It is well known that the Laplace-Stieltjes transform of a nonnegative random variable (or random vector) uniquely determines its distribution function. We extend this uniqueness theorem by using the Muntz-Szasz Theorem and the identity for the Laplace-Stieltjes and the Laplace-Carson transforms of a distribution function. The latter appears for the first time to the best of our knowledge. In particular, if X and Y are two nonnegative random variables with joint distribution H, then H can be characterized by a suitable set of countably many values of its bivariate Laplace-Stieltjes transform. The general high-dimensional case is also investigated. Besides, Lerch's uniqueness theorem for conventional Laplace transforms is extended as well. The identity can be used to simplify the calculation of Laplace-Stieltjes transforms when the underlying distributions have singular parts. Finally, some examples are given to illustrate the characterization results via the uniqueness theorem.


翻译:众所周知, Laplace- Stieltjes 是一个非阴性随机变量( 或随机矢量) 的变换决定了其分布功能。 我们使用 Muntz- Szasz 理论以及 Laplace- Stieltjes 和 Laplace- Carson 函数的特性扩展了这一独特性理论。 后一种变换首次出现在我们所知的最佳位置上。 特别是, 如果 X 和 Y 是两个具有联合分布 H 的非阴性随机变量, 那么H 可以用一套合适的可计算到的二维性 Laplace- Stieltjes 变换的多数值来描述。 此外, 普通高维案例也得到了调查。 此外, Lechch 的常规 Laplace 变换的独有性理论也得到了扩展。 身份可以用来简化在基础分布有独一部分时对 Laplace- Stieltjes 变换的计算。 最后, 提供了一些例子, 来说明通过独特性神体来说明定性结果。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
专知会员服务
61+阅读 · 2020年3月4日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年1月20日
Arxiv
0+阅读 · 2021年1月19日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员