Funkce generující moment
Funkce generování momentů je velmi důležitá funkce, která generuje momenty náhodné proměnné, které zahrnují střední hodnotu, směrodatnou odchylku a rozptyl atd., Takže pouze pomocí funkce generování momentů najdeme základní momenty i vyšší momenty. V tomto článku uvidí funkce generující momenty pro různé diskrétní a spojité náhodné proměnné. protože funkce generování momentů (MGF) je definována pomocí matematického očekávání označeného M (t) jako
a pomocí definice očekávání pro diskrétní a spojitou náhodnou veličinu tato funkce bude
který dosazením hodnoty t za nulu generuje příslušné momenty. Tyto momenty musíme shromáždit diferenciací této funkce generující momenty například pro první okamžik nebo znamenat, že můžeme získat diferenciací jednou jako
To dává náznak, že diferenciace je zaměnitelná za očekávání a můžeme to napsat jako
a
pokud t = 0, výše uvedené momenty budou
a
Obecně to můžeme říci
proto
Funkce generování momentů binomického rozdělení || Funkce generování binomického rozdělení momentu || MGF binomického rozdělení || Průměr a rozptyl binomického rozdělení pomocí funkce generování momentů
Funkce generující moment pro náhodnou proměnnou X, což je binomické rozdělení, bude sledovat pravděpodobnostní funkci binomického rozdělení s parametry n a p jako
což je výsledek binomické věty, která nyní rozlišuje a dává hodnotu t = 0
což je průměr nebo první okamžik binomické distribuce, podobně bude druhý okamžik
takže rozptyl binomického rozdělení bude
což je standardní průměr a rozptyl binomického rozdělení, podobně jako vyšší momenty také můžeme najít pomocí této funkce generování momentů.
Funkce generování momentů Ryby distribuce ||Ryby funkce generování distribučního momentu || MGF z Ryby rozdělení || Průměr a rozptyl Poissonova rozdělení pomocí funkce generující moment
Pokud máme náhodnou proměnnou X, která je Poissonově distribuována s parametrem Lambda, pak bude funkce generující moment pro toto rozdělení
nyní rozlišením to dá
to dává
což dává průměr a rozptyl pro Poissonovo rozdělení stejné, což je pravda
Funkce generování momentů exponenciálního rozdělení ||Exponenciální funkce generování distribučního momentu || MGF z Exponenciální rozdělení || Průměr a rozptyl Exponenciální distribuce pomocí funkce generování momentu
Funkce generující moment pro exponenciální náhodnou proměnnou X podle definice je
zde je hodnota t menší než parametr lambda, nyní to bude rozlišovat
který poskytuje okamžiky
jasně
Které jsou průměrem a rozptylem exponenciálního rozdělení.
Funkce generování momentů normálního rozdělení ||Předpisl Funkce generování distribučního momentu || MGF z Předpisl distribuce || Průměr a rozptyl Normální distribuce pomocí funkce generování momentu
Funkce generující moment pro spojitá rozdělení je stejná jako diskrétní, takže funkce generující moment pro normální rozdělení se standardní hustotou pravděpodobnosti bude
tuto integraci můžeme vyřešit úpravou jako
protože hodnota integrace je 1. Funkce generující moment pro standardní normální proměnnou bude tedy
z toho můžeme najít pro jakoukoli obecnou normální náhodnou proměnnou funkci generující moment pomocí vztahu
tedy
takže diferenciace nám dává
tedy
takže rozptyl bude
Funkce generování momentů součtu náhodných proměnných
Projekt Funkce generující moment součtu náhodných proměnných dává důležitou vlastnost, že se rovná součinu funkce generování momentů příslušných nezávislých náhodných proměnných, která je pro nezávislé náhodné proměnné X a Y, pak funkce generující moment pro součet náhodných proměnných X + Y je
zde moment generující funkce každého X a Y jsou nezávislé na vlastnost matematického očekávání. V posloupnosti najdeme součet funkcí generujících moment různých rozdělení.
Součet binomických náhodných proměnných
Pokud jsou náhodné proměnné X a Y distribuovány binomickým rozdělením s parametry (n, p) a (m, p), pak bude funkce generující moment jejich součtu X + Y
kde parametry pro součet jsou (n + m, p).
Součet Poissonových náhodných proměnných
Distribuci pro součet nezávislých náhodných proměnných X a Y s příslušnými prostředky, které jsou distribuovány Poissonovým rozdělením, můžeme najít jako
Kde
je průměr Poissonovy náhodné proměnné X + Y.
Součet běžných náhodných proměnných
Zvažte nezávislé normální náhodné veličiny X a Y s parametry
pak pro součet náhodných proměnných X + Y s parametry
takže funkce generující moment bude
což je funkce generující moment s aditivní střední hodnotou a rozptylem.
Součet náhodných čísel náhodných proměnných
Abychom našli funkci generující moment součtu náhodného počtu náhodných proměnných, předpokládejme náhodnou proměnnou
kde náhodné proměnné X1,X2,… Jsou sekvence náhodných proměnných jakéhokoli typu, které jsou nezávislé a identicky distribuované, pak bude funkce generující moment
Který dává moment generující funkci Y na diferenciaci jako
proto
podobným způsobem dá dvojnásobná diferenciace
které dávají
tak bude rozptyl
Příklad náhodné proměnné chí kvadrát
Vypočítejte funkci generování momentů Chi-kvadrát náhodné proměnné s n-stupněm volnosti.
Řešení: Zvažte Chi-kvadrát náhodnou proměnnou s n-stupněm volnosti pro
posloupnost standardních normálních proměnných pak bude funkce generující moment
tak to dává
normální hustota se střední hodnotou 0 a rozptylem σ2 integruje do 1
což je požadovaná funkce generující moment n stupně volnosti.
Příklad jednotné náhodné proměnné
Najděte moment generující funkci náhodné veličiny X, která je binomicky rozdělena s parametry n a p danými kondicionál náhodná veličina Y=p na intervalu (0,1)
Řešení: Najít funkci generování momentů náhodné proměnné X dané Y
pomocí binomického rozdělení je sin Y jednotná náhodná proměnná na intervalu (0,1)
Funkce generující společný moment
Funkce generování kloubového momentu pro n počet náhodných proměnných X1,X2,…,Xn
kde t1,t2, …… tn jsou reálná čísla, ze společné funkce generování momentů můžeme najít jednotlivou funkci generující momenty jako
Věta: Náhodné proměnné X1,X2,…,Xn jsou nezávislé, pokud a pouze v případě, že funkce generování společného prvku
Důkaz: Předpokládejme, že dané náhodné proměnné X1,X2,…,Xn jsou pak nezávislé
Nyní předpokládejme, že funkce generující společný moment splňuje rovnici
- k prokázání náhodných proměnných X1,X2,…,Xn jsou nezávislé máme výsledek, že funkce generování kloubního momentu jednoznačně dává společné rozdělení (to je další důležitý výsledek, který vyžaduje důkaz), takže musíme mít společné rozdělení, které ukazuje, že náhodné proměnné jsou nezávislé, proto byla prokázána nutná a dostatečná podmínka.
Příklad funkce generování společného momentu
1. Vypočítejte funkci generování kloubového momentu náhodné proměnné X + Y a XY
Řešení: Protože součet náhodných proměnných X + Y a odčítání náhodných proměnných XY jsou nezávislé jako pro nezávislé náhodné proměnné X a Y, takže funkce generující společný moment pro ně bude
protože tato funkce generující moment určuje společné rozdělení, takže z toho můžeme mít X + Y a XY jsou nezávislé náhodné proměnné.
2. Zvažte pro experiment počet spočítaných a nepočítaných událostí distribuovaných poissonovým rozdělením s pravděpodobností p a průměrem λ, ukažte, že počet počítaných a nepočítaných událostí je nezávislý na příslušných průměrech λp a λ (1-p).
Řešení: X budeme považovat za počet událostí a Xc počet započítaných událostí, takže počet nezapočítaných událostí je XXc, funkce generování společných momentů vygeneruje moment
a funkcí generování momentů binomické distribuce
a když od nich očekáváte, dá se to
Závěr:
Použitím standardní definice funkce generující momenty byly diskutovány momenty pro různé distribuce jako binomické, poissonské, normální atd. A součet těchto náhodných proměnných buď diskrétní nebo spojité funkce generování momentů pro tyto a funkce generující společný moment s vhodné příklady, pokud potřebujete další čtení, projděte si níže uvedené knihy.
Další články o matematice naleznete v našem Stránka matematiky.
První kurz pravděpodobnosti od Sheldona Rosse
Schaumovy obrysy pravděpodobnosti a statistiky
Úvod do pravděpodobnosti a statistik od ROHATGI a SALEH
Jsem DR. Mohammed Mazhar Ul Haque. Dokončil jsem Ph.D. v matematice a pracuje jako odborný asistent v matematice. Má 12 let praxe v pedagogické činnosti. Mít rozsáhlé znalosti v čisté matematice, přesně v algebře. Mít obrovskou schopnost navrhovat a řešit problémy. Schopný motivovat kandidáty ke zvýšení jejich výkonu.
Rád přispívám do Lambdageeks, aby byla matematika jednoduchá, zajímavá a samovysvětlující pro začátečníky i odborníky.
Ahoj kolego čtenáři,
Jsme malý tým v Techiescience, tvrdě pracujeme mezi velkými hráči. Pokud se vám líbí, co vidíte, sdílejte náš obsah na sociálních sítích. Vaše podpora znamená velký rozdíl. Děkuji!