Jeśli mam tylko , jak mogę obliczyć \ mathrm {Var} (\ frac {1} {X}) ?
Nie mam żadnych informacji na temat dystrybucji , więc nie można użyć transformacji, albo jakiekolwiek inne metody, które wykorzystują rozkład prawdopodobieństwa .
Jeśli mam tylko , jak mogę obliczyć \ mathrm {Var} (\ frac {1} {X}) ?
Nie mam żadnych informacji na temat dystrybucji , więc nie można użyć transformacji, albo jakiekolwiek inne metody, które wykorzystują rozkład prawdopodobieństwa .
Odpowiedzi:
To jest niemożliwe.
Rozważ sekwencjęXn zmiennych losowych, gdzie
Następnie:
Ale zbliża się do zera, gdy przechodzi w nieskończoność:nVar(1Xn) n
W tym przykładzie wykorzystano fakt, że jest niezmienny w tłumaczeniach , ale nie jest.X V a r ( 1Var(X) X Var(1X)
Ale nawet jeśli przyjmiemy , nie możemy obliczyć : NiechV a r ( 1E(X)=0 Var(1X)
i
Następnie zbliża się do 1, gdy idzie w nieskończoność, ale dla wszystkich .n V a r ( 1Var(Xn) n nVar(1Xn)=∞ n
źródło
Za pomocą serii Taylora można uzyskać przybliżenie momentów niskiego rzędu transformowanej zmiennej losowej. Jeśli rozkład jest dość „ciasny” wokół średniej (w pewnym sensie), przybliżenie może być całkiem dobre.
Na przykład
więc
często brany jest tylko pierwszy semestr
W tym przypadku (zakładając, że się nie pomyliłem), z , .g(X)=1X Var[1X]≈1μ4Var(X)
Wikipedia: Rozszerzenia Taylora dla momentów funkcji zmiennych losowych
---
Kilka przykładów ilustrujących to. Wygeneruję dwie (rozproszone w gamie) próbki w R, jedną z „niezbyt ciasnym” rozkładem względem średniej, a drugą nieco ściślejszą.
Przybliżenie sugeruje, że wariancja powinna być bliska1/a (1/10)4×10=0.001
Według obliczeń algebraicznych rzeczywista wariancja populacji wynosi1/648≈0.00154
Teraz dla ciasniejszego:
Przybliżenie sugeruje, że wariancja powinna być bliska1/a (1/10)4×1=0.0001
Obliczenia algebraiczne pokazują, że wariancja populacji odwrotności wynosi .102992×98≈0.000104
źródło