gembel极值分布的密度函数和分布函数及其期望方差的推导
时间: 2023-12-25 10:18:10 浏览: 50
Gumbel分布是极值分布之一,通常用于描述最大值或最小值的分布情况。假设$X$是一个连续型随机变量,其概率密度函数为:
$$f(x)=\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}$$
其中,$\mu$为位置参数,$\beta$为尺度参数。
该分布的分布函数为:
$$F(x)=e^{-e^{-(x-\mu)/\beta}}$$
期望和方差分别为:
$$E(X)=\mu+\gamma\beta,$$
$$Var(X)=\frac{\pi^2}{6}\beta^2,$$
其中,$\gamma$为欧拉常数,$\gamma\approx0.5772$。
推导过程如下:
首先,我们需要求出该分布的分布函数。对于任意一个实数$x$,有:
$$F(x)=P(X\leq x)=\int_{-\infty}^x f(t)dt$$
将概率密度函数代入得:
$$F(x)=\int_{-\infty}^x \frac{1}{\beta}e^{-(t-\mu)/\beta}e^{-e^{-(t-\mu)/\beta}}dt$$
令$y=e^{-(t-\mu)/\beta}$,则$t=\mu-\beta\ln y$,$dt=-\frac{\beta}{y}dy$,代入得:
$$F(x)=\int_0^{e^{-(x-\mu)/\beta}}\frac{1}{\beta}e^{-\ln y}dy=\int_0^{e^{-(x-\mu)/\beta}}y^{-1}dy=\left.-\ln y\right|_0^{e^{-(x-\mu)/\beta}}=e^{-e^{-(x-\mu)/\beta}}$$
因此,该分布的分布函数为$F(x)=e^{-e^{-(x-\mu)/\beta}}$。
接下来,我们求期望和方差。首先,计算期望:
$$E(X)=\int_{-\infty}^\infty x f(x)dx=\int_{-\infty}^\infty x\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}dx$$
令$y=e^{-(x-\mu)/\beta}$,则$x=\mu-\beta\ln y$,$dx=-\frac{\beta}{y}dy$,代入得:
$$E(X)=\int_0^\infty (\mu-\beta\ln y)\frac{1}{\beta}e^{-\ln y}dy=\mu-\int_0^\infty y^{-1}\ln y dy$$
对于$\int_0^\infty y^{-1}\ln y dy$,我们可以采用分部积分法。设$u=\ln y$,$dv=y^{-1}dy$,则$du=y^{-1}dy$,$v=\ln y$,代入得:
$$\int_0^\infty y^{-1}\ln y dy=\left.y\ln y\right|_0^\infty-\int_0^\infty 1dy=0+1=1$$
因此,$E(X)=\mu-\gamma\beta$。
接下来,计算方差:
$$Var(X)=E(X^2)-[E(X)]^2=\int_{-\infty}^\infty x^2 f(x)dx-(\mu-\gamma\beta)^2$$
将概率密度函数代入得:
$$Var(X)=\int_{-\infty}^\infty x^2\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}dx-(\mu-\gamma\beta)^2$$
令$y=e^{-(x-\mu)/\beta}$,则$x=\mu-\beta\ln y$,$dx=-\frac{\beta}{y}dy$,代入得:
$$Var(X)=\int_0^\infty (\mu-\beta\ln y)^2\frac{1}{\beta}e^{-\ln y}dy-(\mu-\gamma\beta)^2$$
展开得:
$$Var(X)=\int_0^\infty \frac{\mu^2}{\beta}y^{-1}e^{-\ln y}dy-2\mu\int_0^\infty y^{-1}\ln y e^{-\ln y}dy+\beta^2\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy-(\mu-\gamma\beta)^2$$
对于$\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy$,我们可以采用分部积分法。设$u=(\ln y)^2$,$dv=y^{-1}e^{-\ln y}dy$,则$du=2\ln y\frac{1}{y}dy$,$v=-e^{-\ln y}=-y^{-1}$,代入得:
$$\int_0^\infty y^{-1}(\ln y)^2 e^{-\ln y}dy=\left.-(\ln y)^2y^{-1}e^{-\ln y}\right|_0^\infty+2\int_0^\infty y^{-2}e^{-\ln y}dy=2\int_0^\infty e^{-x}dx=2$$
因此,$Var(X)=\frac{\pi^2}{6}\beta^2$。
综上所述,Gumbel分布的密度函数为$f(x)=\frac{1}{\beta}e^{-(x-\mu)/\beta}e^{-e^{-(x-\mu)/\beta}}$,分布函数为$F(x)=e^{-e^{-(x-\mu)/\beta}}$,期望为$E(X)=\mu-\gamma\beta$,方差为$Var(X)=\frac{\pi^2}{6}\beta^2$。