动差函数Moment-generatingfunctions动差基础动差母函数.DOCVIP

動差函數 (Moment-generating functions) 動差基礎 動差母函數(moment generating function)可用來刻畫一隨機變數之分佈，即知道隨機變數之動差母函數，就可完全決定其分佈。但一隨機變數之動差母函數，不一定存在。 基礎公式:?( = =1∵X~poissonλ 二、動差理論 1.動差母函數是一個特殊的隨機變數函數之期望值，即Mx(t)=E(etX)2.這個特殊函數的期望值具有一些特別性質： a.唯一性的性質：不同的隨機變數其動差母函數即不同，理論上隨機變數的機率分配會與其動差母函數一一對應，也就是說同一型態之機率分配其動差母函數也會具有相同型態，這會有唯一對應的性質。 b.將動差母函數做各階微分並令t=0,則其結果正好是各階動差E(X) ,E(X2) , E(E(X3),...(動差是物理用詞，引用至統計學)3.故一般在統計學中，會利用動差母函數來幫忙判斷隨機變數會是什麼分配，並可用來計算平均數，變異數 三、動差特徵 動差在機率上扮演非常重要的角色可以幫助我們求出機率分配的四個特徵值不過計算上卻很複雜所以為了簡化求算動差的過程因此建立一種比較快速求出各級動差之函數而母函數有三種 (1)機率母函數 (2)動差母函數 (重要且常使用) (3)特性母函數 二、相關統計理論或由此主題所衍生之相關統計應用 定義1 隨機變數Y的以0 (原點) 為中心的k階動差(kth moment) 定義為E(YK), 並以μk表 註. 隨機變數Y 的期望值 E(Y) = μ 故又稱作一階動差. 又隨機變數Y 的平方的期望值，E(Y2)=μ2故又稱作二階 定義2. 隨機變數Y的以為中心的k 階中央動差(kthcentralmoment) 定義為 EY-μk ，並以μ 註1. 隨機變數Y 的變異數 σ 故又稱作二階中央動差. 註2. 若二隨機變數Y , Z 有相同的k 階動差,k = 1; 2; 3; : : :, 則在相當一般的條件下， Y 亦即, Y 與Z 有相同的分布。 定義3 隨機變數Y 的動差母函數(moment-generating function, 簡稱為mgf) m 稱此動差母函數存在, 若存在b 0 使得當t≤b 時,m(t) 有限 註. 為何稱m(t) = E(etY ) 為Y 的動差母函數? E =y1+ 再根據當m(t) 存在時, 兩個無窮項的累加和(summation) 可交換, 因而可由上式得出 EetY=y 最後根據pmf 的完整和為1, 以及k 階動差的定義, 可由上式導出 E 故, k 階動差μk為 m(t) 的展開式中 tkk! 的係數k = 1， 2， 3… 也就是說, 所有的k 階動差均可打包在一個表示式 此, 稱m(t) = E(etY ) 為Y 的動差母函數 應用1. (由m(t) = E(etY ) 生成 若 m(t) 存在, 則對任意的正整數k, d 證 首先, 根據註解 M =1+t 接著根據一事實: 當m(t) 存在時, 微分與和可交換, 得 m m m 最後一式子的第二項乃因為 k+1 同理, 可導出其餘的各項. 代入t = 0, 得 m m ? m ? 例1. 試求Y _ Poisson(_) 的mgf m(t). 解 根據mgf 的定義, m = =e-λeλe = 例2. 試以Y _ Poisson(λ)的mgf m(t) 求其期望值μ與變異數σ2 解 根據一階動差的定義以及定理 μ= = = = =λ 又 E = = = 所以 σ 應用2. (唯一性). 若存在b 0 使得對所有的 tb , Y 與Z 都有相同的動差母函數m(t), 則YD=Z亦即, Y 與 證 (略), 參看高等機率論. 例3. 設Y 的動差母函數mgf mY (t) =e 試求Y 的分布. 解 因