一个最大化条件概率问题

本文链接：个人站 | 简书 | CSDN
版权声明：除特别声明外，本博客文章均采用 BY-NC-SA 许可协议。转载请注明出处。

背景

我们在《报童问题》、《报童问题的简单解法》等文中介绍了一种通过考虑需求的不确定性来最大化销售利润的商品采购模型：首先预测需求所服从的概率分布，然后取能使得期望收益最大的分位数作为预估的需求，据此来决定采购量，对应的分位值定义为服务水平。

在实际应用中，一次采购需要满足未来一段时间的总需求，具体是多长时间取决于商品的提前期和目标库转等因素。理论上我们可以直接预测这段时间的总需求所服从的概率分布。但站在甲方的角度，一段时间的总需求？还概率分布？没概念啊！你不告诉我每天的情况，直接丢一个最终结果给我，我怎么知道你靠不靠谱呢？

甲方有这样的需求无疑是十分合理的，作为乙方我们没有理由不去满足。为此，我们可以预测每一天的需求所服从的概率分布，然后计算总需求所服从的概率分布。如下图所示。

考虑到可控性，需要允许甲方人为调整服务水平。站在甲方的角度看，问题又来了，我调整服务水平的时候，只能看到预估的总需求量在变，我想知道对应的每天的需求量是怎么变的。这就不好讲了，您想啊，总需求多 10 件：有可能是第一天多了 5 件，第二天多了 3 件，第三天多了 2 件；也有可能是第一天多了 1 件，第二天多了 3 件，第三天多了 6 件……可能的情况多了去了。不出意外的话，甲方这时候就会问了，在这么多的情况中，你能不能告诉我哪一种的可能性最高呢？你不是概率分布预测吗？算算概率呗。

甲方有这样的需求无疑是十分合理的，作为乙方我们没有理由不去满足。为此，我们需要求解一个最大化条件概率的问题。

问题

考虑一组独立的随机变量 $X_1,X_2,\cdots ,X_n$，它们各自所服从的概率分布已知。
令
$$\begin{gathered} X=(X_1,X_2,\cdots ,X_n) \\ Z=\sum _{i=1}^n{X}_i \end{gathered}$$
给定一个数 $z$，求使得条件概率 $P(X=\vec{x}|Z=z)$ 最大的 $\vec{x}$ 的取值，即
$${\vec{x}}^{\ast }=\underset{\vec{x}}{\max }P(X=\vec{x}|Z=z)$$

求解

我们用 $f_i(x_i)$ 表示随机变量 $X_i$ 的概率密度函数或概率质量函数，则
$$\begin{array}{rl}P(X=x|Z=z)& \propto f_n\left(z-\sum _{i=1}^{n-1}{x}_i\right)\cdot \prod _{i=1}^{n-1}{f}_i(x_i)\\ & \equiv g(x_1,x_2,\cdots ,x_{n-1})\end{array}$$
定义
$$\eta (x)=\frac{f^{\prime }(x)}{f(x)}$$
令
$$\begin{array}{rl}\frac{\partial g}{\partial x_i}& =0\\ & =-f_n^{\prime }\left(z-\sum _{j=1}^{n-1}{x}_j\right)\cdot \prod _{j=1}^{n-1}{f}_j(x_j)+f_n\left(z-\sum _{j=1}^{n-1}{x}_j\right)\cdot \prod _{j=1,j\ne i}^{n-1}{f}_j(x_j)\cdot f_i^{\prime }(x_i)\\ & =-{\eta }_n\left(z-\sum _{j=1}^{n-1}{x}_j\right)\cdot f_n\left(z-\sum _{j=1}^{n-1}{x}_j\right)\cdot \prod _{j=1}^{n-1}{f}_j(x_j)+f_n(z-\sum _{j=1}^{n-1}\\ & \end{array}$$