ETR 2014/2015 7. Funkcje generuja ` ce momenty 23 § 7. Funkcje
Transkrypt
ETR 2014/2015 7. Funkcje generuja ` ce momenty 23 § 7. Funkcje
ETR 2014/2015 § 7. 7. Funkcje generujace momenty ‘ 23 Funkcje generujace momenty ‘ Analize zlożonych rozkladów zmiennych losowych ulatwiaja rozmaite transformacje tych ‘ ‘ rozkladów. Niech X nieujemna zmienna losowa (ryzyko). Funkcje ‘ +∞ R tx M (t) = MX (t) = E(etX ) = e dFX (x), t ∈ D, −∞ gdzie D = {t ∈ R : E(etX ) < ∞}, F - dystrybuanta rozkladu zmiennej losowej X, nazywamy funkcja generujaca momenty (FGM) rozkladu zmiennej losowej X. ‘ ‘ ‘ Definicja jest poprawna bo D 6= ∅, ściślej (−∞, 0] ⊂ D. Istotnie, dla t ≤ 0 funkcja M jest dobrze określona w t = 0, M (0) = E(e0 ) = E(1) = 1. Dla t < 0 mamy 0 ≤ etx ≤ e0 . Stad ‘ +∞ +∞ R tx R 0 tX M (t) = E(e ) = e dFX (x) ≤ e dFX (x) 0 0 = F (+∞) − F (0) = 1 < ∞. Funkcja generujaca momenty ma dla t < 0 wszystkie pochodne: ‘ R∞ d tx R∞ tx dM (t) = (e ) dFX (x) = xe dF(x), dt 0 dt 0 . . . R∞ k tx dk M (t) = x e dFX (x), k = 1, 2, . . . dtk 0 ponieważ dla t < 0 pochodne po t funkcji etx sa ciagle (oczywiste) oraz ograniczone ‘ ‘ dla x ≥ 0: k k sup xk etx = ... = [rys] [CW] −te x≥0 R∞ a to umożliwia różniczkowanie calki 0 xk etx dFX (x). Ponadto, gdy D zawiera otoczenie zera, to R∞ dM (0) = x dFX (x) = E(X), dt 0 . . . R∞ k dk M (0) = x dFX (x) = mk . k-ty moment dtk 0 ETR 2014/2015 7. Funkcje generujace momenty ‘ 24 Istotnie, dla k = 1 mamy: R ∞ tx e dF(x) − 1 M (t) − M (0) = lim 0 = M ′ (0) = lim t→0 t→0 t t R ∞ tx (e − 1) dF(x) R ∞ d tx = 0 (e )|t=0 dF(x) lim 0 t→0 t dt R∞ = 0 x dF(x) = E(X). Stad mamy: M ′ (0) = E(X), M ′′ (0) = E(X 2 ), itd. Analogiczny rachunek jest dla ‘ k > 1. Twierdzenie. FGM wyznacza jednoznacznie rozklad zmiennej losowej! Przyklady Rozklad 2-punktowy: P (X = a) = p, P (X = b) = q, 0 < p < 1, q = 1 − p, MX (t) = E(etX ) = eta p + etb q, t ∈ R. Rozklad dwumianowy: n k P (X = k) = pk q n−k , k = 1, 2, . . . , n, MX (t) = (pet + q)n , t ∈ R, [CW] ′ ′ MX (t) = n(pet + q)n−1 pet , E(X) = MX (0) = np, ... Rozklad Poissona: P (X = k) = (λk /k!)e−λ , k = 0, 1, 2, . . . , t MX (t) = eλ(e −1) = exp(λ(et − 1)), t ∈ R, [CW] ′ MX (t) = λet MX (t), ′′ MX (t) = λet MX (t) + (λet )2 MX (t), ... ′ ′′ E(X) = MX (0) = λ, MX (0) = λ + λ2 , ... Rozklad gamma (α, β), α, β > 0, fX (x) = (β α /Γ(α))xα−1 e−βx , x > 0, α β MX (t) = , t ∈ (−∞, β), β−t gestość rozkladu ‘ ETR 2014/2015 7. Funkcje generujace momenty ‘ 25 ′ (t) = (β α (β − t)−α )′ = αβ α (β − t)−α−1 , MX α ′ E(X) = MX (0) = αβ −1 = . β Twierdzenie. Jeśli zmienne losowe X i Y sa niezależne, to ‘ MX+Y (t) = MX (t) · MY (t). Dowód Z definicji FGM i wlasności wartości oczekiwanej mamy: MX+Y (t) = E(et(X+Y ) = E(etX etY ) = E(etX )E(etY ) = MX (t)MY (t). Wniosek Jeśli W = X1 + X2 suma niezależnych zmiennych losowych o rozkladach gamma z parametrami (α1 , β) i (α2 , β), odpowiednio, to W ma także rozklad gamma ale z parametrami (α1 + α2 , β). Dowód Na podstawie poprzedniego twierdzenia i wzoru na FGM dla rozkladu gamma mamy MW (t) = MX1 +X2 (t) = MX1 (t)MX2 (t) α1 α2 α1 +α2 β β β = , dla t < β. β−t β−t β−t Zatem W ma rozklad gamma z parametrami (α1 + α2 , β). Funkcja generujaca kumulanty ‘ Funkcje ‘ CX (t) = ln MX (t), t ∈ D - dziedzina FGM (k) nazywamy funkcja generujaca kumulanty (FGK). Pochodne CX (0) nazywamy ku‘ ‘ mulantami rozkladu zmiennej losowej X. Logarytmujac wzór MX+Y (t) = MX (t) · MY (t) otrzymamy ‘ CX+Y (t) = CX (t) + CY (t). Stad mamy reguly dodawania kumulant ‘ CX+Y (0) = CX (0) + CY (0), ETR 2014/2015 7. Funkcje generujace momenty ‘ (k) (k) 26 (k) CX+Y (0) = CX (0) + CY (0). Wnioski 1. Kumulanty to takie szczególne parametry, rozkladu zmiennej losowej, które sumuja ‘ sie dla sum niezależnych zmiennych losowych. ‘ 2. Różniczkujac wzór C(t) = ln M (t) mamy C ′ (t) = M ′ (t)/M (t) skad ‘ ‘ ′ E(X) M (0) = = E(X). C ′ (0) = M (0) 1 3. Wartość oczekiwana jest kumulanta każdego rozkladu. ‘ 4. Kumulantami rozkladów sa również, m.in. ‘ µ2 - wariancja, µ3 = E((X − E(X))3 ) 3-ci moment centralny, µ4 − 3(µ2 )2 .