Frissítés
Alábecsültem Taylor bővítéseit. Valójában működnek. Feltételeztem, hogy a fennmaradó tag integrálja korlátlan lehet, de egy kis munkával megmutatható, hogy ez nem így van.
A Taylor-bővítés korlátozott, zárt intervallumú függvényeknél működik. Véges szórású véletlenszerű változók esetén Chebyshev egyenlőtlenség ad
$$ P (| X-EX | >c) \ le \ frac {\ operátornév {Var} (X)} {c} $$
Tehát bármely $ \ varepsilon>0 $ esetén elég nagyokat találhatunk $ c $ úgy, hogy
$$ P (X \ in [EX-c, EX + c]) = P (| X-EX | \ le c) <1- \ varepsilon $$
Először becsüljünk meg $ Ef (X ) $ . Van \ begin {align} Ef (X) = \ int_ {| x-EX | \ le c} f (x) dF (x) + \ int_ {| x-EX | >c} f (x) dF (x) \ end {align} ahol $ F (x) $ a $ X $ .
Mivel az első integrál tartománya intervallum $ [EX-c, EX + c] $ , amely korlátozott zárt intervallummal alkalmazhatjuk Taylor-bővítést: \ begin {align} f (x) = f (EX) + f '(EX) (x-EX ) + \ frac {f '' (EX)} {2} (x-EX) ^ 2 + \ frac {f '' '(\ alpha)} {3!} (x-EX) ^ 3 \ end {igazítás } ahol $ \ alpha \ az [EX-c, EX + c] $ fájlban, és az egyenlőség érvényes minden $ x \ itt: [EX-c, EX + c] $ . Csak 4 $ $ kifejezést vettem fel a Taylor-bővítésben, de általában annyit vehetünk fel, amennyit csak akarunk, amíg a function $ f $ elég sima.
Helyettesítve ezt a képletet az előzőhöz,
\ begin {align} Ef (X) & = \ int_ {| x-EX | \ le c} f (EX) + f '(EX) (x-EX) + \ frac {f' (EX)} {2} (x- EX) ^ 2dF (x) \\\\
& + \ int_ {| x-EX | \ le c} \ frac {f '' '(\ alpha)} {3!} (X-EX) ^ 3dF (x) + \ int_ {| x-EX | >c} f (x) dF (x) \ end {align} Mostantól növelhetjük az integráció tartományát, hogy megkapjuk a következő képletet
\ begin {igazítás} Ef (X) & = f (EX) + \ frac {f '' (EX)} {2} E (X-EX) ^ 2 + R_3 \\\\\ end {igazítás} ahol \ kezdődik {align} R_3& = \ frac {f '' '(\ alpha)} {3!} E (X-EX) ^ 3 + \\\\ & + \ int_ {| x-EX | >c} \ balra (f (EX) + f '(EX) (x-EX) + \ frac {f' '(EX)} {2} (x-EX) ^ 2 + f ( X) \ right) dF (x) \ end {align} Most néhány pillanatban megmutathatjuk, hogy a fennmaradó kifejezés második tagja akkora, mint $ P (| X-EX | >c) $ ami kicsi. Sajnos az első kifejezés megmarad, így a közelítés minősége a $ E (X-EX) ^ 3 $ és a $ f $ korlátozott időközönként. Az ilyen közelítésnek a $ E (X-EX) ^ 3 = 0 $ véletlenszerű változók esetén kell a legjobban működnie.
Most pedig az általunk használt variancia esetében Taylor közelítése a $ f (x) $ értékhez, vonja le a $ Ef (x) $ és a négyzet képletét a különbség. Ezután
$ E (f (x) -Ef (x)) ^ 2 = (f '(EX)) ^ 2 \ operátor neve {Var} (X ) + T_3 $
ahol a $ T_3 $ pillanatokkal $ E (X- EX) ^ k $ a $ k = 4,5,6 $ esetén. Ehhez a képlethez úgy is eljuthatunk, hogy csak elsőrendű Taylor-bővítést alkalmazunk, vagyis csak az első és a második deriváltat használjuk. A hiba kifejezés hasonló lenne.
Másik lehetőség a $ f ^ 2 (x) $ kiterjesztése: \ begin {align} f ^ 2 (x) & = f ^ 2 (EX) + 2f (EX) f '(EX) (x-EX) \\\\ & + [(f' (EX)) ^ 2 + f (EX) f '' (EX)] (X-EX) ^ 2 + \ frac {(f ^ 2 (\ beta)) '' '} {3!} (X-EX) ^ 3 \ vége {igazítás}
Hasonlóképpen megkapjuk azután \ begin {align *} Ef ^ 2 (x) = f ^ 2 (EX) + [(f '(EX)) ^ 2 + f ( EX) f '' (EX)] \ operátor neve {Var} (X) + \ tilde {R} _3 \ end {align *} ahol $ \ tilde {R } _3 $ hasonló a $ R_3 $ fájlhoz.
A variancia képlete ekkor \ begin {align} \ operátornév {Var} (f (X)) = [f '(EX)] ^ 2 \ operátornév {Var} (X) - \ frac {[f '' (EX)] ^ 2} {4} \ operatorname {Var} ^ 2 (X) + \ tilde {T} _3 \ end {align} span > ahol a $ \ tilde {T} _3 $ csak harmadik és annál magasabb pillanatokkal rendelkezik.