X = { X 1 , … , X M } M μ 1 , … , μ M σ 2 1 , … , σ 2 M
Je peux en déduire que
X = { X 1 , … , X M } M μ 1 , … , μ M σ 2 1 , … , σ 2 M
Je peux en déduire que
Réponses:
Pour toute variable aléatoire , la meilleure limite générale est comme indiqué dans la question d'origine. Voici un schéma de preuve: si X, Y sont IID alors . Étant donné un vecteur de variables éventuellement dépendantes , soit un vecteur indépendant avec la même distribution conjointe. Pour tout , nous avons par la limite d'union que , et l'intégration de ce de à produit l'inégalité revendiquée.X i V a r ( max X i ) ≤ ∑ i V a r ( X i ) E [ ( X - Y ) 2 ] = 2 V a r ( X ) ( X 1 , … , X n ) ( Y 1 , … , Y n ) r > 0 P [
Si sont des indicateurs IID d'événements de probabilité , alors est un indicateur d'un événement de probabilité . En fixant et en laissant tendre à zéro, on obtient et .
Une question sur MathOverflow est liée à cette question.
Pour les variables aléatoires IID, la ème la plus élevée est appelée statistique d'ordre .
Même pour les variables aléatoires IID Bernoulli, la variance de toute statistique d'ordre autre que la médiane peut être supérieure à la variance de la population. Par exemple, si est avec une probabilité et avec une probabilité et , alors le maximum est avec une probabilité , donc la variance de la population est de tandis que la variance du maximum est d'environ .
Voici deux articles sur les variances des statistiques de commande:
Yang, H. (1982) "Sur les variances de la médiane et d'autres statistiques d'ordre". Taureau. Inst. Math. Acad. Sinica, 10 (2) pp. 197-204
Papadatos, N. (1995) "Variance maximale des statistiques de commande". Ann. Inst. Statist. Math., 47 (1) p. 185-193
Je crois que la limite supérieure de la variance du maximum dans le deuxième article est . Ils soulignent que l'égalité ne peut pas se produire, mais toute valeur inférieure peut se produire pour les variables aléatoires IID Bernoulli.