Momenttia tuottava toiminto
In todennäköisyys teoria ja tilastoja , toiminto tuottaa hetkiä on satunnainen muuttuja X on funktio M X määritellään
MX(t)=E(etX){\ displaystyle M_ {X} (t) = \ mathbb {E} \ vasen (\ operaattorin nimi {e} ^ {tX} \ oikea)},
minkä tahansa todellisen t: n suhteen niin, että tämä odotus on olemassa. Tätä funktiota, kuten nimestä voi päätellä, käytetään tuottamaan satunnaismuuttujan X todennäköisyysjakaumaan liittyvät ajat .
Määritelmä ja laskenta
Jos X liittyy jatkuvaan todennäköisyystiheyteen f , momentinmuodostustoiminto saadaan
MX(t)=∫-∞+∞etxf(x)dx{\ displaystyle M_ {X} (t) = \ int _ {- \ infty} ^ {+ \ infty} \ operaattorin nimi {e} ^ {tx} f (x) \, \ mathrm {d} x}.
Lisäämällä tähän yhtälöön eksponentin kokonaislukusarjojen laajennus tämä lauseke vastaa:
MX(t)=∫R(1+tx+t2x22!+⋯)f(x)dx{\ displaystyle M_ {X} (t) = \ int _ {\ mathbb {R}} \ vasen (1 + tx + {\ frac {t ^ {2} x ^ {2}} {2!}} + \ cdots \ right) f (x) \, \ mathrm {d} x}
=1+tm1+t2m22!+⋯,{\ displaystyle = 1 + tm_ {1} + {\ frac {t ^ {2} m_ {2}} {2!}} + \ cdots,}missä viimeinen tasa-arvo saavutetaan dominoidulla konvergenssilauseella ja missä m i on X: n i- s momentti .
Jos todennäköisyystiheys ei ole jatkuva, momentinmuodostustoiminto voidaan saada Stieltjes-integraalilla :
MX(t)=∫RetxdF(x){\ displaystyle M_ {X} (t) = \ int _ {\ mathbb {R}} \ operaattorin nimi {e} ^ {tx} \, \ mathrm {d} F (x)}jossa F on kertymäfunktio on X .
Edelliset lausekkeet koskevat satunnaismuuttujia. Kun kyseessä on satunnaisvektori, jolla on todellisia komponentteja, momenttien generaattoritoiminto määritetään sitten seuraavasti:
MX(t)=E(e⟨t,X⟩){\ displaystyle M_ {X} (t) = \ mathbb {E} (\ operaattorin nimi {e} ^ {\ langle t, X \ rangle})}missä t on vektori ja on pistetulo .
⟨t,X⟩{\ displaystyle \ langle t, X \ rangle}
Ominaisuudet
-
MX(-t){\ displaystyle M_ {X} (- t)}on todennäköisyystiheyden kaksisuuntainen Laplace-muunnos .f{\ displaystyle f}
- Jos on sekvenssi riippumaton (mutta ei välttämättä identtisesti) satunnaismuuttujia ja jossa , niin todennäköisyys tiheys S n on i- painotettu konvoluutio todennäköisyys tiheydet kunkin X- i ja muodostamisen toiminto hetkiä S n saadaan
X1,X2,...,Xei{\ displaystyle X_ {1}, X_ {2}, \ pisteitä, X_ {n}}Sei=∑i=1eikloiXi,{\ displaystyle S_ {n} = \ summa _ {i = 1} ^ {n} a_ {i} X_ {i},}kloi∈R{\ displaystyle a_ {i} \ sisään \ mathbb {R}}
MSei(t)=MX1(klo1t)MX2(klo2t)⋯MXei(kloeit){\ displaystyle M_ {S_ {n}} (t) = M_ {X_ {1}} (a_ {1} t) M_ {X_ {2}} (a_ {2} t) \ cdots M_ {X_ {n} } (a_ {n} t)}.
- Jos generaattorin toimintaa hetkiä olemassa avoin väli noin t = 0 , n : nnen hetki satunnaismuuttujan X saadaan n- nnen johdannainen generaattorin toiminta arvioitiin t = 0 :
E(Xei)=MX(ei)(0)=deiMX(t)dtei|t=0{\ displaystyle \ mathbb {E} (X ^ {n}) = M_ {X} ^ {(n)} (0) = \ vasen. {\ frac {\ mathrm {d} ^ {n} M_ {X} (t)} {\ mathrm {d} t ^ {n}}} \ oikea | _ {t = 0}}.
Tämän suhteen avulla voidaan laskea erittäin helposti sellaisen lain momentit, jonka tunnemme generoivan funktion. esimerkiksi
E(X)=MX′(0){\ displaystyle \ mathbb {E} (X) = M_ {X} '(0)} ja
Var(X)=E(X2)-E(X)2=MX″(0)-[MX′(0)]2{\ displaystyle \ operaattorin nimi {Var} (X) = \ mathbb {E} (X ^ {2}) - \ mathbb {E} (X) ^ {2} = M_ {X} '' (0) - [M_ {X} '(0)] ^ {2}}.
- Kaikki funktiot, jotka tuottavat hetkiä, ovat logaritmisesti kuperia .
Esittely
Hölder epätasa osoittaa, että
E[UV]≤(E|Us|)1/s(E|Vq|)1/q{\ displaystyle \ mathbb {E} [UV] \ leq (\ mathbb {E} | U ^ {p} |) ^ {1 / p} (\ mathbb {E} | V ^ {q} |) ^ {1 / q}}kaikille satunnaismuuttujille U ja V sekä reaaliluvuille p , q siten, että
1<s,q<∞ ja 1s+1q=1{\ displaystyle 1 <p, q <\ infty \ quad {\ text {et}} \ quad {\ frac {1} {p}} + {\ frac {1} {q}} = 1}.
Olkoon X todellinen satunnaismuuttuja ja . Ottamalla huomioon sovelletun eriarvoisuuden logaritmi
0<θ<1{\ displaystyle 0 <\ theta <1}
U=exp((1-θ)λ0X),V=exp(θλ1X),s=11-θ,q=1θ{\ displaystyle U = \ exp ((1- \ theta) \ lambda _ {0} X), V = \ exp (\ theta \ lambda _ {1} X), quad p = {\ frac {1} { 1- \ theta}}, q = {\ frac {1} {\ theta}}}saamme kuperuuden epätasa-arvon
lnE[exp(((1-θ)λ0+θλ1)X)]≤(1-θ)lnE[exp(λ0X)]+θlnE[exp(λ1X)].{\ displaystyle \ ln \ mathbb {E} [\ exp (((1- \ theta) \ lambda _ {0} + \ theta \ lambda _ {1}) X)] \ leq (1- \ theta) \ ln \ mathbb {E} [\ exp (\ lambda _ {0} X)] + \ theta \ ln \ mathbb {E} [\ exp (\ lambda _ {1} X)].}
Esimerkki
Haluamme laskea odotusarvo on eksponentiaalinen lakia . Sen hetkenmuodostustoiminnon antaa:
MX(t)=(1-tλ)-1=1(1-tλ){\ displaystyle M_ {X} (t) = \ vasen (1 - {\ frac {t} {\ lambda}} \ oikea) ^ {- 1} \, = {\ frac {1} {\ vasen (1- {\ frac {t} {\ lambda}} \ oikea)}}}.
Luottaen johdannaisten omaisuuteen, jonka mukaan saamme:
(1f)′=-f′f2{\ displaystyle \ left ({1 \ over f} \ right) '= {- f' \ over f ^ {2}}}
MX′(t)≡dMX(t)dt=d(1-tλ)-1dt=1λ(1-tλ)2{\ displaystyle M_ {X} '(t) \ equiv {\ frac {\ mathrm {d} M_ {X} (t)} {\ mathrm {d} t}} = {\ frac {\ mathrm {d} \ vasen (1 - {\ frac {t} {\ lambda}} \ oikea) ^ {- 1}} {\ mathrm {d} t}} = {\ frac {\ frac {1} {\ lambda}} {\ vasen (1 - {\ frac {t} {\ lambda}} \ oikea) ^ {2}}}}.
Arvioimalla tämä johdannainen t = 0 , saamme ensimmäisen hetken:
E[X]=MX′(t=0)=1λ(1-0λ)2=1λ{\ displaystyle \ mathbb {E} [X] = M_ {X} '(t = 0) = {\ frac {\ frac {1} {\ lambda}} {\ vasen (1 - {\ frac {0} { \ lambda}} \ right) ^ {2}}} = {\ frac {1} {\ lambda}}}.
Yksilöllinen suhde hetken tuottavan funktion ja tiheysfunktion välillä
Tiheydestä generaattoritoimintoon siirtyminen on helppoa: määritelmän soveltaminen riittää. Käänteinen suhde näyttää vaikeammalta.
Helpoin tapa käsitellä tätä kysymystä on käydä läpi Fourier-muutos . Tätä varten riittää, kun tarkastellaan momenttien funktiota pisteellä t = iτ , missä i on kompleksiluku "se", joka ( i 2 = -1 ). Saamme muuttujan X tunnusomaisen funktion :
ϕX(τ)=Mx(iτ)=∫eiτxf(x)dx{\ displaystyle \ phi _ {X} (\ tau) = M_ {x} (\ mathrm {i} \ tau) = \ int \ operaattorin nimi {e} ^ {\ mathrm {i} \ tau x} f (x) \, \ mathrm {d} x}.
Fourier-muunnoksena edellinen lauseke voidaan kääntää:
f(x)=12π∫e-iτxϕX(τ)dτ{\ displaystyle f (x) = {\ frac {1} {2 \ pi}} \ int \ operaattorin nimi {e} ^ {- \ mathrm {i} \ tau x} \ phi _ {X} (\ tau) \ , \ mathrm {d} \ tau}.
Hetkenmuodostustoiminto kuvaa siis tiheyttä täydellisesti.
Katso myös
Aiheeseen liittyvät artikkelit
Bibliografia
Sheldon Ross ( käännös englanniksi), Initiation aux todennäköisyys [“ Ensimmäinen kurssi todennäköisyydessä ”], Lausanne, PPUR ,2004, 458 Sivumäärä ( ISBN 2-88074-327-3 ) , s. 333-344
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">