概率论总结(四):矩母函数(含证明,超级简单明了!)

目录:

  • 定义
  • 常见随机变量的矩母函数
    - 泊松随机变量的矩母函数
    - 二项随机变量的矩母函数
    - 几何随机变量的矩母函数
    - 指数随机变量的矩母函数
    - 随机变量线性函数的矩母函
    - 正态分布随机变量的矩母函数
    - 均匀随机变量的矩母函数
  • 从矩母函数到矩
  • 矩母函数的可逆性
  • 独立随机变量和
  • 汇总

矩母函数(Moment Generating Function) 是对概率(分布列或者概率密度函数)的另一种表述。它并不是特别直观的, 但是在解决某些类型的数学计算时很方便。

定义:
在这里插入图片描述
在这里插入图片描述
随机变量是 X 时,矩母函数也可以简记为M(s)。
当 X 是离散随机变量时,相关矩母函数为:在这里插入图片描述
当 X 是连续随机变量时,相关矩母函数为:在这里插入图片描述
例:
在这里插入图片描述
其相应的矩母函数为:
在这里插入图片描述

常见随机变量的矩母函数

💁泊松随机变量的矩母函数

设随机变量 X 服从参数为λ的泊松分布:
在这里插入图片描述
其矩母函数为:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
💁二项随机变量的矩母函数
设随机变量X服从二项分布:在这里插入图片描述
其矩母函数为:(最后一个括号上的次方应该是n,打错了。)在这里插入图片描述
💁几何随机变量的矩母函数
设随机变量X服从几何分布:
在这里插入图片描述
其矩母函数为:
在这里插入图片描述
最后一个等式用了下式:
在这里插入图片描述
💁指数随机变量的矩母函数

设随机变量 X 服从参数为λ 的指数分布:在这里插入图片描述
则:
在这里插入图片描述
以上运算和M(s)的公式仅在 s<λ下成立, 否则积分为无穷.
重要的是要认识到矩母函数不是一个数而是一个参数为 s 的函数。

💁随机变量线性函数的矩母函数

M(s)记为随机变量 X 的矩母函数,考虑新随机变量Y=aX+b的矩母函数.由矩母函数定义, 有:
在这里插入图片描述
例如,如果 X 服从参数λ=1的指数分布, 则:
在这里插入图片描述
💁正态分布随机变量的矩母函数

记 X 为服从均值为 μ、方差为σ^2 的正态随机变量。为了计算它的矩母函数, 首先我们考虑标准正态随机变量 Y 的情况,对 Y有均值为0且方差为1。求出 Y 的矩母函数以后, 再导出X 的矩母函数.
标准正态分布的概率密度函数为:
在这里插入图片描述
则矩母函数为:
在这里插入图片描述
在这里插入图片描述
*:利用了服从均值为 s 方差为1的正态随机变量的概率密度函数的归
一化性质.
均值为μ方差为σ^2 的正态随机变量可表成标准正态随机变量的线性函数:在这里插入图片描述
利用随机变量线性函数的矩母函数:
在这里插入图片描述
💁均匀随机变量的矩母函数

区间[a,b]上均匀分布的连续 随机变量 X 的矩母函数:
在这里插入图片描述
离散情况下:
设X 分布列是 :在这里插入图片描述
其矩母函数为:
在这里插入图片描述
在这里插入图片描述

从矩母函数到矩

“矩母函数”这一名称是由于随机变量的矩可以通过矩母函数的公式轻易计算出而得来的.为验证这一点, 现在考虑一个连续随机变量 X,根据定义:
在这里插入图片描述
式两边取 s 的导数:
在这里插入图片描述
考虑s=0这种情况:
在这里插入图片描述
更一般的,如果我们对M(s)取 n 次 s 的导数, 通过类似的计算有:
在这里插入图片描述
例:指数随机变量的概率密度函数为:
在这里插入图片描述
矩母函数为:在这里插入图片描述
因此:在这里插入图片描述
令s=0,有:在这里插入图片描述
矩母函数的两个十分有用的性质
在这里插入图片描述
在这里插入图片描述

矩母函数的可逆性

矩母函数的一个非常重要的性质是它可逆,即可用它来确定随机变量 X的概率律.
矩母函数可逆的条件:
假定随机变量 X 的矩母函数M(s)满足:存在一个正数 a,对在区间[-a,a]中的任意 s, M(s)都是有限的, 则矩母函数M(s)唯一地决定 X 的分布函数.
例:已知随机变量 X 的相关矩母函数为:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
X 的取值范围可以从相应的 指数读出来,即-1、0、4、5.
每个 x 值的概率可以从e^(sx)前面乘的系数得到.
即:
在这里插入图片描述
例:(几何随机变量的矩母函数) 已知随机变量 X 的矩母函数为:
在这里插入图片描述
这里 p 是一个常数, 且(0<p<=1),我们想要求出 X 的分布.由几何级数公式得:
在这里插入图片描述
上式对于任意满足|x|<1的 x都成立.
在这里插入图片描述在这里插入图片描述
将这个式子与上例中一般离散随机变量的矩母函数的表达式比较,可知 M(s)所对应的随机变量是取正整数值的离散型随机变量. 概率P(X=k) 可以通过读取e^(sx)的系数得到.
具体来说,P(X=1)=p,P(X=2)=p(1-p)
可见这个分布正是参数为 p 的几何分布.
注意:
在这里插入图片描述
当 s=0时,右边等于1/p,即E[X]=1/p,与之前推导的结果一样。

独立随机变量和

独立随机变量的和 的矩母函数是和项的矩母函数的乘积.
记 X 和 Y 为独立的随机变量, 并记Z=X+Y根据定义, Z 的矩母函数为:
在这里插入图片描述
因为 X 和 Y 是独立的, 对于任意的 s,在这里插入图片描述
请添加图片描述

同样地, 如果X1,X2,…,Xn是独立的随机变量,且Z=X1+X2+…+Xn
相应的矩母函数之间有下面的关系:
在这里插入图片描述
💁二项随机变量的矩母函数
设X1,X2,…,Xn为独立的伯努利随机变量, 参数都为p. 按定义,不难得到
在这里插入图片描述
随机变量Z=X1+X2+…+Xn服从参数为 n 和 p 的二项分布,相应的矩母函数为:
在这里插入图片描述

汇总

常见的离散随机变量的矩母函数:
参数为 p 的伯努利分布(k=0,1)
在这里插入图片描述
在这里插入图片描述
常见连续随机变量的矩母函数:
在这里插入图片描述

  • 47
    点赞
  • 344
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
母函数母函数是两个重要的数学工具,它们有着不同的定义和应用。 1. 母函数 母函数是一种数列表示方法,它是一个形式幂级数。设 $(a_n)$ 是一个数列,其普通生成函数为: $$F(x)=\sum_{n=0}^{\infty}a_nx^n$$ 这个形式幂级数可以看作是数列 $(a_n)$ 的一种“代表”,它包了该数列的所有信息。通过母函数,我们可以方便地进行数列的运算、计算和推导,例如求解递推关系式、计算组合数等问题。 2. 母函数 母函数是一种随机变量的生成函数,它与随机变量的各阶有关。设 $X$ 是一个随机变量,其母函数定义为: $$M_X(t)=\mathrm{E}(e^{tX})=\int_{-\infty}^{\infty}e^{tx}f_X(x)dx$$ 其中,$\mathrm{E}$ 表示期望,$f_X(x)$ 是 $X$ 的概率密度函数。母函数的第 $n$ 阶可以通过对 $M_X(t)$ 进行 $n$ 阶导数得到: $$\mathrm{E}(X^n)=M_X^{(n)}(0)$$ 母函数概率论和统计学中有着广泛的应用,例如求解分布的、计算随机变量的卷积等问题。 3. 区别 母函数母函数都是形式幂级数的一种表示方法,但它们的定义和应用有很大的不同。母函数通常用于表示数列,它可以用于求解递推关系式、计算组合数等问题;而母函数则用于表示随机变量的,它可以用于求解分布的、计算随机变量的卷积等问题。 此外,母函数母函数的形式也有所不同。母函数是普通的无穷级数,而母函数是积分形式的无穷级数。因此,在使用上两者也有一些差异。
评论 9
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