É possível calcular a expectativa de uma função de uma variável aleatória apenas com o CDF do rv? Digamos que eu tenho uma função que possui a propriedade e a única informação que tenho sobre a variável aleatória é o CDF.
Por exemplo, eu tenho um cenário em que existem três temporizadores que podem ser modelados como variáveis aleatórias exponenciais com parâmetros de taxa respectivamente. Para cada momento, recebo uma recompensa de acordo com alguma função de recompensa . Ou seja, minha recompensa por esperar até que o tempo possa ser escrito como . No entanto, apresenta retornos decrescentes, de modo que a recompensa marginal recebida pela espera de um segundo em é maior que um segundo em, digamos, . Esse 'jogo' termina quando uma das duas coisas acontece. Ambos os temporizadores ouX 1 X 3deve tocar ou os temporizadores ou devem tocar. Estou tentando encontrar a recompensa esperada de jogar este jogo.
Atualmente, posso calcular o CDF da variável aleatória modelando o tempo até o jogo terminar, mas não sei como usar essas informações para quando o que realmente preciso é uma recompensa associada a esse tempo.
Até agora, tenho as variáveis aleatórias adicionais: Também deixe F_i (x), i \ in \ {1,2,3 \} denotar o CDF de X_i O CDF de Z pode ser escrito como: F_Z (t) = F_1 (t) F_2 (t) + F_1 (t) F_3 (t) - F_1 (t) F_2 (t) F_3 (t)
Eu sei que quando uma variável aleatória assume valores não negativos, você pode usar um atalho para calcular a expectativa usando o CDF. Ou seja, . Existe algo semelhante que eu poderia usar para uma função de uma variável aleatória ou é necessário calcular o pdf de primeiro para calcular
fonte
Respostas:
Quando é o CDF de uma variável aleatória e é uma função (mensurável), a expectativa de pode ser encontrada como uma integral de Riemann-StieltjesF X g g(X)
Isso expressa a lei do estatístico inconsciente.
Se também for diferenciável, escreva e integre por partes para obterg dF=−d(1−F)
desde que ambos os addends converjam. Isso significa várias coisas, que podem ser simplesmente expressas quebrando a integral em algum valor finito definido, como :0
Um bom lugar para quebrar a integral é em qualquer zero de , porque - desde que eventualmente diminua rápido o suficiente para grandes--que faz com que o primeiro adendo desapareça, deixando apenas a integral de contra a função de sobrevivência .g g |x| g′ 1−F
Exemplo
A expectativa de uma variável não negativa é obtida aplicando a fórmula à função de identidade para a qual e utilizando o fato de que a integração pode começar em zero:X g(x)=x g′(x)=1
Desde que (ou seja, a função de sobrevivência não possui uma cauda excessivamente pesada), o limite superior do primeiro termo desaparece. Seu limite inferior obviamente desaparece. Ficamos apenas com a integral, dando a expressão na pergunta.limx→∞x(1−F(x))=0
fonte