[论文解读] A Link between Binomial Parameters and Means of Bounded Random Variables

Xinjia Chen|ArXiv.org|Feb 27, 2008

Advanced Statistical Methods and Models参考文献 2被引用 3

一句话总结

本文建立了一个基本恒等式，通过一个均匀辅助变量将有界随机变量的期望值与二项分布概率联系起来。通过将有界随机变量的均值表示为二项分布参数的线性组合，该方法使得能够使用成熟的二项分布推断技术来构建置信区间并确定样本量。

ABSTRACT

In this paper, we establish a fundamental connection between binomial parameters and means of bounded random variables. Such connection finds applications in statistical inference of means of bounded variables.

研究动机与目标

• 建立有界随机变量均值与二项分布概率之间的理论联系。
• 通过将问题简化为二项分布参数估计，实现对有界随机变量均值的统计推断。
• 提供一个框架，利用二项分布理论构建置信区间并解决样本量问题。
• 通过灵活选择辅助变量和阈值，推广该联系，包括如推论2中的特殊情况。
• 支持工程与科学中的实际应用，其中常见有界随机变量，例如性能评估和可靠性分析。

提出的方法

• 推导出一个一般恒等式，将有界随机变量 $X \in [0,c]$ 的期望表示为另一有界变量 $Y$ 的期望以及三个二项分布概率的函数。
• 引入一个与 $X$ 和 $Y$ 独立的辅助均匀随机变量 $U \sim \text{Uniform}[0,1]$，以定义阈值事件。
• 基于涉及 $X$、$Y$、$U$ 以及参数 $\delta$、$c$、$a$、$b$ 和 $c_2$ 的随机不等式，定义三个伯努利随机变量。
• 通过期望的线性性质和联合分布的分解，利用关于积分表示的四个引理推导出该恒等式。
• 应用Clopper-Pearson方法和Bonferroni不等式，为二项分布参数构建置信区间。
• 将一般恒等式简化为推论2，其中 $\mathbb{E}[X] = c \cdot \Pr\{X \geq cU\}$，从而实现二项置信区间的直接缩放。

实验结果

研究问题

• RQ1 有界随机变量的均值能否表示为二项分布概率的线性组合？
• RQ2 如何将有界随机变量均值的统计推断问题简化为二项分布参数的推断？
• RQ3 辅助均匀随机变量在将有界均值与二项事件联系起来的过程中起什么作用？
• RQ4 如何使用二项分布推断技术构建有界随机变量均值的置信区间？
• RQ5 在给定误差范围和指定置信水平下，估计有界随机变量均值所需的样本量是多少？

主要发现

• 本文建立了基本恒等式：$\mathbb{E}[X] = \mathbb{E}[Y] + \delta \Pr\{X \geq Y + \delta U\} + |c - a - \delta| \Pr\{X > Y + \delta + |c - a - \delta|U\} - b \Pr\{X < bU < Y\}$，对任意 $\delta$ 均成立。
• 推论1提供了简化版本，其中包含常数 $c_1$ 和 $c_2$，将 $\mathbb{E}[X]$ 表示为三个二项分布概率的线性组合。
• 推论2表明，当 $c_1 = 0$ 且 $c_2 = c$ 时，$\mathbb{E}[X] = c \cdot \Pr\{X \geq cU\}$，提供了均值与单一二项分布概率之间的直接联系。
• 该方法通过估计样本比例中的三个二项分布参数并应用Bonferroni不等式，实现了对 $\mathbb{E}[X]$ 的置信区间构建。
• 该方法允许通过将二项比例估计所需的样本量按比例缩放，以实现对有界均值的期望误差范围，从而解决样本量问题。
• 理论框架由四个引理支持，这些引理严格地将期望分解为涉及积分和概率的分量，通过参数符号的案例分析得到验证。