[논문 리뷰] Notes on the sum and maximum of independent exponentially distributed random variables with different scale parameters

Markus Bibinger|arXiv (Cornell University)|2013. 07. 15.

Statistical Distribution Estimation and Applications참고 문헌 3인용 수 45

한 줄 요약

이 논문은 서로 다른 비율 매개변수를 가진 독립적인 지수 확률 변수들의 합과 최댓값에 대한 확률 밀도 함수(pdf)를 직접적이고 조건부 기반으로 유도한다. 이는 커파볼루션 pdf가 개별 지수 밀도 함수의 선형 조합임을 보이며, 이 형태와 특성 함수 표현 간의 연결 고리를 설정한다. 또한 포함-배제 원리를 사용하여 최댓값 순서 통계량에 대한 정확한 pdf를 유도한다.

ABSTRACT

We consider the distribution of the sum and the maximum of a collection of independent exponentially distributed random variables. The focus is laid on the explicit form of the density functions (pdf) of non-i.i.d. sequences. Those are recovered in a simple and direct way based on conditioning. A connection between the pdf and a representation of the convolution characteristic function as a linear combination of the single characteristic functions is drawn. It is demonstrated how the results on the pdf of order statistics and the convolution merge.

연구 동기 및 목표

• 서로 다른 척도 매개변수를 가진 독립적인 지수 확률 변수들의 합에 대한 확률 밀도 함수(pdf)를 단순하고 직접적으로 유도하는 것.
• 조건부 기반과 기억성 없음 성질을 통해 복잡한 변환에 의존하지 않고 커파볼루션 pdf를 단순화하는 방법을 보여주는 것.
• 커파볼루션 pdf의 선형 조합 형태와 특성 함수 표현 간의 연결 고리를 설정하는 것.
• 포함-배제 원리와 수학적 귀납법을 사용하여 최대 순서 통계량 $ M_N $ 의 명시적 pdf를 유도하는 것.
• 비동일한 분포를 가진 지수 변수의 맥락에서 커파볼루션과 순서 통계량을 통합적으로 다루는 것.

제안 방법

• 두 지수 확률 변수 중 어느 것이 더 작은지에 따라 조건부 기반을 적용하고, 기억성 없음 성질을 활용한다.
• 기초적 미적분을 적용하여 $ N=2 $ 인 경우의 커파볼루션 밀도 $ f_{S_2}(z) $ 를 계산하며, 이는 개별 밀도 함수의 선형 조합이 된다.
• 수학적 귀납법과 포함-배제 원리를 사용하여 $ N>2 $ 인 일반적인 경우로 결과를 확장한다.
• 최댓값 $ M_N $ 의 pdf를 생존함수 $ \mathbb{P}(M_N > z) $ 를 미분하여 유도하며, 이 생존함수는 포함-배제 원리를 통해 모든 부분집합에 대한 합으로 표현된다.
• 커파볼루션 pdf가 개별 특성 함수들의 선형 조합으로 표현될 수 있음을 보여, 특성 함수 표현과 연결한다.
• 순서 통계량의 Renyi 표현을 사용하여 순서 통계량의 구조와 커파볼루션 형태 간의 관계를 연결한다.

실험 결과

연구 질문

• RQ1 서로 다른 척도 매개변수를 가진 독립적인 지수 확률 변수들의 합에 대한 확률 밀도 함수(pdf)는 기본적인 확률 조건부 기반을 통해 어떻게 유도될 수 있는가?
• RQ2 $ N $ 개의 독립적인 지수 확률 변수들의 최댓값에 대한 명시적 pdf 형태는 무엇인가?
• RQ3 비 i.i.d. 지수 확률 변수들의 커파볼루션은 특성 함수 표현과 어떻게 관련이 있는가? 특히 개별 특성 함수들의 선형 조합 형태로 표현되는가?
• RQ4 순서 통계량과 지수 확률 변수들의 커파볼루션 분포는 어떤 방식으로 구조적 유사성을 가진다?
• RQ5 두 비율 매개변수 $ \lambda_1 $ 과 $ \lambda_2 $ 가 같아질 경우 커파볼루션 밀도는 어떻게 변화하며, 이는 어떤 방식으로 형상 2, 비율 $ \lambda_1 $ 인 감마 분포로 수렴하는가?

주요 결과

• 서로 다른 비율 $ \lambda_n $ 을 가진 $ N $ 개의 독립적인 지수 확률 변수들의 합 $ S_N $ 의 pdf 는 $ f_{S_N}(z) = \sum_{n=1}^N \left( \prod_{j \neq n} \frac{\lambda_j}{\lambda_j - \lambda_n} \right) \lambda_n e^{-\lambda_n z} $ 로 주어지며, 이는 개별 지수 밀도 함수의 선형 조합이다.
• 특히 $ N=2 $ 인 경우, 커파볼루션 밀도는 $ f_{S_2}(z) = \frac{\lambda_2}{\lambda_2 - \lambda_1} f_1(z) + \frac{\lambda_1}{\lambda_1 - \lambda_2} f_2(z) $ 로 단순화되며, 음수 계수 때문에 혼합 분포가 아니다.
• 최댓값 $ M_N $ 의 pdf 는 생존함수에 대한 포함-배제 원리를 적용하여 명시적으로 유도되며, $ f_{M_N}(z) = \sum_{n=1}^N \lambda_n e^{-\lambda_n z} - \sum_{n<m} (\lambda_n + \lambda_m) e^{-(\lambda_n + \lambda_m)z} + \cdots + (-1)^{N+1} \left( \sum \lambda_n \right) e^{-(\sum \lambda_n) z} $ 로 표현된다.
• 비율 $ \lambda_1 \to \lambda_2 $ 로 수렴할 때, $ N=2 $ 인 경우의 커파볼루션 밀도는 형상 2, 비율 $ \lambda_1 $ 인 감마 분포로 수렴하며, i.i.d. 지수 변수들의 합의 극한 행동과 일치한다.
• 합의 특성 함수는 개별 특성 함수들의 선형 조합으로 표현될 수 있으며, pdf의 구조와 유사한 형태를 가진다.
• 결과적으로, 서로 다른 비율을 가진 독립적인 지수 확률 변수들의 합과 최댓값 모두가 지수 밀도 함수의 선형 조합 형태로 pdf를 가지며, 이는 커파볼루션과 순서 통계량 간의 구조적 유사성을 강조한다.