Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- -- title.tex
- \documentclass[a4paper,12pt]{extarticle}
- \usepackage[utf8]{inputenc}
- \usepackage{rotating}
- \usepackage[russian]{babel}
- \usepackage{graphicx}
- \usepackage{amsmath, amssymb, amsthm}
- \usepackage{enumitem}
- \usepackage{titling}
- \usepackage[warn]{mathtext}
- \usepackage{rotating}
- \usepackage{hyperref}
- \hypersetup{
- colorlinks=true,
- linkcolor=blue,
- filecolor=magenta,
- urlcolor=cyan,
- }
- \author{Дрынкин Роберт}
- \posttitle{\par\end{center}}
- \setlength{\droptitle}{-8em}
- \theoremstyle{definition}
- \newtheorem{task}{Задача}
- \theoremstyle{definition}
- \newtheorem{lemma}{Лемма}
- \newcommand{\conv}{\text{Conv}}
- \date{}
- \newcommand{\anti}{\overline}
- -- main.tex
- \input{title.tex}
- \title{Теоретическое задание 1.}
- \begin{document}
- \maketitle
- \begin{task} \item
- $$ p(X | \theta) = \prod \frac{1}{\theta} I[x_i \le \theta] = \frac{1}{\theta^n} I[X_{(n)} \le \theta] $$
- $p(X | \theta)$ -- монотонно убывает по $\theta$ начиная с $X_{(n)}$, а до этого равна 0, значит $\theta_{ML} = X_{(n)}$.
- $ p(\theta | a, b) \sim Pareto(a, b) = \frac{b a^b}{\theta^{b + 1}} I[\theta \ge a] $ -- сопряженное к $p(X | \theta)$, так как:
- $$ p(\theta | X) = \frac{1}{Z} p(X | \theta) p(\theta | a, b) = \frac{1}{Z'} \frac{1}{\theta^{n + b + 1}} [\theta \ge \max(a, X_{(n)})] \in Pareto(a', b') $$
- Тогда:
- $$ p(\theta | X) = \frac{1}{Z'} \frac{1}{\theta^{n + b + 1}} I[\theta \ge \max(a, X_{(n)})] = \frac{(n + b) \max(a, X_{(n)})}{\theta^{n + b + 1}} I[\theta \ge \max(a, X_{(n)})] $$
- Пусть $a' = \max(a, X_{(n)}, b' = n + b$, тогда сосчитаем мо:
- $$ E[\theta | X] = \int_{t = a'}^{+\inf} t \frac{b'a'^{b'}}{t^{b' + 1}} dt = b'a'^{b'} \int_{t = a'}^{+\inf} t^{-b'} dt = \frac{b' a'}{b' - 1} $$
- Сосчитаем медиану:
- $$ median(\theta | X) = y \iff F_{\theta|X}(y) = 0.5 $$$$
- \int_{a'}^{y} \frac{b a'^{b'}}{t^{b' + 1}} dt = 0.5 $$$$
- b'a'^{b'} \frac{-1}{b'} \frac{1}{t^{b'}} |_{a'}^{y} = -(\frac{a'}{y})^{b'} + 1 = 0.5 $$$$
- y = a' 2^{1/b'} $$
- Сосчитаем моду: \newline
- Заметим, что $p(\theta | X) = \frac{b' a'^{b'}}{\theta^{b' + 1}} I[\theta \ge a'] $ -- монотонно убывает, при $\theta \ge a'$ и тождественный 0 в противном случае, значит максимума достигает в $\theta = a'$.
- \end{task}
- \begin{task}
- Предположим, что вероятность встретить любой автобус в городе одинаковая, то есть $x \sim U[0; \theta]$, где $x$ -- номер автобуса, который мы видим, а $\theta$ -- количество автобусов в городе.
- Также предположим, что априорно $\theta$ распределено по Парето, так как оно используется для описания благосостояния и распределения доходов, а количество автобусов в городе вполне себе связано с его благосотоянием. В качестве параметров возьмем $a=1$, так как хотя бы один автобус в городе есть, $b = 1$, так как этот параметр по сути соответствует количеству автобусов, которые мы уже видели в этом городе - 1. В качестве статистики среднего будем использовать медиану, так как она менее чувствительна к выбросам. Когда мы увидели первый автобус в городе с номером 100 медианное количество автобусов в городе стало :
- $$ p(\theta | X=\{100\}) = Pareto(100, 2) $$$$
- median(\theta | X=\{100\}) = 100 \cdot 2^{1/2} $$
- При наблюдении автобусов в номерами $50, 150$:
- $$ p(\theta | X=\{100, 50, 150\}) = Pareto(150, 4) $$$$
- median(\theta | X=\{100, 50, 150\}) = 150 \cdot 2^{1/4}$$
- \end{task}
- \begin{task}
- $$ Pareto(x|a,b) = \frac{b a^b}{x^{b + 1}}[x \ge a] = \frac{1/x [x \ge a]}{1/b a^{-b}} \exp (b (-\ln x)) $$
- $$ E (\log x | a,b) = - \frac{\partial}{\partial b} (\log \frac{1}{b} a^{-b}) = (\log b)' + (b \log a)' = \frac{1}{b} + \log a $$
- \end{task}
- \end{document}
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement