Diberikan variabel acak
di mana adalah variabel seragam IID, bagaimana cara menghitung PDF ?
Diberikan variabel acak
di mana adalah variabel seragam IID, bagaimana cara menghitung PDF ?
Jawaban:
Ada kemungkinan bahwa pertanyaan ini adalah pekerjaan rumah tetapi saya merasa pertanyaan probabilitas elementer klasik ini masih kurang jawaban lengkap setelah beberapa bulan, jadi saya akan memberikannya di sini.
Dari pernyataan masalah, kami ingin distribusi
di mana adalah iid . Kita tahu bahwa jika dan hanya jika setiap elemen sampel kurang dari . Maka ini, seperti yang ditunjukkan dalam petunjuk @ varty, dikombinasikan dengan fakta bahwa independen, memungkinkan kita untuk menyimpulkan
di mana adalah CDF dari distribusi seragam . Karenanya CDF adalah
Karena memiliki distribusi yang benar-benar kontinu, kita dapat memperoleh densitasnya dengan membedakan CDF . Oleh karena itu kepadatan adalah
Dalam kasus khusus di mana , kita memiliki , yang merupakan kepadatan distribusi Beta dengan dan , karena .
Sebagai catatan, urutan yang Anda dapatkan jika Anda mengurutkan sampel dalam urutan meningkat - - disebut statistik pesanan . Generalisasi dari jawaban ini adalah bahwa semua statistik pesanan dari sampel yang didistribusikan memiliki distribusi Beta , seperti yang tercantum dalam jawaban @ bnaul.
Maksimum sampel adalah salah satu statistik urutan , khususnya th urutan statistik dari sampel . Secara umum, menghitung distribusi statistik pesanan sulit, seperti yang dijelaskan oleh artikel Wikipedia; untuk beberapa distribusi khusus, statistik pesanan terkenal (misalnya untuk distribusi seragam, yang memiliki statistik pesanan terdistribusi Beta).
EDIT: Artikel Wikipedia tentang sampel maksimum dan minimum juga bermanfaat dan lebih spesifik untuk masalah Anda.
Maksimum satu set variabel acak IID ketika dinormalisasi dengan tepat umumnya akan menyatu ke salah satu dari tiga tipe nilai ekstrim. Ini adalah teorema Gnedenko, persamaan dari teorema limit pusat untuk ekstrem. Jenis tertentu tergantung pada perilaku ekor dari distribusi populasi. Mengetahui hal ini, Anda dapat menggunakan distribusi terbatas untuk memperkirakan distribusi maksimum.
Karena distribusi seragam pada [a, b] adalah subjek dari pertanyaan ini, Makro telah memberikan distribusi yang tepat untuk setiap n dan jawaban yang sangat bagus. Hasilnya agak sepele. Untuk distribusi normal, bentuk tertutup yang bagus tidak dimungkinkan tetapi dinormalisasi dengan tepat maksimum untuk konvergen normal ke distribusi Gumbel F (x) = exp (- e ).
Untuk seragam normalnya adalah (ba) -x / n dan F (bax / n) = (1-x / [n (ba)])
yang konvergen ke e . Perhatikan di sini bahwa y = bax / n. dan F (y) konvergen ke 1 saat y pergi ke ba. Ini berlaku untuk semua 0
Dalam hal ini mudah untuk membandingkan nilai yang tepat dengan batas asimptotiknya.