如标题中所建议。假设是pdf连续iid随机变量。考虑,,因此是序列首次减少时的时间。那么的值是多少?
我尝试首先评估。我有 同样,我得到。当变大时,计算变得更加复杂,我找不到模式。谁能建议我应该如何进行? P[N=4]=1
如标题中所建议。假设是pdf连续iid随机变量。考虑,,因此是序列首次减少时的时间。那么的值是多少?
我尝试首先评估。我有 同样,我得到。当变大时,计算变得更加复杂,我找不到模式。谁能建议我应该如何进行? P[N=4]=1
Answers:
另一种说法是:只有一个顺序递增,在可能排列。我们对顺序增加感兴趣,顺序直到倒数第二个位置,然后减小:这要求最大值位于位置,并且其他中的一个位于最终位置。由于有种方法可以从我们的有序序列中挑选出前项之一并将其移至最终位置,因此概率为: ñ !X 1,… ,X n n - 1 n - 1 X i n - 1 n - 1
注意 ,和因此这与通过积分得出的结果一致。镨(Ñ=3)=3-1镨(Ñ=4)=4-1
要找到的期望值,我们可以使用:
(为使求和更加明显,我使用了;对于不熟悉该和的读者,采用泰勒级数并替换)
我们可以通过仿真检查结果,这是R中的一些代码:
firstDecrease <- function(x) {
counter <- 2
a <- runif(1)
b <- runif(1)
while(a < b){
counter <- counter + 1
a <- b
b <- runif(1)
}
return(counter)
}
mean(mapply(firstDecrease, 1:1e7))
这又回来了2.718347
,足够接近2.71828
让我满意。
编辑:我的答案不正确。我将其作为一个例子来说明这样一个看似简单的问题有多么容易被误解。
我认为您的数学不适用于情况。我们可以通过简单的模拟检查一下:
n=50000
flag <- rep(NA, n)
order <- 3
for (i in 1:n) {
x<-rnorm(100)
flag[i] <- all(x[order] < x[1:(order-1)])==T
}
sum(flag)/n
给我们:
> sum(flag)/n
[1] 0.33326
将条件更改order
为4可得到:
> sum(flag)/n
[1] 0.25208
和5:
> sum(flag)/n
[1] 0.2023
因此,如果我们相信仿真结果,则看起来模式是。但这也是有道理的,因为您真正要问的是所有观测子集中的任何给定观测是最小观测的概率(如果假设iid则假定交换性,因此该阶为任意)。其中之一必须是最小值,因此真正的问题是,随机选择的任何观测值是最小值的概率是多少。这只是一个简单的二项式过程。
[self-study]
标签并阅读其wiki。