Tiene una versión discretizada de la distribución de registro negativa, es decir, la distribución cuyo soporte es y cuyo pdf es .f ( t ) = - log t[ 0 , 1 ]F( t ) = - logt
Para ver esto, voy a redefinir su variable aleatoria para tomar valores en el conjunto lugar de y llamar a la distribución resultante . Entonces, mi reclamo es que{ 0 , 1 , 2 , ... , N } T{ 0 , 1 / N, 2 / N, ... , 1 }{ 0 , 1 , 2 , ... , N}T
PAGSr ( T= tnorte) →- 1norteIniciar sesión( tnorte)
como mientras se mantiene (aproximadamente) constante. norte, t → ∞tnorte
Primero, un pequeño experimento de simulación que demuestra esta convergencia. Aquí hay una pequeña implementación de una muestra de su distribución:
t_sample <- function(N, size) {
bounds <- sample(1:N, size=size, replace=TRUE)
samples <- sapply(bounds, function(t) {sample(1:t, size=1)})
samples / N
}
Aquí hay un histograma de una muestra grande tomada de su distribución:
ss <- t_sample(100, 200000)
hist(ss, freq=FALSE, breaks=50)
y aquí está el pdf logarítmico superpuesto:
linsp <- 1:100 / 100
lines(linsp, -log(linsp))
Para ver por qué ocurre esta convergencia, comience con su expresión
PAGSr ( T= tnorte) = 1norte∑j = tnorte1j
norte
PAGSr ( T= tnorte) = 1norte∑j = tnortenortej1norte
sol( x ) = 1Xtnorte1norte
PAGSr ( T= tnorte) ≈ 1norte∫1tnorte1Xrex = - 1norteIniciar sesión( tnorte)
cual es la expresión a la que quería llegar.