В теории вероятностей и статистике , то момент, производящая функция от вещественной случайной величины является альтернативой спецификации ее распределения вероятностей . Таким образом, он обеспечивает основу для альтернативного пути получения аналитических результатов по сравнению с работой непосредственно с функциями плотности вероятности или кумулятивными функциями распределения . Имеются особенно простые результаты для функций распределений, порождающих моменты, определяемых взвешенными суммами случайных величин. Однако не все случайные величины имеют функции, генерирующие моменты.
Как следует из названия, функция , производящая момент, может использоваться для вычисления моментов распределения : n- й момент около 0 - это n- я производная функции создания момента, вычисленная как 0.
В дополнение к распределениям с действительными значениями (одномерные распределения), функции, генерирующие моменты, могут быть определены для векторных или матричных случайных величин и даже могут быть расширены на более общие случаи.
Производящая момент функция действительного распределения не всегда существует, в отличие от характеристической функции . Есть отношения между поведением функции распределения момента, порождающей момент, и свойствами распределения, такими как наличие моментов.
везде, где существует это ожидание . Другими словами, функция X, создающая момент, является математическим ожиданием случайной величины . В более общем плане , когда , - мерный случайный вектор , и это фиксированный вектор, используется вместо :
всегда существует и равно 1. Однако ключевая проблема с функциями, производящими момент, состоит в том, что моменты и функция, производящая момент, могут не существовать, поскольку интегралы не обязательно сходятся абсолютно. Напротив, характеристическая функция или преобразование Фурье всегда существует (потому что это интеграл ограниченной функции на пространстве конечной меры ) и для некоторых целей может использоваться вместо этого.
Функция создания моментов названа так потому, что ее можно использовать для нахождения моментов распределения. [1] Разложение в ряд равно
Следовательно
где это й момент . Дифференцируя времена по и полагая , получаем момент -й относительно начала координат ,; см. Расчет моментов ниже.
Если - непрерывная случайная величина, то выполняется следующая связь между ее функцией, производящей момент, и двусторонним преобразованием Лапласа ее функции плотности вероятности :
поскольку двустороннее преобразование Лапласа PDF задается как
Это согласуется с характеристической функцией будучи вращения Фитиль из когда функция генерирования момент существует, так как характеристическая функция непрерывной случайной переменной является преобразованием Фурье его функции плотности вероятности , и в общем случае, когда функция имеет экспоненциального порядка , преобразование Фурье представляет собой вращение Вика его двустороннего преобразования Лапласа в области сходимости. См. Соотношение преобразований Фурье и Лапласа для получения дополнительной информации.
Примеры [ править ]
Вот несколько примеров функции создания момента и характеристической функции для сравнения. Можно видеть, что характеристическая функция является вращением Вика функции, производящей момент, когда последняя существует.
Распределение
Момент-генерирующая функция
Характеристическая функция
Вырожденный
Бернулли
Геометрический
Биномиальный
Отрицательный бином
Пуассон
Равномерное (непрерывное)
Равномерное (дискретное)
Лаплас
Обычный
Хи-квадрат
Нецентральный хи-квадрат
Гамма
Экспоненциальный
Многомерный нормальный
Коши
Не существует
Многомерный Коши
[2]
Не существует
Расчет [ править ]
Функция создания момента - это математическое ожидание функции случайной величины, ее можно записать как:
Для дискретной функции массовой вероятности ,
Для непрерывной функции плотности вероятности ,
В общем случае: с использованием интеграла Римана – Стилтьеса , где - интегральная функция распределения .
Следует отметить , что для случая , когда имеет непрерывную функцию плотности вероятности , является преобразованием двухсторонней Лапласы из .
Если , где X i - независимые случайные величины, а a i - константы, то функция плотности вероятности для S n представляет собой свертку функций плотности вероятности каждого из X i , а функция, генерирующая момент для S n, равна дано
Случайные величины с векторным знаком [ править ]
Для векторных случайных величин с действительными компонентами порождающая функция момента задается выражением
где - вектор, а - скалярное произведение .
Важные свойства [ править ]
Производящие функции моментов положительны и лог-выпуклы , причем M (0) = 1.
Важным свойством функции создания момента является то, что она однозначно определяет распределение. Другими словами, если и - две случайные величины и для всех значений t ,
тогда
для всех значений x (или, что то же самое, X и Y имеют одинаковое распределение). Это утверждение не эквивалентно утверждению «если два распределения имеют одинаковые моменты, то они идентичны во всех точках». Это связано с тем, что в некоторых случаях моменты существуют, а функции, производящей момент, нет, потому что предел
может не существовать. Логнормальный является примером того , когда это происходит.
Расчет моментов [ править ]
Функция момент генерирующая так называемый , потому что если он существует на открытом интервале вокруг т = 0, то это экспоненциальная производящая функция из моментов в распределении вероятностей :
То есть, когда n является неотрицательным целым числом, n- й момент около 0 является n- й производной производящей функции момента, вычисляемой при t = 0.
Другие свойства [ править ]
Неравенство Дженсена дает простую нижнюю оценку функции, производящей момент:
где это среднее X .
Верхний ограничивающая функцию момента генерирования может быть использованы в сочетании с неравенством Маркова к связанному верхнему хвосту реального случайной величины X . Это утверждение также называется границей Чернова . Поскольку при монотонно возрастает , имеем
для любого и любого а , если существует. Например, когда X - стандартное нормальное распределение и , мы можем выбрать и вспомнить это . Это дает , что в пределах коэффициента 1+ точного значения.
Различные леммы, такие как лемма Хёффдинга или неравенство Беннета, дают оценки функции, производящей момент, в случае ограниченной случайной величины с нулевым средним.
Когда неотрицательно, функция, производящая момент, дает простую и полезную оценку моментов:
Для любого и .
Это следует из простого неравенства, в которое мы можем подставить подразумеваемое вместо любого . Теперь, если и , это можно переставить на . Ожидание с обеих сторон дает предел с точки зрения .
В качестве примера рассмотрим с степенями свободы. Тогда мы знаем . Выбирая и вставляя в границу, мы получаем
Мы знаем, что в этом случае правильная оценка . Чтобы сравнить оценки, мы можем рассмотреть асимптотику для больших . Здесь граница Mgf , а действительная граница . Таким образом, оценка Mgf в этом случае очень сильна.
Отношение к другим функциям [ править ]
С функцией создания момента связан ряд других преобразований , которые распространены в теории вероятностей:
Характеристическая функция
Характеристическая функция связана с функцией момента генерирования через характеристическую функцию является момент , генерирующей функция Ix или функция генерации момента X оценивается на мнимой оси. Эту функцию можно также рассматривать как преобразование Фурье от функции плотности вероятности , которые , следовательно , могут быть выведены из него путем обратного преобразования Фурье.
Кумулянт-производящая функция
Функция кумулянтых генерирующая определяются как логарифм функции момента , генерирующей; некоторые вместо этого определяют функцию, генерирующую кумулянт, как логарифм характеристической функции , в то время как другие называют ее второй функцией, производящей кумулянт.
Вероятностно-производящая функция
Функция, генерирующая вероятность, определяется как Отсюда сразу следует, что
См. Также [ править ]
Энтропийная ценность под угрозой
Факториальная производящая функция момента
Функция оценки
Проблема моментов гамбургера
Эта статья включает в себя список общих ссылок , но он остается в значительной степени непроверенным, поскольку в нем отсутствует достаточное количество соответствующих встроенных ссылок . Пожалуйста, помогите улучшить эту статью, добавив более точные цитаты. ( Февраль 2010 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения )
Ссылки [ править ]
Цитаты [ править ]
^ Балмер, М. (1979). Принципы статистики . Дувр. С. 75–79. ISBN 0-486-63760-3.
^ Kotz et al. [ требуется полная ссылка ] стр. 37 с использованием 1 в качестве числа степеней свободы для восстановления распределения Коши
Источники [ править ]
Казелла, Джордж; Бергер, Роджер. Статистический вывод (2-е изд.). С. 59–68. ISBN 978-0-534-24312-8.