1

事实上,让我们推广到一个c置信区间。设公共速率参数为a。(请注意,具有速率参数的指数分布的均值a1/a。)

首先找到n此类 iid 随机变量之和的 cdf。使用它来计算c总和的置信区间。请注意,总和的最大似然估计 (MLE) 是n/a,即,n乘以单次平局的平均值。

背景:这出现在我正在编写的一个程序中,该程序通过随机样本进行时间估计。如果我根据泊松过程抽取样本(即样本之间的间隙呈指数分布)并且n它们发生在活动 X 期间,那么对活动 X 的持续时间有什么好的估计?我很确定答案就是这个问题的答案。

4

3 回答 3

2

正如 John D. Cook 暗示的那样,iid 指数随机变量的总和具有伽马分布。
这是具有速率参数 a 的 n 个指数随机变量之和的 cdf(用 Mathematica 表示):

F[x_] := 1 - GammaRegularized[n, a*x];

http://mathworld.wolfram.com/RegularizedGammaFunction.html

逆 cdf 为:

Fi[p_] := InverseGammaRegularized[n, 1 - p]/a;

则 c 置信区间为

ci[c_, a_, n_] := {Fi[a, n, (1-c)/2], Fi[a, n, c+(1-c)/2]}

以下是一些代码,用于凭经验验证上述内容是否正确:

(* Random draw from an exponential distribution given rate param. *)
getGap[a_] := -1/a*Log[RandomReal[]]

betw[x_, {a_, b_}] := Boole[a <= x <= b]

c = .95;
a = 1/.75;
n = 40;
ci0 = ci[c, a, n];
N@Mean@Table[betw[Sum[getGap[a], {n}], ci0], {100000}]

----> 0.94995
于 2008-12-17T05:55:11.280 回答
1

提示:独立指数随机变量之和是一个伽马随机变量。

于 2008-12-17T02:13:23.600 回答
1

我会使用Chernoff bound,您可以从中即兴创作一个区间,因为该表达式非常可概括,并且您可以解决有界范围错误 < 0.05 的时间。

Chernoff 界几乎是您可以在不知道太多矩生成函数的情况下对 iid 变量获得的最强界。

于 2008-12-17T06:22:22.130 回答