统计代写| Geometric and Negative Binomial stat代写
统计代考
4.4 Indicator r.v.s and the fundamental bridge
This section is devoted to indicator random variables, which we already encountered in the previous chapter but will treat in much greater detail here. In particular, we will show that indicator r.v.s are an extremely useful tool for calculating expected values.
Recall from the previous chapter that the indicator r.v. $I_{A}$ (or $I(A)$ ) for an event $A$ is defined to be 1 if $A$ occurs and 0 otherwise. So $I_{A}$ is a Bernoulli random variable, where success is defined as ” $A$ occurs” and failure is defined as ” $A$ does not occur”.
Some useful properties of indicator r.v.s are summarized below.
Theorem 4.4.1 (Indicator r.v. properties). Let $A$ and $B$ be events. Then the following properties hold
- $\left(I_{A}\right)^{k}=I_{A}$ for any positive integer $k$.
- $I_{A^{\prime}}=1-I_{A}$.
- $I_{A \cap B}=I_{A} I_{B}$.
- $I_{A \cup B}=I_{A}+I_{B}-I_{A} I_{B}$
Proof. Property 1 holds since $0^{k}=0$ and $1^{k}=1$ for any positive integer $k$. Property 2 holds since $1-I_{A}$ is 1 if $A$ does not occur and 0 if $A$ occurs. Property 3 holds since $I_{A} I_{B}$ is 1 if both $I_{A}$ and $I_{B}$ are 1 , and 0 otherwise. Property 4 holds since
$$
I_{A \cup B}=1-I_{A \oplus \cap B^{}}=1-I_{A^{}} I_{B^{*}}=1-\left(1-I_{A}\right)\left(1-I_{B}\right)=I_{A}+I_{B}-I_{A} I_{B} .
$$
Indicator r.v.s provide a link between probability and expectation; we call this fact the fundamental bridge.
Theorem 4.4.2 (Fundamental bridge between probability and expectation). There is a one-to-one correspondence between events and indicator r.v.s, and the probability of an event $A$ is the expected value of its indicator r.v. $I_{A}$ :
$$
P(A)=E\left(I_{A}\right)
$$
Proof. For any event $A$, we have an indicator r.v. $I_{A}$. This is a one-to-one correspondence since $A$ uniquely determines $I_{A}$ and vice versa (to get from $I_{A}$ back to $A$, we can use the fact that $\left.A=\left{s \in S: I_{A}(s)=1\right}\right)$. Since $I_{A} \sim \operatorname{Bern}(p)$ with $A$, we can use the fact that $A=$ – $p=P(A)$, we have $E\left(I_{A}\right)=P(A)$.
The fundamental bridge connects events to their indicator r.v.s. and allows us to express any probability as an expectation. As an example, we give a short proof of inclusion-exelusion and a related inequality known as Boole’s inequality or Bonferroni’s inequality using indicator r.v.s.
统计代考
4.4 指标 r.v.s 和基本桥
本节专门讨论指标随机变量，我们在上一章中已经遇到过，但在这里会更详细地讨论。特别是，我们将展示指标 r.v.s 是计算期望值的非常有用的工具。
回顾上一章，指标 r.v.如果 $A$ 发生，则事件 $A$ 的 $I_{A}$（或 $I(A)$）定义为 1，否则定义为 0。所以 $I_{A}$ 是一个伯努利随机变量，其中成功定义为“$A$ 发生”，失败定义为“$A$ 不发生”。
指标 r.v.s 的一些有用属性总结如下。
定理 4.4.1（指标 r.v. 属性）。让 $A$ 和 $B$ 成为事件。那么以下性质成立
- 对于任何正整数 $k$，$\left(I_{A}\right)^{k}=I_{A}$。
- $I_{A^{\prime}}=1-I_{A}$。
- $I_{A \cap B}=I_{A} I_{B}$。
- $I_{A \cup B}=I_{A}+I_{B}-I_{A} I_{B}$
证明。对于任何正整数 $k$，属性 1 成立，因为 $0^{k}=0$ 和 $1^{k}=1$。属性 2 成立，因为如果 $A$ 不出现，$1-I_{A}$ 为 1，如果 $A$ 出现，则为 0。属性 3 成立，因为如果 $I_{A}$ 和 $I_{B}$ 都为 1，则 $I_{A} I_{B}$ 为 1，否则为 0。财产 4 持有以来
$$
I_{A \cup B}=1-I_{A \oplus \cap B^{}}=1-I_{A^{}} I_{B^{*}}=1-\left(1- I_{A}\right)\left(1-I_{B}\right)=I_{A}+I_{B}-I_{A} I_{B} 。
$$
指标 r.v.s 提供概率和期望之间的联系；我们称这个事实为根本的桥梁。
定理 4.4.2（概率和期望之间的基本桥梁）。事件与指标 r.v.s 之间存在一一对应关系，事件 $A$ 的概率是其指标 r.v.的期望值。 $I_{A}$ ：
$$
P(A)=E\left(I_{A}\right)
$$
证明。对于任何事件 $A$，我们都有一个指标 r.v。 $I_{A}$。这是一一对应的，因为 $A$ 唯一确定 $I_{A}$，反之亦然（要从 $I_{A}$ 回到 $A$，我们可以使用 $\left. A=\left{s \in S: I_{A}(s)=1\right}\right)$。由于 $I_{A} \sim \operatorname{Bern}(p)$ 和 $A$，我们可以使用 $A=$ – $p=P(A)$ 的事实，我们有 $E\left(I_ {A}\right)=P(A)$。
基本的桥梁将事件连接到它们的指标 r.v.s。并允许我们将任何概率表示为期望。例如，我们使用指标 r.v.s 给出了包含排除和相关不等式的简短证明，称为布尔不等式或 Bonferroni 不等式。
R语言代写
统计代写|SAMPLE SPACES AND PEBBLE WORLD stat 代写 请认准UprivateTA™. UprivateTA™为您的留学生涯保驾护航。
