Funkcja tworząca prawdopodobieństwa

Z Wikipedii, wolnej encyklopedii
Skocz do: nawigacja, szukaj

Funkcja tworząca prawdopodobieństwa dyskretnej zmiennej losowej jest przedstawieniem szeregu potęgowego (funkcji tworzącej) funkcji masy prawdopodobieństwa zmiennej losowej. Funkcje tworzące prawdopodobieństwa są często wykorzystywane ze względu na ich zwięzły opis sekwencji prawdopodobieństw Pr (X = i) w funkcji masy prawdopodobieństwa zmiennej losowej X oraz do udostępnienia dobrze rozwiniętej teorii szeregów potęgowych z nieujemnymi współczynnikami.

Definicja formalna[edytuj]

Przypadek jednowymiarowy[edytuj]

Jeżeli X jest dyskretną zmienną losowa o wartościach ze zbioru nieujemnych liczb całkowitych {0,1 s, ...}, wtedy funkcja tworząca prawdopodobieństwo X jest zdefiniowana jako [1]

gdzie p jest funkcją masy prawdopodobieństwa X. Należy pamiętać, że indeksy oznaczenia G i PX są często używane do podkreślenia, że te oznaczenia odnoszą się do konkretnej zmiennej losowej X, i do jej rozkładu. Szereg potęgowy jest zbieżny bezwzględnie co najmniej dla wszystkich liczb zespolonych z takich że | z | ≤ 1, w wielu przykładach promień zbieżności jest większy.

Przypadek wielowymiarowy[edytuj]

Jeśli X = (X1,...,Xd ) jest dyskretną zmienną losową o wartościach w d-wymiarowej kracie nieujemnych liczb całkowitych {0,1, ...} d, wtedy funkcję tworząca prawdopodobieństwa X jest zdefiniowana jako

gdzie p jest funkcją masy prawdopodobieństwa X. Szereg potęgowy jest zbieżny bezwzględnie co najmniej na wszystkich złożonych wektorach z = (z1,...,zd ) ∈ ℂd z max{|z1|,...,|zd |} ≤ 1.

Właściwości[edytuj]

Szeregi potęgowe[edytuj]

Funkcje tworzące prawdopodobieństwo spełniają wszystkie warunki szeregów potęgowych o współczynnikach nieujemnych. W szczególności, G (1 -) = 1, gdzie G (1 -) = lim z → 1 G (z) od dołu, ponieważ prawdopodobieństwa muszą sumować się do jedynki. Tak więc promień zbieżności każdej funkcji tworzącej prawdopodobieństwa musi być co najmniej 1, na mocy twierdzenia Abela dla szeregów potęgowych o nieujemnych współczynnikach.

Prawdopodobieństwa i oczekiwania[edytuj]

Następujące właściwości pozwalają na wyprowadzenie różnych podstawowych wielkości związanych z X:

1. Funkcja masy prawdopodobieństwa X jest odzyskiwana poprzez pochodne G

2. Z Własności 1 wynika, że jeśli zmienne losowe X i Y mają funkcje tworzące prawdopodobieństwa które są równe, G = G X Y, to X p p = Y. To znaczy, że jeśli X i Y mają funkcje tworzące prawdopodobieństwa to mają identyczne rozkłady.

3. Normalizacja funkcji gęstości prawdopodobieństwa może być wyrażona w członach funkcji tworzącej, przez

Oczekiwanie X jest wyrażone przez

Bardziej ogólnie, k -ty moment silni E (X (X - 1) ... (X - k + 1)), X jest dany przez

Więc wariancja X jest wyrażona przez

4. , gdzie X jest zmienną losową, G (t) funkcją tworzącą prawdopodobieństwa a M (t) jest funkcją tworzącą momenty

Funkcje niezależnych zmiennych losowych[edytuj]

Funkcje tworzące prawdopodobieństwo są szczególnie przydatne przy zajmowaniu się funkcjami niezależnych zmiennych losowych. Na przykład:

  • Jeśli X 1, X 2, ..., X n jest ciągiem niezależnych (i niekoniecznie o identycznym rozkładzie) zmiennych losowych i
gdzie ai są stałymi, wtedy funkcja tworzaca prawdopodobieństwa jest dana przez
Na przykład, jeśli
to funkcja tworząca prawdopodobieństwa G Sn (z), jest dana przez
Z powyższego wynika również, że funkcja tworząca prawdopodobieństwa różnicy dwóch niezależnych zmiennych losowych S = X1 - X 2 jest
  • Przypuśćmy, że N jest także niezależną dyskretna zmienną losową o przyjmująca wartości nieujemnych liczb całkowitych, z funkcją tworzącą prawdopodobieństwaG N. Jeśli x 1, x 2, ..., X n są niezależnymi i i o identycznych rozkładach ze wspólną funkcją tworzącą prawdopodobieństwa G X, wtedy
Można to zobaczyć stosując twierdzenie o całkowitej wartości oczekiwanej, jak następuje:


Ten ostatni fakt jest przydatny w badaniach procesu Galtona-Watsona.
  • Przypuśćmy znowu że N jest także niezależną, dyskretna zmienną losową o wartości ze zbioru nieujemnych liczb całkowitych, z funkcją tworzącą prawdopodobieństwa G N. Jeżeli x 1, x 2, ..., X n są niezależnymi zmiennymi losowymi ale nie o identycznych rozkładach, gdzie oznacza funkcję tworzącą prawdopodobieństwa , wtedy
Dla Xi o identycznych rozkładach X i to upraszcza się do tożsamości powyżej. Ogólny przypadek jest czasami przydatny do uzyskania dekompozycji SN poprzez funkcje tworzące.

Przykłady[edytuj]

  • Funkcja tworząca prawdopodobieństwa zmiennej losowej stałej, czyli jeden z Pr (X =c) = 1, jest
  • Funkcja tworząca prawdopodobieństwa dwumianowej zmiennej losowej, liczba sukcesów w n, próbach z prawdopodobieństwem p sukcesu w każdej próbie, jest
Należy pamiętać, że jest to n-krotny funkcji tworzącej prawdopodobieństwa losowej zmiennej Bernoulliego z parametrem p.
  • Funkcja tworząca prawdopodobieństwa zmiennej losowej dwumianowej ujemnej, liczba niepowodzeń które nastąpiły przed r -tym sukcesem z prawdopodobieństwem sukcesu p w każdej próbie, jest
Pamiętajmy że jest to r-krotny produkt funkcji tworzącej prawdopodobieństwa geometrycznej zmiennej losowej.


Pojęcia pokrewne[edytuj]

Funkcja tworząca prawdopodobieństwa jest przykładem funkcji tworzącej ciąg: zobacz także formalne szeregi potęgowe To jest czasem nazywane z-transformatę funkcji masy prawdopodobieństwa.

Inne funkcje tworzące zmiennych losowych obejmują funkcję generowania momentów, funkcję charakterystyczną i funkcję tworzącą kumulanty.

Przypisy