间距与样本均值的比率分布是多少?


10

X1,,Xn为均值为的iid指数随机变量的样本β,令X(1),,X(n)为该样本的阶数统计量。让X¯=1ni=1nXi

限定间隔

Wi=X(i+1)X(i)  1in1.
可以示出,每个Wi还指数,平均βi=βni

问题:如何找到P(WiX¯>t),其中t是已知的并且非负?

尝试:我知道,这是等于1FWi(tX¯)。因此,我使用的总概率的法如下所示:

P(Wi>tX¯)=1FWi(tX¯)=10FWi(ts)fX¯(s)ds,

变成一团糟,但我认为它是易处理​​的积分。

我在这里吗?这是对总概率定律的有效使用吗?

另一种方法可能是看差分布:

P(WitX¯>0)

甚至掰开和:

P(WiŤX¯>0=PX一世+1个-X一世+ŤñX1个++Xñ

指数情况的解决方案将是不错的选择,但更好的办法是对分布进行某种通用约束。或者至少是它的时刻,这足以使我产生切比雪夫和马尔可夫不等式。


更新:这里是从第一个方法积分:

1个-01个-经验值-Ťsβ一世1个Γñβñsñ-1个经验值-βsds1个-01个-经验值-ñ-一世Ťsβ1个Γñβñsñ-1个经验值-βsds

我已经玩了一段时间了,我不确定该去哪里。


1
分配括号项后,获得的积分看起来相对简单。更改变量后,您将获得一些伽玛函数。
Alex R.

@AlexR确实可以,但是经过一半之后,我开始怀疑它不会限制在0到1之间。我更多地是在寻找确认是否正确设置了问题。如果我对积分本身不满意,我会问Math.SE
shadowtalker

Answers:


6

您在这里遇到的困难是,您有一个与非独立随机变量有关的事件。可以通过处理事件来简化并解决问题,以便比较独立的增量。要做到这一点,我们首先注意到,对于中,每个顺序统计的可写为:X1个XñIID Expβ

Xķ=β一世=1个ķž一世ñ-一世+1个

其中(参见例如,1953年仁义,David和2003纳加拉贾)。这使我们能够写出W¯¯ ķ = β Ž ķ + 1 /ñ - ķ ,我们可以写出样本均值为:ž1个ž2žñIID Exp1个w ^ķ=βžķ+1个/ñ-ķ

X¯βñķ=1个ñXķ=βñķ=1个ñ一世=1个ķž一世ñ-一世+1个=βñ一世=1个ñķ=一世ñž一世ñ-一世+1个=βñ一世=1个ñž一世

为了便于分析,我们定义数量:

一个Ťñ-ķñ-Ťñ-ķ

对于,我们则有:一个>0

Pw ^ķŤX¯=Pžķ+1个ñ-ķŤñ一世=1个ñž一世=Pññ-ķžķ+1个Ť一世=1个ķž一世=Pññ-ķ-Ťžķ+1个Ť一世ķž一世=Pññ-ķ-ŤžŤG=Pž一个G

ž经验值1个Gñ-1个1个Ťñ/ñ-ķPw ^ķŤX¯=0Ť<ñ/ñ-ķ一个>0

Pw ^ķŤX¯=0G|ñ-1个1个一个G经验值ž|1个dždG=01个Γñ-1个Gñ-2经验值-G一个G经验值-ždždG=01个Γñ-1个Gñ-2经验值-G1个-经验值一个GdG=01个Γñ-1个Gñ-2经验值-GdG-01个Γñ-1个Gñ-2经验值-一个+1个GdG=1个-一个+1个-ñ-1个=1个-1个-ñ-ķñŤñ-1个

ŤŤ=0Ť=ññ-ķ

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.