利用矩母函数求独立随机变量之和的分布

在求独立的随机变量之和的分布时,可用矩母函数法。

1 矩母函数法

定理 已知 X 1 , … , X n X_1,\ldots,X_n X1,,Xn为独立的随机变量,各种的矩母函数为 M 1 , … , M n M_1,\ldots,M_n M1,,Mn a 1 , … , a n a_1,\ldots,a_n a1,,an为常数,则 Y = ∑ i = 1 n a i X i Y=\sum_{i=1}^{n}a_i X_i Y=i=1naiXi的矩母函数为
M Y ( t ) = E [ exp ⁡ ( t ∑ i = 1 n a i X i ) ] = ∏ i = 1 n M i ( a i t ) M_Y(t)=\text{E}[\exp(t\sum_{i=1}^{n}a_iX_i)]=\prod_{i=1}^{n}M_i(a_i t) MY(t)=E[exp(ti=1n

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
假设我们有n个随机变量X1, X2, ..., Xn,它们的分布函数分别为F1(x), F2(x), ..., Fn(x)。我们希望取这n个随机变量的和Y = X1 + X2 + ... + Xn的分布函数。 首先,我们需要明确随机变量和的分布函数定义。随机变量和的分布函数FY(x)定义为: FY(x) = P(Y ≤ x) 为了取FY(x),我们可以使用逐步推导的方法。 当n = 1时,即只有一个随机变量X1时,其分布函数为FX1(x)。所以,FY(x) = FX1(x)。 当n = 2时,即有两个随机变量X1和X2时,我们可以利用事件的构造推导出FY(x)。当Y ≤ x时,意味着X1和X2的和小于等于x。我们可以将此事件分解为两个事件:X1 ≤ t1 且 X2 ≤ (x - t1),其中t1的取值范围可以是从负无穷到正无穷。所以,我们可以表达为: FY(x) = ∫∫[X1 ≤ t1 且 X2 ≤ (x - t1)]fX1(t1)fX2(x - t1)d(t1)d(x - t1) 当n > 2时,我们可以使用递推的方法继续推导。即,我们可以将n个随机变量的和分解为前n-1个随机变量的和加上第n个随机变量: Y = X1 + X2 + ... + Xn-1 + Xn 根据递推关系,我们可以得到: FY(x) = ∫∫...∫[Y ≤ x]fX1(t1)fX2(t2)...fXn-1(tn-1)fXn(x - t1 - t2 - ... - tn-1)d(t1)d(t2)...d(tn-1)d(x - t1 - t2 - ... - tn-1) 在每一步中,我们都需要计算n维积分,可以利用数值方法或数学软件来解。 综上所述,n个随机变量和的分布函数可以通过逐步推导和计算n维积分来得。然而,对于大规模的n,计算过程可能会非常复杂和耗时,因此通常采用数值方法或近似方法来解。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值