Pokazać, że dla:
\(\displaystyle{ X_1 \sim U(0,1), X_2 \sim U(0,X_1), X_3 \sim U(0,X_2), ..., X_n \sim U(0,X_{n-1})}\)
zachodzi:
\(\displaystyle{ E[X_1 \cdot ... \cdot X_n] = \frac{1}{(n+1)!}}\)
Wartość oczekiwana iloczynu zmiennych losowych
- elbargetni
- Użytkownik
- Posty: 189
- Rejestracja: 22 wrz 2013, o 11:25
- Płeć: Mężczyzna
- Lokalizacja: PL
- Podziękował: 1 raz
- Pomógł: 1 raz
- Premislav
- Użytkownik
- Posty: 15688
- Rejestracja: 17 sie 2012, o 13:12
- Płeć: Mężczyzna
- Lokalizacja: Warszawa
- Podziękował: 196 razy
- Pomógł: 5221 razy
Wartość oczekiwana iloczynu zmiennych losowych
\(\displaystyle{ \mathbf{E}[X_1 \dots X_n]= \int_{\RR^n}^{}x_1 \dots x_n \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_1, \dots x_n)}\)
Myślę, że przyda się twierdzenie Fubiniego (to, że jego założenia są spełnione, jest chyba jasne). Zobaczmy, jak to działa dla przypadku \(\displaystyle{ n=2}\):
\(\displaystyle{ \int_{\RR^2}^{}x_1 x_2 \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2) \ \dd (x_1,x_2)= \int_{\RR}^{}\left( \int_{\RR}^{}x_1 x_2 \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2) \ \dd x_2 \right) \ \dd x_1=\\= \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \int_{0}^{x_1}x_2 \ \dd x_2 \ \dd x_1= \int_{0}^{1} \frac{1}{2}x_1^2 \ \dd x_1= \frac{1}{6}= \frac{1}{(2+1)!}}\)
To teraz uogólnijmy na dowolne \(\displaystyle{ n}\) całkowite dodatnie, \(\displaystyle{ n\ge 2}\) (indukcja):
\(\displaystyle{ \int_{\RR^n}^{}x_1 \dots x_n \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_1, \dots x_n)=\\= \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1)\left( \int_{\RR^{n-1}}^{}x_2 \dots x_n \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_2, \dots x_n)\right) \ \dd x_1=\\= \int_{0}^{1} \frac{1}{n!}x_1^{n} \ \dd x_1= \frac{1}{(n+1)!}}\)
Kluczowe jest to, że
\(\displaystyle{ \int_{\RR^{n-1}}^{}x_2 \dots x_n \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_2, \dots x_n)= \frac{1}{n!}x_1^n}\).
Możesz to ściśle pokazać indukcyjnie, jak wyżej korzystając z tw. Fubiniego.
BTW masz jakieś porady, jak zdać rachunek prawdopodobieństwa 2?
Myślę, że przyda się twierdzenie Fubiniego (to, że jego założenia są spełnione, jest chyba jasne). Zobaczmy, jak to działa dla przypadku \(\displaystyle{ n=2}\):
\(\displaystyle{ \int_{\RR^2}^{}x_1 x_2 \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2) \ \dd (x_1,x_2)= \int_{\RR}^{}\left( \int_{\RR}^{}x_1 x_2 \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2) \ \dd x_2 \right) \ \dd x_1=\\= \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \int_{0}^{x_1}x_2 \ \dd x_2 \ \dd x_1= \int_{0}^{1} \frac{1}{2}x_1^2 \ \dd x_1= \frac{1}{6}= \frac{1}{(2+1)!}}\)
To teraz uogólnijmy na dowolne \(\displaystyle{ n}\) całkowite dodatnie, \(\displaystyle{ n\ge 2}\) (indukcja):
\(\displaystyle{ \int_{\RR^n}^{}x_1 \dots x_n \mathbf{1}_{(0,1)}(x_1) \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_1, \dots x_n)=\\= \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1)\left( \int_{\RR^{n-1}}^{}x_2 \dots x_n \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_2, \dots x_n)\right) \ \dd x_1=\\= \int_{0}^{1} \frac{1}{n!}x_1^{n} \ \dd x_1= \frac{1}{(n+1)!}}\)
Kluczowe jest to, że
\(\displaystyle{ \int_{\RR^{n-1}}^{}x_2 \dots x_n \mathbf{1}_{(0,x_1)}(x_2)\dots \mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_2, \dots x_n)= \frac{1}{n!}x_1^n}\).
Możesz to ściśle pokazać indukcyjnie, jak wyżej korzystając z tw. Fubiniego.
BTW masz jakieś porady, jak zdać rachunek prawdopodobieństwa 2?
- fon_nojman
- Użytkownik
- Posty: 1599
- Rejestracja: 13 cze 2009, o 22:26
- Płeć: Mężczyzna
- Lokalizacja: Łódź
- Podziękował: 68 razy
- Pomógł: 255 razy
Wartość oczekiwana iloczynu zmiennych losowych
Mam pytanie co oznacza zapis \(\displaystyle{ X_2 \sim U(0,X_1) ?}\) Pytam bo spotkałem się z rozkładem jednostajnym na odcinku o stałych końcach tzn. \(\displaystyle{ U(a,b),}\) gdzie \(\displaystyle{ a,b\in \mathbb{R}}\) są z góry ustalonymi liczbami nielosowymi. Może to jest oczywiste jak to rozumieć ale jakoś teraz nic nie przychodzi mi na myśl.
Zainspirowany rozwiązaniem @Premislav, napisałbym tak
\(\displaystyle{ \mathbf{E}[X_1 \dots X_n]= \int_{\RR^n}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \frac{1}{x_1} \mathbf{1}_{(0,x_1)}(x_2)\dots \frac{1}{x_n}\mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_1, \dots x_n)}\)
bo indykatory mają pełnić funkcję gęstości. Wtedy po skróceniach i wyliczeniach wychodzi to co chcemy.
Z dokładnością do zrozumienia oznaczenia z początku mojego postu a to jest kluczowe w tym zadaniu.
Błąd rachunkowy, powinno być \(\displaystyle{ \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \int_{0}^{x_1}x_2 \ \dd x_2 \ \dd x_1= \int_{0}^{1} \frac{1}{2}{\red x_1^3} \ \dd x_1.}\)Premislav pisze: \(\displaystyle{ \ldots= \int_{\RR}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \int_{0}^{x_1}x_2 \ \dd x_2 \ \dd x_1= \int_{0}^{1} \frac{1}{2}x_1^2 \ \dd x_1=\ldots}\)
Zainspirowany rozwiązaniem @Premislav, napisałbym tak
\(\displaystyle{ \mathbf{E}[X_1 \dots X_n]= \int_{\RR^n}^{}x_1 \mathbf{1}_{(0,1)}(x_1) \frac{1}{x_1} \mathbf{1}_{(0,x_1)}(x_2)\dots \frac{1}{x_n}\mathbf{1}_{(0,x_{n-1})}(x_n) \ \dd (x_1, \dots x_n)}\)
bo indykatory mają pełnić funkcję gęstości. Wtedy po skróceniach i wyliczeniach wychodzi to co chcemy.
Z dokładnością do zrozumienia oznaczenia z początku mojego postu a to jest kluczowe w tym zadaniu.