Professional Documents
Culture Documents
動差函數
動差函數
一、 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。
∞
−λ x
(1) 基礎公式:∅ (t)=E[e tx ]= ∑ etx e λ
X =0 x!
∞
t
x
e−λ e− λe ( λet )t
¿ −λ e
t ∑ x ! =e− λ (1−e )
e ⏟
X =0
¿ 1∵ X poisson ( λ et )
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(e tX )
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。
E(E( X 3 ),...(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(E(X),E( X 2 ))
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(Y K ),
並以μ'k 表示之。
'
註. 隨機變數 Y 的期望值 E(Y) = μ1=μ
故又稱作一階動差. 又隨機變數 Y 的平方的期望值,E(Y 2)=μ'2故又稱作二階動
差.
定義 2.
E [ ( Y −μ )k ] ,並以 μk 表示之。
故又稱作二階中央動差.
相當一般的條件下,
Y DZ
¿
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 ( t ) dtf E ( e tY )
¿
2 3 k
(ty) (ty) (t y ) p
¿ ∑ 1+t y +
y
[ 2!
+
3!
+…+
k!
+… ] ( y)
2 3
出 E ( e tY )=∑ 1∗p ( y )+ t ∑ yp ( y ) + t ∑ y 2p(y)+ t ∑ y3 p ( y )+ …
y y 2t y 3t y
同理, 可導出其餘的各項 .
代入 t = 0, 得
m (1 ) ( 0 ) =μ '1
m(2 ) ( 0 ) =μ '2
⋮
m ( 0 )=μ'k
(k )
⋮
例 1. 試求 Y _ Poisson(_) 的 mgf m(t).
y=0 y!
∞ t y
( λe )
¿ e− λ ∑
y=0 y!
t
¿ e− λ e λ e (根據 ex 的泰勒展開式)
t
<解> 根據一階動差的定義以及定理
μ=μ '2=m(1 ) ( 0 )
d
¿
dt
[ λet e λ(e −1) ]
t
t =0
t
|
¿ λe t e λ(e −1 )t=0
0
¿ λe 0 t e λ(e −1)t =0
¿ λ ( 1 ) e0 ¿ ¿=λ
又
E Y 2=μ'2 =m(2) ( 0 )
d
¿
dt
[ λet e λ (e −1) ]
t=0
t
|
t 2
t
λ (e −1 )
( )
¿(λe ) eλ e t=0
¿ λ2 + λ
所以
σ 2=var ( Y )
¿ E ( Y 2 )− [ E ( Y )2 ]=λ2 + λ−λ2 =λ
應用 2. (唯一性). 若存在 b > 0 使得對所有的
例 3. 設 Y 的動差母函數 mgf
mY (t) =e 3.2 (e −1) . .−∞<t< ∞
t
試求 Y 的分布.
根據唯一性,