Dapatkah distribusi probabilitas memiliki standar deviasi tak terbatas?


9

aku percaya hal[x] adalah distribusi probabilitas, di mana

hal[x]=1π(1+x2)

karena positif di mana-mana dan terintegrasi ke 1 -∞,∞.

Mean adalah 0 oleh simetri, meskipun berintegrasi xhal[x] di -∞,∞tidak bertemu. Ini "mencurigakan" sejak itu hal[x] seharusnya menjadi distribusi probabilitas, tetapi masuk akal karena xhal[x] adalah HAI(1/x) yang dikenal menyimpang.

Masalah yang lebih besar adalah dalam menghitung standar deviasi. Sejakx2hal[x] juga menyimpang, sejak x2hal[x] adalah HAI(1).

Jika ini bukan distribusi probabilitas, mengapa tidak? Jika ya, apakah deviasi standarnya tidak terbatas?

Fungsi distribusi kumulatif adalah Arktan⁡[x]/π jika itu membantu.

Seseorang menyebutkan ini mungkin distribusi gamma, tetapi itu tidak jelas bagi saya.


1
@ user1566: Saya memformat persamaan Anda menggunakan LaTex. Apakah Anda memeriksa ulang bahwa saya tidak membuat kesalahan?
— csgillespie

Terima kasih, masalahnya selesai, jadi bukan masalah besar lagi, tapi, ya, semuanya terlihat OK.
— barrycarter

Rata-rata seorang Cauchy bukanlah nol. Sebenarnya, itu tidak ada. Jadi, tidak ada momen sentralnya.
— kardinal

jawaban saya untuk pertanyaan terkait dapat ditemukan di sini. stats.stackexchange.com/questions/232967/…
— Haitao Du

Jawaban:


12

Untuk menjawab judul pertanyaan Anda: Ya, distribusi probabilitas dapat memiliki standar deviasi tak terbatas (lihat di bawah).

Contoh Anda adalah kasus khusus dari distribusi Cauchy yang mean atau variansnya tidak ada. Atur parameter lokasi ke 0 dan skala ke 1 untuk Cauchy untuk sampai ke pdf Anda.


3
Ada perbedaan antara mean dan varians yang tidak ada dan mereka tidak terbatas.
— kardinal

4

Distribusi Cauchy tidak memiliki mean atau varian, di mana integral tidak bertemu dengan apa pun di [-∞,∞]. Namun, distribusi sukaf(x)=2x3 di [1,∞) memiliki mean, tetapi standar deviasi tidak terbatas.

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.