Jika


10

Untuk variabel acak berkesinambungan X , jika E(|X|) adalah terbatas, apakah limn→∞nP(|X|>n)=0 ?

Ini adalah masalah yang saya temukan di internet, tetapi saya tidak yakin apakah itu berfungsi atau tidak.

Saya tahu bahwa nP(|X|>n)<E(|X|) dipegang oleh Markov, tetapi saya tidak dapat menunjukkan bahwa n menjadi 0 karena n menuju tak terhingga.


8
(1) Kontinuitas tidak diperlukan. (2) Nyatakan ekspektasi sebagai bagian integral dari fungsi survival Pr(|X|>n) . (3) Pertimbangkan alat kontrasepsi: apa yang akan dinyatakan oleh batas bukan nol tentang harapan?
— whuber

@whuber latihan yang bagus! Saya pikir saya memiliki jawaban yang benar, tetapi karena ini sepertinya self-study, saya tidak berpikir saya harus menulisnya di sini. Bisakah saya membuat ruang obrolan pribadi dan menunjukkan solusi saya, sehingga Anda dapat memberi tahu saya apakah itu benar?
— DeltaIV

1
@Delta Ini adalah kasus di mana memposting jawaban Anda tampaknya baik-baik saja bagi saya: OP memiliki sub-pertanyaan spesifik dan tampaknya tidak hanya mencari jawaban pekerjaan rumah.
— whuber

@whuber ini mengingatkan saya pada tidak adanya distribusi seragam atas bilangan asli - apakah ini berarti bahwa sementara kontinuitas tidak diperlukan di sini, aditivitas yang dapat dihitung adalah ?
— Bill Clark

Jawaban:


10

Lihatlah urutan variabel acak didefinisikan dengan hanya mempertahankan nilai:Jelas bahwa , jadi Perhatikan bahwa danuntuk setiap . Jadi LHS dari (1) cenderung nol dengan konvergensi dominan .| X | Y n : = | X | I ( | X | > n ) . Y n ≥ n I ( | X | > n ) E ( Y n ) ≥ n P ( | X | > n ) . Y n → 0 | Y n | ≤ |{Yn}|X|

Yn:=|X|I(|X|>n).
Yn≥nI(|X|>n)
(1)E(Yn)≥nP(|X|>n).
Yn→0n|Yn|≤|X|n

Saya pikir maksud Anda "RHS" dalam kalimat terakhir, jika tidak, kerja bagus!
— jbowman

@jbowman, s / maksudnya oleh teorema konvergensi yang didominasi (perhatikan bahwa saja tidak cukup untuk mencapai kesimpulan itu). Saya menambahkan tautan ke DCT di wikipediaY n → 0EYn→0Yn→0
— P.Windridge

@ P.Windridge - Saya tidak cukup membaca, dan mengaitkan "Jadi LHS" dengan persamaan 1, alih-alih dengan kalimat sebelumnya. Salahku.
— jbowman

Perhatikan bahwa adalah variabel acak. dalam arti apa? Y n → 0YnYn→0
— YHH

@ YHH Konvergensi adalah pointwise: Untuk setiap , sebagai . Y n ( ω ) → 0 n → ∞ωYn(ω)→0n→∞
— grand_chat

3

Saya dapat memberikan jawaban untuk variabel acak kontinu (pasti ada jawaban yang lebih umum). Biarkan:Y=|X|

E[Y]=∫0∞yfY(y)dy=∫0nyfY(y)dy+∫n∞yfY(y)dy≥∫0nyfY(y)dy+n∫n∞fY(y)dy=⋯+n(FY(∞)−FY(n))=⋯+n(1−FY(n))=∫0nyfY(y)dy+nP(Y>n)

Jadi

0≤nP(Y>n)≤(E[Y]−∫0nyfY(y)dy)

Sekarang, karena dengan hipotesis adalah terbatas, kita memilikinyaE[Y]

limn→∞(E[Y]−∫0nyfY(y)dy)=E[Y]−limn→∞∫0nyfY(y)dy=E[Y]−E[Y]=0

Kemudian

limn→∞nP(Y>n)=0

oleh teorema sandwich.


@ P.Windridge dapatkah Anda memeriksa bahwa saya juga menggunakan teorema konvergensi dominan? Saya memiliki kuantitas, , yang tidak negatif, dan tidak lebih besar dari kuantitas yang batasnya adalah 0, dengan demikian dalam aplikasi saya dari dalil. Terima kasihnP(Y>n)limn→∞nP(Y>n)=0
— DeltaIV

2
@ DeltaIV- pertama, untuk memperjelas, " dan menyiratkan " BUKAN teorema konvergensi yang didominasi (biasanya disebut teorema sandwich). an≤bn≤cnan,cn→lbn→l
— P.Windridge

1
@ DeltaIV- tidak, Anda tidak perlu DCT, MCT sudah cukup (ini termasuk kemungkinan bahwa , tapi kemudian Anda tidak bisa mengatakan !)EY=∞EY−EY=∞−∞=0
— P.Windridge

1
Tidak masalah. Btw, saya tahu terbatas oleh asumsi, saya baru saja menjelaskan di mana Anda menggunakan asumsi itu (MCT itu sendiri tidak memerlukannya, tidak seperti DCT, yang digunakan @grand_chat dan saya harap Anda melihat :)). E[Y]
— P.Windridge

1
@ P.Windridge ah, ok! Saya tidak melihat bahwa MCT tidak memerlukan asumsi. Saya memang melihat DCT, itu sebabnya saya pikir saya tidak membutuhkannya untuk bukti saya :) Saya membayar harga karena tidak diajarkan tentang integrasi Lebesgue di universitas ... karena alasan ini, saya terbiasa lakukan kalkulus probabilitas dalam hal pdf, bukan dalam hal ukuran.
— DeltaIV

0

E|X|<∞⇔E|X|I|X|>n→0 (integral seragam)

E|X|=E|X|I|X|>n+E|X|I|X|≤n

E|X|I|X|>n≤E|X|<∞

E|X|I|X|>n≥nEI|X|>n=nP(|X|>n)

E|X|I|X|>n→0⇒nP(|X|>n)→0⇒P(|X|>n)→0

yaitulimn→∞P(|X|>n)=0

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.