Qual é o maior de um monte de variáveis ​​aleatórias normalmente distribuídas?

14

Eu tenho variáveis ​​aleatórias . tem uma distribuição normal com média e variância . Os rvs são normalmente distribuídos com média e variação . Tudo é mutuamente independente.X 0 μ > 0 1 X 1 , , X n 0 1X0,X1,,XnX0μ>01X1,,Xn01

Deixe denotar o evento que é o maior deles, ou seja, . Eu quero calcular ou estimar \ Pr [E] . Estou procurando uma expressão para \ Pr [E] , em função de \ mu, n , ou uma estimativa ou aproximação razoável para \ Pr [E] .X 0 X 0 > máx ( X 1 , , X n ) Pr [ E ] Pr [ E ] μ , n Pr [ E ]EX0X0 0>max(X1,...,Xn)Pr[E]Pr[E]μ,nPr[E]

Na minha aplicação, n é fixo ( n=61 ) e quero encontrar o menor valor para μ que faça Pr[E]0,99 , mas também estou curioso sobre a questão geral.

DW
fonte
Qual é o tamanho n ? Deveria haver boas expressões assintóticas baseadas na teoria de grandes amostras.
whuber
@ whuber, obrigado! Editei a pergunta: no meu caso, n=61 . Mesmo que n=61 não seja grande o suficiente para contar como grande, se houver boas estimativas assintóticas no caso em que n for grande, isso seria interessante.
DW
5
Usando integração numérica, . μ4.91912496
whuber

Respostas:

14

O cálculo de tais probabilidades foi estudado extensivamente por engenheiros de comunicação sob o nome de sinalização ortogonal ar, onde o modelo é que um dos sinais ortogonais igualmente prováveis ​​de energia igual sendo transmitidos e o receptor tentando decidir qual deles foi transmitido examinando o saídas de filtros correspondentes aos sinais. Dependendo da identidade do sinal transmitido, as saídas de amostra dos filtros correspondentes são (aleatoriamente) variáveis ​​aleatórias normais independentes da variação unitária da unidade. A saída de amostra do filtro correspondente ao sinal transmitido é uma variável aleatória , enquanto as saídas de todos os outros filtros sãoMMMN(μ,1)N(0 0,1) variáveis ​​aleatórias.

A probabilidade condicional de uma decisão correta (que no presente contexto é o evento C={X0 0>maxEuXEu} ) condicionado em X0 0=α é ondeΦ()é a distribuição cumulativa de probabilidade de uma variável aleatória normal padrão e, portanto, a probabilidade incondicional é P(C)=- P(C X 0 =α)ϕ(α-μ)

P(CX0 0=α)=Eu=1nP{XEu<αX0 0=α}=[Φ(α)]n
Φ() onde ϕ ( ) é a função de densidade normal padrão. Não há expressão de forma fechada para o valor dessa integral que deve ser avaliada numericamente. Os engenheiros também estão interessados ​​no evento complementar - que a decisão está errada - mas não gostam de calcular isso como P { X 0 < max i X i } = P ( E ) = 1 - P ( C ) porque requer uma avaliação muito cuidadosa da integral para P ( C )
P(C)=-P(CX0 0=α)ϕ(α-μ)dα=-[Φ(α)]nϕ(α-μ)dα
ϕ()
P{X0 0<maxEuXEu}=P(E)=1-P(C)
P(C) com precisão de muitos dígitos significativos, e essa avaliação é difícil e demorada. Em vez disso, a integral para pode ser integrada por partes para obter P { X 0 < max i X i } = - n [ Φ ( α ) ] n - 1 ϕ ( α ) Φ ( α - μ )1-P(C) Essa integral é mais fácil de avaliar numericamente, e seu valor em função de μ é representado graficamente e tabulado (embora infelizmente apenas para n 20 ) no Capítulo 5 daEngenharia de SistemasdeTelecomunicaçõespor Lindsey e Simon, Prentice-Hall 1973, Dover Press 1991 Como alternativa, os engenheiros usam aunião vinculadaou a desigualdade de Bonferroni P { X 0 < max i X i }
P{X0 0<maxEuXEu}=-n[Φ(α)]n-1ϕ(α)Φ(α-μ)dα.
μn20 ondeQ(x)=1-Φ(x)é a função de distribuição normal cumulativa complementar.
P{X0 0<maxEuXEu}=P{(X0 0<X1)(X0 0<X2)(X0 0<Xn)}Eu=1nP{X0 0<XEu}=nQ(μ2)
Q(x)=1-Φ(x)

A partir do limite da união, vemos que o valor desejado para P { X 0 < max i X i } é limitado acima por 60 Q ( μ / 0,01P{X0 0<maxEuXEu}60Q(μ/2)0,01μ=5.09...μ=4.919...

M

Dilip Sarwate
fonte
4

Uma resposta formal:

NpN(x)=Np(x)ΦN-1(x)pΦ

X0 0N-1P(E)=(N-1)-yp(x0 0)p(y)ΦN-2(y)dx0 0dy

Pode ser necessário analisar várias aproximações para lidar com isso de forma tratável para sua aplicação específica.

Dave
fonte
6
+1 Na verdade, a integral dupla simplifica em uma única integral, pois
yp(x0 0)dx0 0=1-Φ(y-μ)
dando
P(E)=1-(N-1)-ΦN-2(y)p(y)Φ(y-μ)dy
que é o mesmo que na minha resposta.
Dilip Sarwate