11 假设标量随机变量属于具有pdf的矢量参数指数族XX FX(x | θ )= h (x )exp(∑我= 1sη一世(θ)T一世(X )- 甲(θ))fX(x|θ)=h(x)exp(∑i=1sηi(θ)Ti(x)−A(θ)) 其中θ =(θ1个,θ2,⋯ ,θs)Ťθ=(θ1,θ2,⋯,θs)T是参数向量,T(x)=(T1个(X ),Ť2(x ),⋯ ,Ts(x ))ŤT(x)=(T1(x),T2(x),⋯,Ts(x))T是联合充分统计量。 可以证明存在每个T_i(x)的均值和方差Ť一世(x )Ti(x)。但是,X的均值和方差XX(即Ë(X)E(X)和V一个- [R (X)Var(X))是否也总是存在吗?如果不是,是否存在这种形式的指数族分布实例,其均值和变量不存在? 谢谢。 variance mean exponential-family sufficient-statistics — 伟 source
9 取,,和得到提供,产生s = 1s=1η 1(θ )= θ Ť 1(X )= 日志(| X | + 1 )阿(θ )= 日志(- 2 /(1 + θ )) θ < - 1h (x )= 1h(x)=1η1个(θ )= θη1(θ)=θŤ1个(x )= 对数(| x | + 1 )T1(x)=log(|x|+1)A (θ )= 对数(− 2 /(1 + θ ))A(θ)=log(−2/(1+θ))θ < − 1θ<−1 FX(x | θ )= 经验值( θ 日志(| x | + 1 )− 对数(− 21 + θ)) =− 1 + θ2(1 + | x | )θ。fX(x|θ)=exp(θlog(|x|+1)−log(−21+θ))=−1+θ2(1+|x|)θ. 图形显示为(分别为蓝色,红色和金色)。θ = − 3 / 2 ,− 2 ,− 3FX(| θ ) fX( |θ)θ = − 3 / 2 ,− 2 ,− 3θ=−3/2,−2,−3 显然,不存在权重或更大的绝对矩,因为被渐近与,将在限制产生的会聚积分当且仅当。特别是,当该分布甚至没有均值(当然也没有方差)。| x | α ˚F X(X | θ )α = - 1 - θα=−1−θ| x |αFX(x | θ )|x|αfX(x|θ) ± ∞ α + θ <| x |α + θ|x|α+θ± ∞±∞α + θ < − 1α+θ<−1- 2 ≤ θ < - 1 ,−2≤θ<−1, — ub source 我不了解条件。您是说吗?当,未定义且为负且不能为pdf。请让我知道我错过了什么。谢谢。θ<−1θ<−1θ>−1θ>−1θ<−1θ<−1A(θ)A(θ)fX(x|θ)fX(x|θ) — 威 我很抱歉,因为在的计算中省略了减号。我已将其替换为公式。我真的是说。θ < - 1AAθ<−1θ<−1 — ub 谢谢你的例子。我同意的时刻 。本身的瞬间怎么样?例如,在上面的示例中时,是否存在?x − 2 < θ < − 1 E (x )|x||x|xx−2<θ<−1−2<θ<−1E(x)E(x) — 威 1 因为Lebesgue积分是根据被积数的正负部分定义的,所以的矩存在且仅当的矩存在存在。| x |xx|x||x| — ub @Wei:仅在。没有此限制,对某些CDF的期望就不会唯一定义。E {E{g(X)}E{g(X)}E{|g(X)|}<∞E{|g(X)|}<∞ — 丹尼斯