Wenn exponentiell verteilt ist mit dem Parameter und ‚s ist voneinander unabhängig, was die Erwartung
in Bezug auf und und möglicherweise andere Konstanten?
Hinweis: Diese Frage wurde unter /math//q/12068/4051 mathematisch beantwortet . Die Leser würden es sich auch ansehen.
Antworten:
Wenn , dann (unter Unabhängigkeit), y = Σ x i ~ G a m m a ( n , 1 / λ ) , so dass y ist gamma verteilt (siehe wikipedia ). Also brauchen wir nur E [ y 2 ] . Da V a r [ y ] = E [ y 2 ] - Exi∼Exp(λ) y=∑xi∼Gamma(n,1/λ) y E[y2] , wissen wir, dass E [ y 2 ] = V a r [ Y ] + E [ y ] 2 . Daher ist E [ y 2 ] = n / λ 2 + n 2 / λ 2 = n ( 1 + n ) / λ 2 (sieheWikipediafür die Erwartung und Varianz der Gammaverteilung).Var[y]=E[y2]−E[y]2 E[y2]=Var[y]+E[y]2 E[y2]=n/λ2+n2/λ2=n(1+n)/λ2
quelle
Die obige Antwort ist sehr schön und beantwortet die Frage vollständig, aber ich werde stattdessen eine allgemeine Formel für das erwartete Quadrat einer Summe bereitstellen und sie auf das hier erwähnte spezifische Beispiel anwenden.
Für jeden Satz von Konstanten ist es eine Tatsachedassa1,...,an
this is true by the Distributive property and becomes clear when you consider what you're doing when you calculate(a1+...+an)⋅(a1+...+an) by hand.
Therefore, for a sample of random variablesX1,...,Xn , regardless of the distributions,
provided that these expectations exist.
In the example from the problem,X1,...,Xn are iid exponential(λ) random variables, which tells us that E(Xi)=1/λ and var(Xi)=1/λ2 for each i . By independence, for i≠j , we have
There aren2−n of these terms in the sum. When i=j , we have
and there aren of these term in the sum. Therefore, using the formula above,
is your answer.
quelle
This problem is just a special case of the much more general problem of 'moments of moments' which are usually defined in terms of power sum notation. In particular, in power sum notation:
Then, irrespective of the distribution, the original poster seeksE[s21] (provided the moments exist). Since the expectations operator is just the 1st Raw Moment, the solution is given in the mathStatica software by:
[ The '___ToRaw' means that we want the solution presented in terms of raw moments of the population (rather than say central moments or cumulants). ]
Finally, ifX ~ Exponential(λ ) with pdf f(x) :
then we can replace the momentsμi in the general solution
sol
with the actual values for an Exponential random variable, like so:All done.
P.S. The reason the other solutions posted here yield an answer withλ2 in the denominator rather than the numerator is, of course, because they are using a different parameterisation of the Exponential distribution. Since the OP didn't state which version he was using, I decided to use the standard distribution theory textbook definition Johnson Kotz et al … just to balance things out :)
quelle