X1,...,XnY1,...,YnU(0,a)Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))Exp(1)
Я начал эту проблему, установив Тогда будет распределяться как а будет распределяться как
Плотности можно легко найти как и{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}max(Yn,Xn)=Z(2n)мин(Yn,Xn)=Z(1)1-(1-z( зa)2 нмин ( YN, XN) = Z( 1 )fZ 1 (z)=(2n)(1-z1−(1−za)2n fZ ( 2 n ) (z)=(2n)(zfZ1(z)=(2n)(1−za)2n−11afZ(2n)(z)=(2n)(za)2n−11a
Это где мне трудно знать, куда идти дальше, когда они рассчитаны. Я думаю, что это должно сделать что-то с преобразованием, но я не уверен ...
Ответы:
Эта проблема может быть решена только из определений: единственный сложный расчет - это интеграл от монома.
Предварительные наблюдения
Работа Давайте с переменными и Y я / во всем : это не меняет Z п , но это делает ( X 1 , ... , Y п ) IID с Uniform ( 0 , 1 ) распределения, устраняя все отвлекающие появлений а в расчетах. Таким образом, мы можем принять a = 1 без потери общности.Xi/a Yi/a Zn (X1,…,Yn) (0,1) a a=1
Обратите внимание, что независимость и их равномерное распределение подразумевают, что для любого числа y, для которого 0 ≤ y ≤ 1 ,Yi y 0≤y≤1
с идентичным результатом для . Для дальнейшего использования это позволяет нам вычислитьX(n)
Решение
Пусть будет положительным вещественным числом. Чтобы найти распределение Z n , подставьте его определение и упростите полученное неравенство:t Zn
Это событие разбивается на два равновероятных случая, в зависимости от того, является ли или Y ( n ) меньшим из двух (и их пересечение с нулевой вероятностью может быть проигнорировано). Таким образом, нам нужно только вычислить вероятность одного из этих случаев (скажем, где Y ( n ) меньше) и удвоить его. Так как t ≥ 0 , 0 ≤ e - t / n X ( n ) ≤ 1 , что позволяет нам (при сдаче e - t / n XX(n) Y(n) Y(n) t≥0 0≤e−t/nX(n)≤1 играть рольy) применять вычисления в предварительном разделе:e−t/nX(n) y
Вот что значит для распределение Exp ( 1 ) .Zn (1)
источник
Я нарисую решение, используя компьютерную алгебру, чтобы сделать все необходимое ...
Решение
Если - выборка размера n на родительском X ∼ Uniform ( 0 , a ) , тогда pdf максимума выборки: f n ( x ) = nX1,...,Xn n X∼Uniform(0,a) и аналогично дляY.
Подход 1: Найти совместную pdf из(X(n),Y(n))
Поскольку и Y независимы, объединенный pdf из 2 выборочных максимумов ( X ( n ) , Y ( n ) ) является просто произведением 2 pdf, скажем, f ( n ) ( x , y ) :X Y (X(n),Y(n)) f(n)(x,y)
Дано . Тогда cdf дляZn- этоP(Zn<z):Zn=nlogmax(Y(n),X(n))min(Y(n),X(n)) Zn P(Zn<z)
где я используюz Zn
Prob
функцию из пакета mathStatica для Mathematica для автоматизации. Дифференцирование cdf по дает pdf из Z n как стандартную экспоненциальную.Подход 2: Статистика заказов
Мы можем использовать статистику заказов, чтобы «обойти» механику необходимости иметь дело с функциями Max и Min.
Еще раз: Если - выборка размера n в родительском X ∼ Uniform ( 0 , a ) , тогда pdf максимума выборки W = X ( n ) , скажем, f n ( w ) :X1,...,Xn n X∼Uniform(0,a) W=X(n) fn(w)
Выборочные максимумы и Y ( n ) являются всего лишь двумя независимыми чертежами из этого распределения W ; т. е. статистика W порядка 1 s t и 2 n d (в выборке размера 2) - это как раз то, что мы ищем:X(n) Y(n) W 1st 2nd W
Объединенный PDF в выборке размером 2, скажем, g ( . , . ) , Имеет вид:(W(1),W(2)) g(.,.)
Дано . Тогда cdf дляZn- этоP(Zn<z):Zn=nlogmax(Y(n),X(n))min(Y(n),X(n)) Zn P(Zn<z)
Преимущество этого подхода состоит в том, что при вычислении вероятности больше не используются функции max / min, что может сделать вывод (особенно вручную) несколько проще для выражения.
Другой
Согласно моему комментарию выше, похоже, вы неправильно поняли вопрос ...
Нас просят найти:
где знаменатель мин (Xmax, YMAX), ... не менее все в «с и Y » s.X Y
источник