6 votos

¿Momentos y variables aleatorias no negativas?

Quiero demostrar que para variables aleatorias no negativas con distribución F: $$E(X^{n}) = \int_0^\infty n x^{n-1} P(\{Xx\}) dx$$

¿Es correcta la siguiente prueba?

$$R.H.S = \int_0^\infty n x^{n-1} P(\{Xx\}) dx = \int_0^\infty n x^{n-1} (1-F(x)) dx$$

utilizando la integración por partes: $$R.H.S = [x^{n}(1-F(x))]_0^\infty + \int_0^\infty x^{n} f(x) dx = 0 + \int_0^\infty x^{n} f(x) dx = E(X^{n})$$

Si no es correcto, ¿cómo demostrarlo?

6voto

Martin OConnor Puntos 116

Esta es otra forma. (Como señalan los demás, la afirmación es verdadera si $E[X^n]$ existe realmente).

Dejemos que $Y = X^n$ . $Y$ es no negativo si $X$ es.

Sabemos que $$E[Y] = \int_0^{\infty} P(Y \geq t) dt,$$ así que $$E[X^n] = \int_0^{\infty} P(X^n \geq t) dt.$$ A continuación, realice el cambio de variables $t = x^n$ . Esto da como resultado inmediato $$E[X^n] = \int_0^{\infty} n x^{n-1} P(X^n \geq x^n) dx = \int_0^{\infty} n x^{n-1} P(X \geq x) dx.$$

3voto

Mingo Puntos 126

Si ${\rm E}(X^n) < \infty$ entonces $\int_0^\infty {x^n f(x){\rm d}x} < \infty $ y a su vez, $\int_M^\infty {x^n f(x){\rm d}x} \to 0$ como $M \to \infty$ . Desde $\int_M^\infty {x^n f(x){\rm d}x} \geq \int_M^\infty {M^n f(x){\rm d}x} = M^n [1 - F(M)]$ tenemos que $M^n [1 - F(M)] \to 0$ como $M \to \infty$ . Por lo tanto, su solución es correcta (suponiendo que ${\rm E}(X^n) < \infty$ ).

3voto

Una forma mejor de demostrarlo sería utilizar el teorema de Fubini para cambiar el orden de integración. Esto también te da una condición cuando el resultado que tienes es verdadero.

Considere $I = \displaystyle \int_0^{\infty}n x^{n-1} (1-F(x))dx$ .

Utilizando el hecho de que $\displaystyle \int_x^{\infty} f(y)dy = 1 - F(x)$ obtenemos $I = \displaystyle \int_0^{\infty}n x^{n-1} \int_x^{\infty} f(y) dy dx$ .

Ahora integramos primero con respecto a $y$ (la integral interna) y $y$ va de $x$ a $\infty$ y luego integrar con respecto a $x$ (la integral exterior), $x$ va de $0$ a $\infty$ .

Cambiar el orden de integración, es decir, integrar con respecto a $x$ primero y luego con respecto a $y$ .

Obsérvese que esto puede hacerse siempre que la integral $I < \infty$ (Véase el teorema de Fubini). Esta es la condición que obtienen svenkatr y trutheality también.

Cambiando el orden de integración, obtenemos

$I = \displaystyle \int_0^{\infty} \displaystyle \int_{0}^{y} nx^{n-1}f(y)dxdy$ .

Tenga en cuenta que ahora $x$ en la integral interna va de $0$ a $y$ y $y$ va de $0$ a $\infty$ .

Ahora la integral interna con respecto a $x$ se puede realizar fácilmente y ahora obtenemos

$I = \displaystyle \int_0^{\infty} y^{n}f(y)dy = E[X^n]$ .

Por lo tanto, tenemos $\displaystyle \int_0^{\infty}n x^{n-1} (1-F(x))dx = E[X^n]$ .

0voto

Shay Levy Puntos 609

Como cuestión de notación, debe escribir la expectativa como $E(X^n)$ en lugar de $E(x^n)$ . La expectativa no es una función de $x$ .

Su prueba funcionaría si $\lim_{x \to \infty} x^n (1-F(x)) = 0$ . No estoy seguro de que esto sea cierto para cualquier distribución.

0voto

trutheality Puntos 796

Sólo si $\lim_{x\rightarrow \infty} x^n(1-F(x)) = 0$ .

No parece que eso sea cierto en general.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X