Eu gostaria de aprender como calcular o valor esperado de uma variável aleatória contínua. Afigura-se que o valor esperado é em que é a função de densidade de probabilidade de .f ( x ) X
Suponha que a função densidade de probabilidade de seja que é a densidade da distribuição normal padrão.f ( x ) = 1
Então, primeiro eu inseria o PDF e obtinha que é uma equação bastante confusa. A constante pode ser movida para fora da integral, fornecendo 1
E[X]=1
Eu fico preso aqui. Como faço para calcular integral? Estou fazendo isso corretamente até agora? É a maneira mais simples de obter o valor esperado?
Respostas:
Você está quase chegando, siga seu último passo:
Ou você pode usar diretamente o fato de que é uma função ímpar e os limites da integral são simetria.x e- x2/ 2
fonte
Como você deseja aprender métodos para calcular as expectativas e deseja conhecer algumas maneiras simples, poderá usar a função de geração de momento (mgf)
O método funciona especialmente bem quando a função de distribuição ou sua densidade são dadas como exponenciais. Nesse caso, você realmente não precisa fazer nenhuma integração depois de observar
porque, escrevendo a função de densidade normal padrão em como (para uma constante cujo valor você não precisará saber), isso permite que você reescreva seu mgf comox Ce- x2/ 2 C
No lado direito, seguindo o termo , você reconhecerá a integral da probabilidade total de uma distribuição Normal com média e variação unitária, que, portanto, é . Consequentementeet2/ 2 t 1
Como a densidade Normal fica pequena em valores grandes tão rapidamente, não há problemas de convergência, independentemente do valor de . é reconhecidamente analítico em , o que significa que é igual a sua série MacLaurint ϕ 0 0
No entanto, como converge absolutamente para todos os valores de , também podemos escreveret X t X
Duas séries de potências convergentes podem ser iguais apenas se forem iguais termo a termo, de onde (comparando os termos envolvendo )t2 k= tn
implicando
(e todas as expectativas de potências ímpares de são zero). Praticamente sem esforço, você obteve as expectativas de todos os poderes integrais positivos de ao mesmo tempo.X X
Variações dessa técnica podem funcionar igualmente bem em alguns casos, como , desde que o intervalo de seja adequadamente limitado. O mgf (e seu parente próximo a função característica ) são tão geralmente úteis, porém, que você os encontrará dados em tabelas de propriedades distributivas, como na entrada da Wikipedia sobre a distribuição Normal .E[ 1 / ( 1 - t X) ] = E[ 1 + t X+ ( t X)2+ ⋯ + ( t X)n+ ⋯ ] X E[ eeu sou X]
fonte