Apakah mungkin untuk menghitung ekspektasi fungsi dari variabel acak dengan hanya CDF rv? Katakanlah saya memiliki fungsi yang memiliki properti dan satu-satunya informasi yang saya miliki tentang variabel acak adalah CDF.
Sebagai contoh, saya memiliki skenario di mana ada tiga timer yang dapat dimodelkan sebagai variabel acak eksponensial dengan parameter laju masing-masing. Untuk setiap saat dalam waktu saya mendapatkan hadiah sesuai dengan beberapa fungsi hadiah . Artinya, hadiah saya untuk menunggu sampai waktu dapat ditulis sebagai . Namun, mengalami pengembalian menurun sehingga imbalan marjinal yang diterima dari menunggu satu detik pada lebih besar dari satu detik pada katakanlah . 'Game' ini berakhir ketika salah satu dari dua hal terjadi. Baik timer atauharus berdering atau timer atau harus berdering. Saya mencoba untuk menemukan hadiah yang diharapkan dari bermain game ini.
Saat ini saya dapat menghitung CDF dari pemodelan variabel acak waktu sampai permainan berakhir, tetapi saya tidak tahu bagaimana menggunakan informasi ini ketika apa yang saya benar-benar butuhkan adalah hadiah yang terkait dengan waktu ini.
Sejauh ini saya memiliki variabel acak tambahan: Juga biarkan F_i (x), i \ in \ {1,2,3 \} menunjukkan CDF dari X_i CDF dari Z , dapat ditulis sebagai: F_Z (t) = F_1 (t) F_2 (t) + F_1 (t) F_3 (t) - F_1 (t) F_2 (t) F_3 (t)
Saya tahu ketika variabel acak mengambil nilai-nilai non-negatif, Anda dapat menggunakan pintasan untuk menghitung ekspektasi menggunakan CDF. Yaitu, . Apakah ada sesuatu yang serupa yang dapat saya gunakan untuk fungsi variabel acak, atau apakah perlu untuk menghitung pdf dari terlebih dahulu untuk menghitung
sumber
Jawaban:
Ketika adalah CDF dari variabel acak dan adalah fungsi (terukur), harapan dapat ditemukan sebagai integral Riemann-StieltjesF X g g(X)
Ini mengungkapkan Hukum Ahli Statistik Bawah Sadar.
Jika juga dapat dibedakan, tulis dan integrasikan dengan bagian - bagian yang akan diberikang dF=−d(1−F)
asalkan kedua addend bertemu Ini berarti beberapa hal, yang dapat dengan mudah dinyatakan dengan memecah integral pada beberapa nilai terbatas tertentu seperti :0
Tempat yang baik untuk memecahkan integral adalah pada nol , karena - asalkan akhirnya berkurang cukup cepat untuk besar--yaitu menyebabkan addend pertama menghilang, hanya menyisakan integral terhadap fungsi survival .g g |x| g′ 1−F
Contoh
Ekspektasi variabel tidak negatif diperoleh dengan menerapkan rumus tersebut ke fungsi identitas yang dan memanfaatkan fakta bahwa integrasi dapat dimulai dari nol:X g(x)=x g′(x)=1
Asalkan (yaitu, fungsi survival tidak memiliki ekor yang terlalu berat), batas atas dari istilah pertama menghilang. Batas bawahnya jelas lenyap. Kita dibiarkan hanya dengan integral, memberikan ekspresi dalam pertanyaan.limx→∞x(1−F(x))=0
sumber