continuous কোনও ক্রমাগত র্যান্ডম এর আইথ অর্ডার পরিসংখ্যান বিতরণ পিডিএফ সহ ভেরিয়েবল "বিটা-এফ" যৌগিক বিতরণ দ্বারা দেওয়া হয়। এই বিতরণ সম্পর্কে ভাবার স্বজ্ঞাত উপায় হ'ল একটি নমুনায় বিথ অর্ডার পরিসংখ্যান বিবেচনা করা । এখন একটি র্যান্ডম ভেরিয়েবল এর ইথ অর্ডার পরিসংখ্যানের সমান হতে আমাদের 3 টি শর্ত প্রয়োজন:
NXx
- i−1 মান নীচে , প্রতিটি পর্যবেক্ষণের জন্য এটির সম্ভাব্যতা , যেখানে এলোমেলো পরিবর্তনশীল এক্স এর সিডিএফ isxFX(x)FX(x)=Pr(X<x)
- N−i উপরে মান , এটির সম্ভাব্যতাx1−FX(x)
- একটি অন্তর অন্তর অন্তর 1 মান , এর সম্ভাব্যতা যেখানে হয় র্যান্ডম ভেরিয়েবল এর পিডিএফxfX(x)dxfX(x)dx=dFX(x)=Pr(x<X<x+dx)X
এই পছন্দটি করার জন্য এখানে , সুতরাং আমাদের কাছে রয়েছে:(N1)(N−1i−1)
fi(xi)=N!(i−1)!(N−i)!fX(xi)[1−FX(xi)]N−i[FX(xi)]i−1dx
সম্পাদনা আমার মূল পোস্টে, আমি এই বিন্দু থেকে যাচ্ছে আরো একটি অত্যন্ত দরিদ্র চেষ্টা করেন, এবং নীচে মন্তব্য এই প্রতিফলিত করে। আমি নীচে এটি সংশোধন করার চেষ্টা করেছি
আমরা যদি এই পিডিএফটির গড় মূল্য গ্রহণ করি তবে আমরা পাই:
E(Xi)=∫∞−∞xifi(xi)dxi
এবং এই অবিচ্ছেদে, আমরা নিম্নলিখিত পরিবর্তনশীল (@ ইঙ্গিত গ্রহণ) এর পরিবর্তন করব এবং অবিচ্ছেদ্য হয়ে যায়:pi=FX(xi)
E(Xi)=∫10F−1X(pi)Beta(pi|i,N−i+1)dpi=EBeta(pi|i,N−i+1)[F−1X(pi)]
সুতরাং এটি বিপরীতমুখী সিডিএফের প্রত্যাশিত মান, যা ডেল্টা পদ্ধতিটি দেওয়ার জন্য ভালভাবে অনুমান করা যায়:
EBeta(pi|i,N−i+1)[F−1X(pi)]≈F−1X[EBeta(pi|i,N−i+1)]=F−1X[iN+1]
আরও ভাল অনুমান করার জন্য, আমরা ২ য় অর্ডারে প্রাইম প্রসারিত করতে পারি (প্রাইম ডোনটিং পৃথককরণ) এবং লক্ষ্য করে যে একটি বিপরীতের দ্বিতীয় ব্যয়টি হ'ল:
∂2∂a2F−1X(a)=−F′′X(F−1X(a))[F′X(F−1X(a))]3=−f′X(F−1X(a))[fX(F−1X(a))]3
Let । তারপর আমাদের আছে:νi=F−1X[iN+1]
EBeta(pi|i,N−i+1)[F−1X(pi)]≈F−1X[νi]−VarBeta(pi|i,N−i+1)[pi]2f′X(νi)[fX(νi)]3
=νi−(iN+1)(1−iN+1)2(N+2)f′X(νi)[fX(νi)]3
এখন, সাধারণ ক্ষেত্রে বিশেষীকরণ করে আমাদের কাছে
fX(x)=1σϕ(x−μσ)→f′X(x)=−x−μσ3ϕ(x−μσ)=−x−μσ2fX(x)
FX(x)=Φ(x−μσ)⟹F−1X(x)=μ+σΦ−1(x)
দ্রষ্টব্য যে এবং প্রত্যাশা প্রায় হয়ে যায়:fX(νi)=1σϕ[Φ−1(iN+1)]
E[xi]≈μ+σΦ−1(iN+1)+(iN+1)(1−iN+1)2(N+2)σΦ−1(iN+1)[ϕ[Φ−1(iN+1)]]2
এবং পরিশেষে:
E[xi]≈μ+σΦ−1(iN+1)⎡⎣⎢⎢1+(iN+1)(1−iN+1)2(N+2)[ϕ[Φ−1(iN+1)]]2⎤⎦⎥⎥
যদিও @ হুবার উল্লেখ করেছেন, এটি লেজগুলিতে সঠিক হবে না। আসলে আমি মনে করি এটি আরও খারাপ হতে পারে, কারণ বিভিন্ন পরামিতিগুলির সাথে একটি বিটার স্কিউনেস