帕累托I型分布最大顺序统计量的期望推导问询

你好呀！我看你已经顺利推导出了帕累托I型分布最大顺序统计量的期望积分表达式，接下来咱们用变量代换+Beta函数的方法来完成后续推导，同时明确这个期望存在闭式解的条件~

首先回顾你已经得到的期望表达式：

$$
E(X_{(n)}) = n\alpha \int_{\gamma}^{\infty} \Bigl(\frac{\gamma}{x}\Bigl)^{{\alpha}\biggl(1-\Bigl(\frac{\gamma}{x}\Bigl)}{\alpha}\biggl)^{n-1} dx
$$

步骤1：变量代换简化积分 #

我们令 $t = \left(\frac{\gamma}{x}\right)^\alpha$，先对这个变量关系求导：
$$
t = \gamma^\alpha x^{-\alpha} \implies dt = -\alpha \gamma^\alpha x^{-\alpha-1} dx = -\frac{\alpha t}{x} dx
$$
整理可得 $dx = -\frac{x}{\alpha t} dt$。同时，积分上下限会发生变化：

• 当 $x = \gamma$ 时，$t = 1$
• 当 $x \to \infty$ 时，$t \to 0$

把这些代入原积分，积分上下限反转后负号可以抵消，再将 $x = \gamma t^{-1/\alpha}$ 代入替换：
$$
\begin{align*}
E(X_{(n)}) &= n\alpha \int_{1}^{0} t (1-t)^{n-1} \cdot \left(-\frac{\gamma t^{-1/\alpha}}{\alpha t}\right) dt \
&= n\gamma \int_{0}^{1} t^{-1/\alpha} (1-t)^{n-1} dt
\end{align*}
$$

步骤2：用Beta函数转换积分 #

上面的积分正好是Beta函数的形式，Beta函数的定义为：
$$
B(p,q) = \int_{0}^{1} t^{p-1}(1-t){q-1} dt = \frac{\Gamma(p)\Gamma(q)}{\Gamma(p+q)}
$$
其中 $\Gamma(\cdot)$ 是Gamma函数，满足 $\Gamma(n)=(n-1)!$（当n为正整数时），且递推关系 $\Gamma(z+1)=z\Gamma(z)$。

对比我们的积分，$t^{-1/\alpha} = t^{(1 - 1/\alpha)-1}$，所以对应参数 $p=1-\frac{1}{\alpha}$，$q=n$。代入Beta函数的表达式可得：
$$
E(X_{(n)}) = n\gamma \cdot \frac{\Gamma\left(1-\frac{1}{\alpha}\right)\Gamma(n)}{\Gamma\left(n + 1 - \frac{1}{\alpha}\right)}
$$

利用Gamma函数的递推性质 $n\Gamma(n)=\Gamma(n+1)$，还可以简化为：
$$
E(X_{(n)}) = \gamma \cdot \frac{\Gamma\left(1-\frac{1}{\alpha}\right)\Gamma(n+1)}{\Gamma\left(n + 1 - \frac{1}{\alpha}\right)}
$$

关键：期望的存在性条件 #

需要注意的是，这个闭式解仅当积分收敛时存在，也就是Beta函数的参数 $p>0$，即：
$$
1 - \frac{1}{\alpha} > 0 \implies \alpha > 1
$$
如果 $\alpha \leq 1$，这个积分会发散，意味着最大顺序统计量的期望不存在（为无穷大）。

备注：内容来源于stack exchange，提问作者R.V