我听说随机变量的比率或逆数经常会出现问题,因为没有期望值。这是为什么?


Answers:


24

我想提供一个非常简单,直观的解释。这相当于看一眼图片:本文的其余部分将解释图片并从中得出结论。

归结为:当“概率质量”集中在附近时,在附近会有太多的概率,从而导致期望值不确定。1 / X 听,说:± X=01/X±


让我们着眼于随机变量,它具有在附近的连续密度,而不是完全笼统。 假设 在视觉上,这些条件意味着的图形位于周围的轴上方:f X 0 f X0 0 f 0XfX0fX(0)0f0

该图显示了密度图及其下方的区域。

在附近的连续性表示,对于任何小于正高度和足够小的,我们可以在该图下方雕刻一个矩形,该矩形以为中心,宽度为,高度为,如图所示。这相当于将原始分布表示为均匀分布(权重)和任何剩余量的混合物 0 p ˚F X0 ε X = 0 2 ε pfX0pfX(0)ϵx=02ϵpp×2ϵ=2pϵ

该图显示了混合图。

换句话说,我们可能认为是通过以下方式产生的:X

  1. 以概率,从均匀分布中得出一个值。ϵ ϵ 2pϵ(ϵ,ϵ)

  2. 否则,从分布中得出一个值,该值的密度与成正比。(此功能在右侧以黄色绘制。)fXpI(ϵ,ϵ)

(是指标功能。)I

步骤表明,对于任何,介于和之间的机会超过。等效地,这是超过的机会。换句话说:为的幸存者功能写0 < u < ϵ X 0 u p u / 2 1 / X 1 / u S 1 / X(1)0<u<ϵX0upu/21/X1/uS1/X

S(x)=Pr(1/X>x),

该图显示所有。S(x)>p/(2x)x>1/ϵ

我们现在完成了,因为关于事实意味着期望是不确定的。S 比较参与运算的正的部分的期望的积分,:1/X(1/X)+=max(0,1/X)

E[(1/X)+]=0S(x)dx>1/ϵxS(x)dx>1/ϵxp2xdx=p2log(xϵ).

(这是一个纯粹的几何论证:每个积分代表一个可识别的二维区域,所有不等式都来自这些区域内的严格包含。实际上,我们甚至不需要知道最终的积分是一个对数:存在简单的几何显示此积分差异的参数。)

由于右侧随着偏离,因此偏离。负数部分为是相同的(因为矩形以为中心),并且相同的参数显示了对的负数部分的期望。因此,本身的期望是不确定的。xE[(1/X)+]1/X01/X1/X

顺便提一句,同一论点表明,当概率集中一侧时,例如任何指数或Gamma分布(形状参数小于),则正期望值仍会发散,但负期望值将为零。在这种情况下,期望定义的,但它是无限的。X01


3
我是否怀疑的假设对结果至关重要?我的意思是,在某些情况下,我们存在至少在某些相关参数范围内具有矩的情况,并且看来是在,例如Gamma / Inverse-GammafX(0)01/XfX(0)=0
Alecos Papadopoulos

3
@Alecos不,这个假设并不重要。的连续性和在处的连续性使论点变得简单,但都不是必不可少的。考虑一个与密度正比于为和。它在处连续,但没有期望。f0XfX1/log(x)0<x<1/efX(0)=001/X
ub

14

比率和逆对非负随机变量而言最有意义,因此我几乎可以肯定地假设。然后,如果是一个离散变量,其概率为零,则概率为零,我们将以零的概率除以零,这解释了为什么不存在的期望。X0X1/X

现在来看连续分布情况,其中是具有密度函数的随机变量。我们将假设且是连续的(至少为零)。然后有一个使得为。的期望值由 现在让我们将积分变量更改为,我们有,获取 X0f(x)f(0)>0fϵ>0f(x)>ϵ0x<ϵ1/X

E1X=01xf(x)dx
u=1/xdu=1x2dx
E1X=0uf(1u)(1u)2du=01uf(1u)du
现在,假设在上所以在上,使用下式得到 表示期望不存在。满足此假设的示例是比率为1的指数分布。f(u)>ϵ[0,ϵ)f(1u)>1/ϵ(1/ϵ,)
E1X>ϵ1/ϵ1udu=

我们给出了逆的答案,那么比率呢?令为两个非负随机变量的比率。如果它们是独立的,我们可以写 所以这几乎可以为第一种情况,没有太多新的要说的内容。如果它们是相互依存的,联合密度因数为 那么我们得到(使用与上述相同的替代方法) ,我们可以对内部积分进行上述推理。其结果将是,如果条件密度(给定Z=Y/X

EZ=EYX=EYE1x
f(x,y)=f(xy)g(y)
EYX=0y01xf(xy)dxg(y)dy=0y01uf(1uy)dug(y)dy
y)是正数,并且在零处连续,对于一组具有正边际概率的,期望将是无限的。我想找到的边际期望是无限的例子很容易,但是除非有完美的相关性,否则比率的期望是有限的。很高兴看到一些这样的例子!y1/XY/X
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.