Из прочтений о тяжелых и длиннохвостых дистрибутивах я понял, что все длиннохвостые дистрибутивы имеют «большой хвост» , но не все дистрибутивы с «длинным хвостом» имеют длинный хвост .
Может ли кто-нибудь привести пример:
- непрерывная симметричная функция плотности с нулевым средним, длиннохвостая
- непрерывная, симметричная, функция с нулевой средней плотностью, с тяжелыми хвостами, но не с длинными хвостами
чтобы я мог лучше понять смысл их определений?
Было бы еще лучше, если бы оба могли иметь единичную дисперсию.
distributions
heavy-tailed
toliveira
источник
источник
Ответы:
Два определения близки, но не совсем одинаковы. Одно из различий заключается в необходимости ограничения выживаемости.
Для большей части этого ответа я буду игнорировать критерии для распределения, чтобы быть непрерывным, симметричным и конечной дисперсии, потому что их легко выполнить, как только мы нашли любое распределение с тяжелыми хвостами конечной дисперсии, которое не является длиннохвостым.
Распределение является тяжелым хвостом , когда для любого т > 0 ,F t > 0
Распределение с функцией выживания является длиннохвостым, когдаGF=1−F
Длиннохвостые распределения тяжелы. Кроме того, поскольку не возрастает, предел отношения ( 2 ) не может превышать 1 . Если он существует и меньше 1 , то G экспоненциально убывает - и это позволит интегралу ( 1 ) сходиться.грамм ( 2 ) 1 1 грамм ( 1 )
Единственный способ показать распределение с длинными хвостами, которое не является длиннохвостым, состоит в том, чтобы изменить распределение с длинными хвостами так, чтобы продолжал удерживаться, в то время как ( 2 ) нарушается. Ограничить предел легко: измените его в бесконечном количестве мест, которые расходятся до бесконечности. Это займет некоторое время с F , который должен оставаться увеличивающимся и cadlag. Одним из способов является введение некоторых скачков вверх в F , что заставит G перескакивать вниз, уменьшая отношение G F ( x + 1 ) / G F ( x )( 1 ) ( 2 ) F F грамм GF(x+1)/GF(x) , Для этого давайте определим преобразование которое превращает F в другую действительную функцию распределения, одновременно создавая внезапный скачок значения u , скажем, переход на полпути от F ( u ) к 1 :Tu F u F(u) 1
Это не меняет базового свойства : T u [ F ] все еще является функцией распределения.F Tu[F]
Влияние на , чтобы сделать его падение с коэффициентом 1 / 2 при ц . Следовательно, поскольку G неубывающая, то всякий раз, когда u - 1 ≤ x < u ,GF 1/2 u G u−1≤x<u
Если мы выберем возрастающую и расходящуюся последовательность , i = 1 , 2 , … и применим каждый T u i по очереди, это определит последовательность распределений F i с F 0 = F иui i=1,2,… Tui Fi F0=F
для . После i- го шага F i ( x ) , F i + 1 ( x ) , … все остаются теми же для x < u i . Следовательно, последовательность F i ( x ) является неубывающей, ограниченной, поточечной последовательностью функций распределения, подразумевающей ее пределi≥1 ith Fi(x),Fi+1(x),… x<ui Fi(x)
является функцией распределения. По конструкции это не длинный хвост , потому что существует бесконечное множество точек , в которых его коэффициент выживаемости падает до 1 / 2 или ниже, показывает , что не может быть 1 , как предел.GF∞(x+1)/GF∞(x)) 1/2 1
Этот график показывает , функция выживаемости , который был сокращен таким образом , в точках U 1 ≈ 12,9 , U 2 ≈ 40,5 , у 3 ≈ 101.6 , ... . Обратите внимание на логарифмическую вертикальную ось.G(x)=x−1/5 u1≈12.9,u2≈40.5,u3≈101.6,….
Надежда состоит в том, чтобы иметь возможность выбрать так, чтобы F ∞ оставался тяжелым хвостом. Мы знаем, потому что F с тяжелым хвостом, что есть числа 0 = u 0 < u 1 < u 2 < ⋯ < u n ⋯, для которых(ui) F∞ F 0=u0<u1<u2<⋯<un⋯
for everyi≥1 . The reason for the 2i−1 on the right is that the probabilities assigned by F to values up to ui have been successively cut in half i−1 times. That procedure, when dF(x) is replaced by dFj(x) for any j≥i , will reduce 2i−1 to 1 , but no lower.
Это график для плотностей f, соответствующих предыдущей функции выживания и ее «урезанной» версии. Области под этой кривой способствуют ожиданию. Площадь от 1 до U 1 представляет 1 ; площадь от u 1 до u 2 равна 2 , которая при срезании (до нижней синей части) становится площадью 1 ; площадь от u 2 до u 3 равна 4 , которая при срезании становится площадью 1xf(x) f 1 u1 1 u1 u2 2 1 u2 u3 4 1 , and so on. Thus, the area under each successive "stair step" to the right is 1 .
Let us pick such a sequence(ui) to define F∞ . We can check that it remains heavy-tailed by picking t=1/n for some whole number n and applying the construction:
which still diverges. Sincet is arbitrarily small, this demonstrates that F∞ remains heavy-tailed, even though its long-tailed property has been destroyed.
This is a plot of the survival ratioG(x+1)/G(x) for the cut down distribution. Like the ratio of the original G , it tends toward an upper accumulation value of 1 --but for unit-width intervals terminating at the ui , the ratio suddenly drops to only half of what it originally was. These drops, although becoming less and less frequent as x increases, occur infinitely often and therefore prevent the ratio from approaching 1 in the limit.
If you would like a continuous, symmetric, zero-mean, unit-variance example, begin with a finite-variance long-tailed distribution.F(x)=1−x−p (for x>0 ) will do, provided p>1 ; so would a Student t distribution for any degrees of freedom exceeding 2 . The moments of F∞ cannot exceed those of F , whence it too has finite variance. "Mollify" it via convolution with a nice smooth distribution, such as a Gaussian: this will make it continuous but will not destroy its heavy tail (obviously) nor the absence of a long tail (not quite as obvious, but it becomes obvious if you change the Gaussian to, say, a Beta distribution whose support is compact).
Symmetrize the result--which I will still callF∞ --by defining
for allx∈R . Its variance will remain finite, so it can be standardized to the desired distribution.
источник