Real-order moments, tail representations, and logarithmic means

तकनीकी सारांश: वास्तविक-क्रम के क्षण (Real-order Moments), पूंछ प्रतिनिधित्व (Tail Representations), और लघुगणकीय माध्य (Logarithmic Means)

समस्या विवरण
यद्यपि गैर-ऋणात्मक यादृच्छिक चरों (nonnegative random variables) के क्षणों के लिए शास्त्रीय पूंछ-समाकल प्रतिनिधित्व (tail-integral representation) संभाव्यता सिद्धांत में एक मानक उपकरण है (जैसे, फेलर, 1971; शोरैक, 2000), इसके अनुरूप सूत्र वास्तविक-मान वाले यादृच्छिक चरों के लिए अक्सर अलग-थलग रूप से माने जाते हैं। विशेष रूप से, मौजूदा साहित्य में अक्सर एक एकीकृत ढांचे का अभाव होता है जो निरंतर (continuous), असतत (discrete), और मिश्रित (mixed) वितरणों के साथ-साथ धनात्मक, भिन्नात्मक (fractional), और ऋणात्मक-क्रम के क्षणों को एक साथ संबोधित कर सके। इसके अतिरिक्त, लघुगणकीय क्षणों (logarithmic moments) और लाप्लास रूपांतरण (Laplace transforms) के बीच का संबंध अक्सर सामान्य क्षण निरूपणों से अलग माना जाता है। यह शोध पत्र संपूर्ण वास्तविक रेखा पर समर्थित (supported) मनमाने यादृच्छिक चरों के लिए टेल-इन्टीग्रल पहचानों को विस्तारित करने हेतु एक सुसंगत सैद्धांतिक संरचना की आवश्यकता को संबोधित करता है।

कार्यप्रणाली
लेखक धनात्मक और ऋणात्मक भागों में प्रत्याशा $E[X^p]$ के अपघटन (decomposition) पर आधारित एक एकीकृत ढांचा विकसित करते हैं, जिसमें संचयी वितरण फलन (cumulative distribution function - CDF) $F_X$ और उत्तरजीविता फलनों (survival functions) का उपयोग किया गया है।

1. सामान्य समाकल निरूपण (General Integral Representations): एक मनमाने यादृच्छिक चर $X$ और वास्तविक क्रम $p > 0$ के लिए, शोध पत्र धनात्मक और ऋणात्मक भागों में डोमेन को विभाजित करके एक सामान्य सूत्र व्युत्पन्न करता है। एकीकरण के क्रम को बदलने के लिए फ्युबिनी के प्रमेय (Fubini's theorem) को लागू करके, लेखक स्थापित करते हैं कि $p$-वें क्षण को इस प्रकार व्यक्त किया जा सकता है:
   $$E[X^p] = p \int_0^\infty t^{p-1}[1 - F_X(t)] dt - p \int_{-\infty}^0 t^{p-1}F_X(t-) dt$$
   यह सूत्रीकरण धनात्मक भाग के लिए उत्तरजीविता फलन और ऋणात्मक भाग के लिए बाएँ-सतत (left-continuous) CDF पर निर्भर करता है।

2. असतत वितरण (Discrete Distributions): असतत चरों के लिए CDF की चरणबद्ध प्रकृति का लाभ उठाते हुए, लेखक समाकल निरूपणों को स्पष्ट श्रेणियों (series) में परिवर्तित करते हैं। वितरण के समर्थन बिंदुओं (support points) पर एकीकरण डोमेन को विभाजित करके, वे संचयी प्रायिकताओं (cumulative probabilities) से जुड़ी गणना सूत्र प्राप्त करते हैं। पूर्णांक-मान वाले चरों के लिए, यह घातों के अंतर और पूंछ प्रायिकताओं (tail probabilities) से संबंधित विशिष्ट श्रेणियाँ प्रदान करता है।

3. ऋणात्मक और लघुगणकीय क्षण (Negative and Logarithmic Moments):

   • ऋणात्मक क्षण: प्रतिलोम चर $Y = X^{-1}$ पर सामान्य निरूपण को लागू करके, लेखक मूल बिंदु (origin) के पास CDF के संदर्भ में ऋणात्मक क्षणों $E[X^{-q}]$ के लिए एक समाकल अभिव्यक्ति व्युत्पन्न करते हैं।
   • लघुगणकीय क्षण: शोध पत्र $p \to 0$ के रूप में वास्तविक-क्रम के क्षणों के सीमा व्यवहार (limiting behavior) की जांच करता है। $p$ के सापेक्ष क्षण निरूपण का अवकलन करके और पहचान $1/t = \int_0^\infty e^{-tx} dx$ का उपयोग करके, लेखक लघुगणकीय क्षण $E[\log(X)]$ को $X$ के लाप्लास रूपांतरण से जोड़ते हैं।

प्रमुख परिणाम और योगदान

• एकीकृत क्षण निरूपण (Unified Moment Representation): प्राथमिक योगदान एक एकल समाकल पहचान (समीकरण 4) का व्युत्पन्न करना है जो $\mathbb{R}$ पर निरंतर, असतत और मिश्रित वितरणों पर लागू होता है। यह पहचान गैर-ऋणात्मक चरों के शास्त्रीय टेल-इन्टीग्रल सूत्र को मनमाने वास्तविक-मान वाले चरों के लिए सामान्यीकृत करती है।
• अस्तित्व मानदंड (Existence Criteria): शोध पत्र वास्तविक-क्रम के क्षणों के अस्तित्व के लिए आवश्यक और पर्याप्त स्थितियाँ स्थापित करता है। प्रमेय 1 दर्शाता है कि $E[|X|^p] < \infty$ तभी होता है जब $+\infty$ और $-\infty$ दोनों पर पूंछ प्रायिकताओं (भारित $t^{p-1}$ के साथ) के समाकल अभिसरित (converge) होते हैं।
• असतत श्रेणी सूत्र (Discrete Series Formulas): असतत यादृच्छिक चरों के लिए, शोध पत्र संचयी प्रायिकताओं के संदर्भ में क्षणों के लिए स्पष्ट श्रेणी निरूपण (समीकरण 8) प्रदान करता है। पूर्णांक-मान वाले चरों के लिए एक विशिष्ट मामला (समीकरण 9) प्रसिद्ध पहचान $E[X] = \sum_{k=0}^\infty P(X > k) - \sum_{k=1}^\infty P(X \leq -k)$ को पुनः प्राप्त करता है।
• विशिष्ट वितरणों पर अनुप्रयोग:
  • ज़ेटा वितरण (Zeta Distribution): शक्ति क्षणों (power moments) के अस्तित्व के लिए शास्त्रीय स्थिति ($p < \alpha - 1$) को पुनः प्राप्त करने के लिए असतत श्रेणी निरूपण को ज़ेटा वितरण पर लागू किया गया है, यह प्रदर्शित करते हुए कि पूंछ का व्यवहार कैसे क्षणों की परिमितता (finiteness) को निर्धारित करता है।
  • स्केलम वितरण (Skellam Distribution): ढांचे को स्केलम वितरण (दो पॉइसन चरों का अंतर) पर लागू किया गया है, जो एक ज्यामितीय व्याख्या प्रदान करता है जहाँ माध्य को CDF के ऊपर और नीचे के क्षेत्र के अंतर के रूप में दर्शाया गया है।
  • स्क्यू-नॉर्मल वितरण (Skew-Normal Distribution): निरंतर निरूपण को स्क्यू-नॉर्मल वितरण का उपयोग करके स्पष्ट किया गया है, जो दिखाता है कि माध्य कैसे CDF के नीचे के क्षेत्रों से संबंधित है।
• लघुगणकीय क्षण और लाप्लास रूपांतरण: शोध पत्र यह पहचान व्युत्पन्न करता है:
  $$E[\log(X)] = \int_0^\infty \frac{e^{-x} - L_X(x)}{x} dx$$
  जहाँ $L_X(x)$ धनात्मक यादृच्छिक चर $X$ का लाप्लास रूपांतरण है। यह परिणाम लघुगणकीय माध्य को सीधे फ्रुलानी पहचान (Frullani identity) से जोड़ता है और यह स्थापित करता है कि लाप्लास-रूपांतरण क्रम ($L_X(s) \geq L_Y(s)$) लघुगणकीय क्षणों के क्रम ($E[\log(X)] \leq E[\log(Y)]$) को सूचित करता है।

महत्व और दावे
शोध पत्र का दावा है कि यह क्षण निरूपणों पर एक "एकीकृत दृष्टिकोण" प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

1. व्यापकता (Generality): यह गैर-ऋणात्मक यादृच्छिक चरों के प्रतिबंध को हटा देता है और प्रायिकता घनत्व फलनों (probability density functions) की आवश्यकता को समाप्त करता है, जिससे असतत और मिश्रित मामलों को स्वाभाविक रूप से समायोजित किया जा सके।
2. विश्लेषणात्मक उपयोगिता (Analytical Utility): असतत वितरणों के लिए व्युत्पन्न श्रेणियाँ क्षण अस्तित्व के लिए व्यावहारिक मानदंड प्रदान करती हैं, जो भारी-पूंछ वाले (heavy-tailed) मॉडलों के लिए विशेष रूप से उपयोगी है जहाँ घनत्वों को संभालना कठिन हो सकता है।
3. सैद्धांतिक संबंध (Theoretical Connection): लघुगणकीय क्षण निरूपण का व्युत्पन्न लघुगणकीय माध्यओं की तुलना करने के लिए स्टोकैस्टिक ऑर्डरिंग (stochastic ordering) के माध्यम से क्षण सिद्धांत, लाप्लास रूपांतरण और शास्त्रीय समाकल पहचानों (फ्रुलानी) के बीच के अंतर को पाटता है।

लेखक निष्कर्ष निकालते हैं कि ये परिणाम पूंछ व्यवहार, जोखिम माप और स्टोकैस्टिक मॉडलिंग के अध्ययन को सुगम बनाते हैं क्योंकि वे धनात्मक, भिन्नात्मक और ऋणात्मक क्षणों के लिए एक सामान्य उपचार प्रदान करते हैं। वे भविष्य के विस्तार के रूप में ट्रंकेटेड मोमेंट्स (truncated moments), सशर्त क्षणों (conditional moments), और बहुभिन्नरूपी (multivariate) वितरणों का सुझाव देते हैं, लेकिन किसी विशिष्ट प्रयोगात्मक सत्यापन या अनकहे अनुप्रयोगों का प्रस्ताव नहीं करते हैं।