Предположим, что случайная величина имеет нижнюю и верхнюю границы [0,1]. Как рассчитать дисперсию такой переменной?
22
Предположим, что случайная величина имеет нижнюю и верхнюю границы [0,1]. Как рассчитать дисперсию такой переменной?
Ответы:
Вы можете доказать неравенство Поповичу следующим образом. Используйте обозначениеm = inf X и M= sup X . Определите функцию г помощью
г( t ) = E [ ( X- т )2],
Вычисление производнойг' и решение
г'( t ) = - 2 E [ X] + 2 т = 0, г t = E [ X] г''> 0
Теперь рассмотрим значение функции в специальной точке . Должно быть так, что Но Поскольку и , мы имеем подразумевая, чтог т = м+ м2 V a r [X] = г( E [ X] ) ≤ г( М+ м2), г( М+ м2) = E [ ( X- М+ м2)2]=14E[((X−m)+(X−M))2]. X−m≥0 X−M≤ 0 ( ( X- м ) + ( Х- М) )2≤ ( ( X- м ) - ( х- М) )2= ( М- м )2, 14E [ ( ( X- м ) + ( Х- М) )2] ≤ 14E [ ( ( X- м ) - ( х- М) )2] = ( М- м )24, V a r [ X ] ≤ ( M - m ) 2
Таким образом, мы доказали неравенство Поповичу
V a r [X] ≤ ( М- м )24,
источник
Пусть - распределение на . Покажем , что если дисперсия максимальна, то не может иметь не поддерживает в салоне, откуда следует , что является Бернулли , а остальное тривиально.[ 0 , 1 ] F F FF [0,1] F F F
В качестве примечания, пусть будет й необработанный момент (и, как обычно, мы пишем и для дисперсии).k F μ = μ 1 σ 2 = μ 2 - μ 2μk=∫10xkdF(x) k F μ=μ1 σ2=μ2−μ2
Мы знаем, что не имеет всей своей поддержки в одной точке ( в этом случае дисперсия минимальна ). Среди прочего это означает, что лежит строго между и . Чтобы рассуждать от противного, предположим, что во внутреннем пространстве имеется некоторое измеримое подмножество для которого . Без потери общности мы можем предположить (изменяя на если это необходимо), что : другими словами, получается путем обрезания любого часть выше среднего иμ 0 1 I ( 0 , 1 ) F ( I ) > 0 X 1 - X F ( J = I ∩ ( 0 , μ ] ) > 0 J I JF μ 0 1 I (0,1) F(I)>0 X 1−X F(J=I∩(0,μ])>0 J I J имеет положительную вероятность.
Давайте изменим на , взяв всю вероятность из и поместив ее в . F ′ J 0F F′ J 0 При этом меняется наμk
Для обозначения, давайте напишем для таких интегралов, откуда[g(x)]=∫Jg(x)dF(x)
Рассчитать
Второй член в правой части , , не является отрицательным , потому что всюду на . Первый член справа можно переписатьμ ≥ x J(μ[x]−[x]2) μ≥x J
Первое слагаемое справа строго положительно, потому что (a) и (b) потому что мы предполагали, что не сконцентрировано в точке. Второе слагаемое неотрицательно, потому что его можно переписать как и это подынтегральное выражение неотрицательно из предположений на и . Отсюда следует, что .[ 1 ] = F ( J ) < 1 F [ ( μ - x ) ( x ) ] μ ≥ x J 0 ≤ x ≤ 1 σ ′ 2 - σ 2 > 0μ>0 [1]=F(J)<1 F [(μ−x)(x)] μ≥x J 0≤x≤1 σ′2−σ2>0
Мы только что показали, что в наших предположениях изменение на строго увеличивает его дисперсию. Единственный способ, которым это не может произойти, - это когда вся вероятность сконцентрирована в конечных точках и с (скажем) значениями и соответственно. Его дисперсия легко вычисляется равной которая максимальна, когда и равна там.F ' Р ' 0 1 1 - р р р ( 1 - р ) р = 1 / 2 1 / 4F F′ F′ 0 1 1−p p p(1−p) p=1/2 1/4
Теперь, когда - это распределение на , мы перенастраиваем его и масштабируем до распределения на . Повторное центрирование не изменяет дисперсию, тогда как масштабирование делит ее на . Таким образом, с максимальной дисперсией на соответствует распределению с максимальной дисперсией на : следовательно, это распределение Бернулли масштабированное и переведенное в имеющее дисперсию 2/4 , QED .[ , Ь ] [ 0 , 1 ] ( б - ) 2 Р [ , Ь ] [ 0 , 1 ] ( 1 / 2 ) [ , Ь ] ( Ь - ) 2 / 4F [a,b] [0,1] (b−a)2 F [a,b] [0,1] (1/2) [a,b] (b−a)2/4
источник
Если случайная величина ограничена и мы знаем среднее значение , дисперсия ограничена .μ = E [ X ] ( b - μ ) ( μ - a )[a,b] μ=E[X] (b−μ)(μ−a)
Рассмотрим сначала случай . Отметим, что для всех , , поэтому также . Используя этот результат, x ∈ [ 0 , 1 ] x 2 ≤ x E [ X 2 ] ≤ E [ X ] σ 2 = E [ X 2 ] - ( E [ X ] 2 ) = E [ X 2 ] - μ 2 ≤ μ - μ 2 = μ (a=0,b=1 x∈[0,1] x2≤x E[X2]≤E[X]
Чтобы обобщить интервалы с , рассмотрим ограниченный . Определите , который ограничен в . Эквивалентно, , и, таким образом, где неравенство основано на первом результате. Теперь, подставив , граница равна которое является желаемым результатом.b > a Y [ a , b ] X = Y - a[a,b] b>a Y [a,b] X=Y−ab−a Y = ( b - a ) X + a V a r [ Y ] = ( b - a ) 2 V a r [ X ] ≤ ( b - a ) 2 μ X ( 1 - μ X ) . μ X = μ Y - a[ 0 , 1 ] Y= ( б - а ) Х+ а
источник
По запросу @ user603 ....
Еще один момент, о котором следует помнить: ограниченная случайная величина имеет конечную дисперсию, тогда как для неограниченной случайной величины эта дисперсия может быть не конечной, а в некоторых случаях может даже не быть определяемой. Например, среднее не может быть определено для случайных величин Коши , и поэтому невозможно определить дисперсию (как ожидание квадрата отклонения от среднего).
источник
Эта статья выглядит лучше, чем статья в Википедии ...
источник