Loading [MathJax]/jax/output/CommonHTML/jax.js

0

Zu zeigen ist, für eine nichtnegative  Zufallsvariable X mit  Dichte f und  Verteilungsfunktion  F gilt:

E[Xn]=onxn1(1FX(x))dx

Mit Hilfe von partieller Integration erhalte ich:Partielle IntegrationPartielle Integration

E[Xn]=0xnfX(x)dx

             =[xnFX(x)]0onxn1FX(x)dx

             =[xn]0onxn1FX(x)dx

             =0nxn1dxonxn1FX(x)dx

             =onxn1(1FX(x))dx

Bitte auf Richtigkeit überprüfen, wobei mein größtes Fragezeichen hierbei ist.
(X eine nichtnegative Zufallsvariable)
[xnFX(x)]0=[xn]0

 

Diese Frage melden
gefragt

Punkte: 19

 

Mein "educated guess" ist, dass das eine Anwendung der Layer-cake formula ist.   ─   crystalmath 27.05.2024 um 09:32
Kommentar schreiben
1 Antwort
0
Das Problem bei Deiner Rechnung ist, dass [xn]0= und [xnFX(n)]0=.

All die Integrale mit Obergrenze sind uneigentliche Integrale und über lim definiert, und mit lim muss man rechnen:

Man muss also mit einer reellen Obergrenze b rechnen, und dann b gehen lassen.
Dann wird aus [xnFX(x)]0 der Term [xnFX(x)]b0=bnFX(b).

Passt man Deine Rechnung entsprechend an, so erhält man
E[Xn]=limbb0nxn1(FX(b)FX(x))dx
Unter der großzügigen Annahme, dass für b
nicht nur FX(b) gegen eins konvergiert,
sondern sogar b0xn1FX(b)dx gegen 0xn11dx,
hast Du es dann bewiesen.
Diese Antwort melden
geantwortet

Punkte: 2.62K

 

Vielen Dank für die Rückmeldung und für die verständliche Erklärung. Habe mittlerweile auch die richtige Lösung durch einen leicht anderen Ansatz erhalten :)   ─   max978 27.05.2024 um 10:21

Kommentar schreiben