В теории вероятностей, функция генерирования вероятностей для Дискретная случайная величина является представлением степенного ряда (производящей функции ) функции массы вероятности случайной величины. Функции генерации вероятностей часто используются для их краткого описания последовательности вероятностей Pr (X = i) в функции массы вероятностей для случайной величины X, а также для того, чтобы сделать доступной скважину -разработана теория степенных рядов с неотрицательными коэффициентами.
Содержание
- 1 Определение
- 1.1 Одномерный случай
- 1.2 Многомерный случай
- 2 Свойства
- 2.1 Степенный ряд
- 2.2 Вероятности и ожидания
- 2.3 Функции независимых случайных величин
- 3 Примеры
- 4 Понятия, связанные с данным
- 5 Примечания
- 6 Ссылки
Определение
Одномерный случай
Если X является дискретной случайной величиной принимая значения в неотрицательных целых числах {0,1,...}, тогда функция, генерирующая вероятность X, определяется как
где p - функция массы вероятности X. Обратите внимание, что индексированные обозначения G X и p X часто используются для Подчеркните, что они относятся к конкретной случайной величине X и ее распределению. Степенный ряд сходится абсолютно по крайней мере для всех комплексных чисел z с | z | ≤ 1; во многих примерах радиус сходимости больше.
Многомерный случай
Если X = (X 1,..., X d) - дискретная случайная величина, принимающая значения в d -мерная неотрицательная целочисленная решетка {0,1,...}, то функция, производящая вероятность X, определяется как
где p - функция массы вероятности X. Степенный ряд сходится абсолютно по крайней мере для всех комплексных векторов z = (z 1,..., z d) ∈ ℂ с max {| z 1 |,..., | z d |} ≤ 1.
Свойства
Силовой ряд
Функции, производящие вероятность, подчиняются всем правилам степенного ряда с неотрицательными коэффициентами. В частности, G (1) = 1, где G (1) = lim z → 1 G (z) снизу, поскольку суммы вероятностей должны составлять единицу. Таким образом, радиус сходимости любой функции, производящей вероятность, должен быть не менее 1 по теореме Абеля для степенных рядов с неотрицательными коэффициентами.
Вероятности и ожидания
Следующие свойства позволяют вывести различные базовые величины, связанные с X:
- Функция массы вероятности X восстанавливается путем взятия производных от G,
- Из свойства 1 следует, что если случайные величины X и Y имеют одинаковые функции генерации вероятностей, , то . То есть, если X и Y имеют одинаковые функции генерации вероятности, то они имеют идентичные распределения.
- Нормализация функции плотности вероятности может быть выражена в терминах производящей функции как
- ожидание для дается как
- В более общем смысле, факториальный момент k , из X задается как
- Итак, дисперсия X задается как
- Наконец, исходный момент k X задается как
- где X - случайная величина, - функция генерации вероятности (X) и - функция, генерирующая момент (от X).
Функции независимых случайных величин
Функции генерации вероятностей особенно полезны для работы с функциями от независимых случайных величин. Например:
- Если X 1, X 2,..., X N - последовательность независимых (и не обязательно одинаково распределенных) случайных переменные и
- где a i - константы, тогда функция, производящая вероятность, задается как
- Например, если
- тогда функция, производящая вероятность, G SN(z), задается как
- Отсюда также следует, что функция, производящая вероятность разности двух независимых случайных величин S = X 1 - X 2is
- Предположим, что N также является независимой дискретной случайной величиной, принимающей значения неотрицательных целых чисел с функцией генерирования вероятности G N. Если X 1, X 2,..., X N независимы и одинаково распределены с функцией генерации общей вероятности G X, то
- Это можно увидеть, используя закон общего ожидания, следующим образом:
- Последний факт полезен при изучении процессов Гальтона – Ватсона и составных процессов Пуассона.
- Предположим, опять же, N также является независимой дискретной случайной величиной, принимающей значения неотрицательных целых чисел, с функцией генерации вероятности G N и плотностью вероятности . Если X 1, X 2,..., X N являются независимыми, но не одинаково распределенными случайными величинами, где обозначает функцию, генерирующую вероятность , тогда
- Для идентично распределенного X i это упрощается до идентичности, указанной ранее. Общий случай иногда полезен для получения разложения S N с помощью производящих функций.
Примеры
- Функция генерирования вероятностей постоянной случайной величины, т. Е. Одной с Pr (X = c) = 1, это
- Функция генерации вероятности биномиальной случайной величины, количество успешных результатов в n испытаниях с вероятностью p успеха в каждом испытании, равно
- Обратите внимание, что это n-кратное произведение производящей функции вероятности элемента Бернулли случайная величина с параметром p.
- Таким образом, функция, генерирующая вероятность честной монеты, равна
- Функция, генерирующая вероятность отрицательной биномиальной случайной величины на {0,1,2...}, количество отказов до r-го успеха с вероятностью успеха в каждом испытании p
- (сходимость для ).
- Обратите внимание, что это r-кратное произведение функции генерации вероятности геометрической случайной величины с параметром 1 - p на {0,1,2,...}.
- Вероятность Производящая функция случайной величины Пуассона с параметром скорости λ равна
Понятия, связанные с данным
Функция генерирования вероятности является примером производящей функции последовательности: см. Также формальный степенной ряд. эквивалентно z-преобразованию функции массы вероятности и иногда его называют.
Другие производящие функции случайных величин включают функцию создания момента, характеристическая функция и кумулянтная производящая функция. Производящая функция вероятности также эквивалентна производящей факториальной функции момента, которая поскольку также можно рассматривать для непрерывных и других случайных величин.
Примечания
Ссылки
- Johnson, N.L.; Kotz, S.; Кемп, А. (1993) Одномерные дискретные распределения (2-е издание). Вайли. ISBN 0-471-54897-9 (Раздел 1.B9)