 1 ) ( e( i )- e( i - 1 )) = ∑ni = 1mi( i )∑ni = 1( n - i + 1 ) ( e( i )- e( i - 1 ))( Y1, … , Yn)exp( - ∑ni = 1yja)yja∏ni = 1mi- yjaY1, … , Yn∼iidExp ( 1 )
Klarnecista
5
Przedstawiam tutaj to, co zostało zasugerowane w komentarzach @jbowman.
Niech stała . Niech podąży za i rozważ . Następniea ≥ 0YjaExp (1)Zja= Yja- a
Pr ( Zja≤ zja∣ Yja≥ a ) = Pr ( Yja- a ≤ zja∣ Yja≥ a )
⟹Pr ( Yja≤ zja+ a ∣ Yja≥ a ) = Pr ( Yja≤ zja+ a , Yja≥ a )1 - Pr ( Yja≤ a )
⟹Pr ( a ≤ Yja≤ zja+ a )1 - Pr ( Yja≤ a )= 1 - e- zja- a- 1 + e- ami- a= 1 - e- zja
która jest funkcją dystrybucji .Exp (1)
Opiszmy to: prawdopodobieństwo, że rv spadnie w określonym przedziale (licznik w ostatnim wierszu), biorąc pod uwagę, że przekroczy dolną granicę przedziału (mianownik), zależy tylko od długość interwału, a nie w miejscu, w którym ten interwał jest umieszczony na linii rzeczywistej. Exp (1)Jest to wcielenie właściwości „bez pamięci ” rozkładu wykładniczego, tutaj w bardziej ogólnym ustawieniu, bez interpretacji czasu (i ogólnie dotyczy rozkładu wykładniczego)
Teraz, kondycjonowania w zmusić być nieujemne, a co najważniejsze, otrzymany wynik posiada . Możemy więc stwierdzić, co następuje: { Yja≥ a }Zja∀ a ∈ R.+
Jeśli , to . Yja∼ Exp (1)∀ Q ≥ 0 : Zja= Yja- Q ≥ 0⟹Zja∼ Exp (1)
Czy możemy znaleźć które może swobodnie przyjmować wszystkie nieujemne wartości rzeczywiste i dla których wymagana jest nierówność (prawie na pewno)? Jeśli możemy, możemy zrezygnować z argumentu warunkowego. Q ≥ 0
I rzeczywiście możemy. Jest to statystyka minimalnego rzędu , , . Więc uzyskaliśmyQ = Y( 1 )Pr ( Yja≥ Y( 1 )) = 1
Yja∼ Exp (1)⟹Yja- Y( 1 )∼ Exp (1)
To znaczy że
Pr ( Yja- Y( 1 )≤ yja- y( 1 )) = Pr ( Yja≤ yja)
Jeśli więc struktura probabilistyczna pozostanie niezmieniona, jeśli statystykę minimalnego rzędu, wynika z tego, że zmienne losowe i gdzie niezależne, są również niezależne, ponieważ możliwy związek między nimi, nie ma wpływu na strukturę probabilistyczną.YjaZja= Yja- Y( 1 )Zjot= Yjot- Y( 1 )Yja, YjotY( 1 )
Zatem suma zawiera iid zmiennych losowych (i zero), i tak∑ni = 1( Yja- Y( 1 ))n - 1Exp (1)
Odpowiedzi:
Dowód podano w książce Mother of All Random Generation Books, Devroye's Non-uniform Random Variate Generation , na str. 211 (i jest to bardzo elegancki!):
Dowód. Ponieważ the łączna gęstość statystyki zamówienia zapisuje jako Ustawienie , zmiana zmiennych z do ma stałą jakobian [nawiasem mówiąc równyale nie trzeba tego obliczać] i stąd gęstość (E(1),…,E(n
Alternatywą zaproponowaną mi przez Gérarda Letaca jest sprawdzenie, czy ma taki sam rozkład jak (na podstawie właściwości bez pamięci), co powoduje wyprowadzenie proste.( E 1
źródło
Przedstawiam tutaj to, co zostało zasugerowane w komentarzach @jbowman.
Niech stała . Niech podąży za i rozważ . Następniea ≥ 0 Yja Exp (1) Zja= Yja- a
która jest funkcją dystrybucji .Exp (1)
Opiszmy to: prawdopodobieństwo, że rv spadnie w określonym przedziale (licznik w ostatnim wierszu), biorąc pod uwagę, że przekroczy dolną granicę przedziału (mianownik), zależy tylko od długość interwału, a nie w miejscu, w którym ten interwał jest umieszczony na linii rzeczywistej.Exp (1) Jest to wcielenie właściwości „bez pamięci ” rozkładu wykładniczego, tutaj w bardziej ogólnym ustawieniu, bez interpretacji czasu (i ogólnie dotyczy rozkładu wykładniczego)
Teraz, kondycjonowania w zmusić być nieujemne, a co najważniejsze, otrzymany wynik posiada . Możemy więc stwierdzić, co następuje:{ Yja≥ a } Zja ∀ a ∈ R.+
Jeśli , to .Yja∼ Exp (1) ∀ Q ≥ 0 : Zja= Yja- Q ≥ 0 ⟹ Zja∼ Exp (1)
Czy możemy znaleźć które może swobodnie przyjmować wszystkie nieujemne wartości rzeczywiste i dla których wymagana jest nierówność (prawie na pewno)? Jeśli możemy, możemy zrezygnować z argumentu warunkowego.Q ≥ 0
I rzeczywiście możemy. Jest to statystyka minimalnego rzędu , , . Więc uzyskaliśmyQ = Y( 1 ) Pr ( Yja≥ Y( 1 )) = 1
To znaczy że
Jeśli więc struktura probabilistyczna pozostanie niezmieniona, jeśli statystykę minimalnego rzędu, wynika z tego, że zmienne losowe i gdzie niezależne, są również niezależne, ponieważ możliwy związek między nimi, nie ma wpływu na strukturę probabilistyczną.Yja Zja= Yja- Y( 1 ) Zjot= Yjot- Y( 1 ) Yja, Yjot Y( 1 )
Zatem suma zawiera iid zmiennych losowych (i zero), i tak∑ni = 1( Yja- Y( 1 )) n - 1 Exp (1)
źródło