ฟังก์ชันการสร้างช่วงเวลาและการแปลงฟูริเยร์?


10

ฟังก์ชันสร้างโมเมนต์คือการแปลงฟูริเยร์ของฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือไม่?

อีกนัยหนึ่งคือช่วงเวลาที่สร้างฟังก์ชั่นเพียงความละเอียดสเปกตรัมของการแจกแจงความหนาแน่นของความน่าจะเป็นของตัวแปรสุ่มนั่นคือวิธีที่เท่าเทียมกันในการจำแนกลักษณะของฟังก์ชั่นในแง่ของความกว้างเฟสและความถี่แทนที่จะเป็นพารามิเตอร์

ถ้าเป็นเช่นนั้นเราสามารถให้การตีความทางกายภาพกับสัตว์ร้ายนี้ได้หรือไม่?

ฉันถามเพราะในฟังก์ชั่นการสร้างจำนวนสะสมทางฟิสิกส์เชิงสถิติลอการิทึมของฟังก์ชันสร้างโมเมนต์เป็นปริมาณสารเติมแต่งที่อธิบายลักษณะของระบบทางกายภาพ หากคุณคิดว่าพลังงานเป็นตัวแปรแบบสุ่มฟังก์ชันการสร้างแบบสะสมจะมีการตีความอย่างง่าย ๆ เมื่อการกระจายพลังงานไปทั่วทั้งระบบ มีการตีความที่ใช้งานง่ายคล้ายกันสำหรับฟังก์ชั่นการสร้างช่วงเวลาหรือไม่?

ฉันเข้าใจยูทิลิตี้ทางคณิตศาสตร์ของมัน แต่มันไม่ใช่แค่แนวคิดหลอกลวงแน่นอนว่ามันมีความหมายอยู่เบื้องหลัง


3
ฉันเชื่อว่ามันเป็นฟังก์ชั่นที่มีลักษณะคล้ายกับการแปลงฟูริเยร์มากขึ้น ฟังก์ชันสร้างโมเมนต์คือการแปลง Laplace
Placidia

1
ที่น่าสนใจ: "การแปลง Laplace เกี่ยวข้องกับการแปลงฟูริเยร์ แต่ในขณะที่การแปลงฟูริเยร์แก้ไขหน้าที่หรือสัญญาณในโหมดการสั่นสะเทือนการแปลง Laplace จะแก้ไขหน้าที่ในช่วงเวลาของมัน" princeton.edu/~achaney/tmve/wiki100k/ docs / …ถ้าอย่างนั้นฉันเดาว่าคำถามคือ - อย่างไร, โดยสังเขป, Laplace เปลี่ยนการย่อยสลายฟังก์ชั่นเป็นช่วงเวลา, และมีการตีความทางเรขาคณิตของสิ่งนี้หรือไม่?
bolbteppa

2
มันทำได้โดยอาศัยการขยายตัวแบบอนุกรมของฟังก์ชันเลขชี้กำลัง
Placidia

ตอนนี้ทุกอย่างเกือบเข้าท่าแล้ว! อย่างไรก็ตามช่วงเวลาที่แน่นอนคืออะไร? ฉันรู้สิ่งนี้: "ช่วงเวลาที่พูดกว้าง ๆ สามารถนำมาพิจารณาได้ว่าตัวอย่างแตกต่างจากค่าเฉลี่ยของสัญญาณ - ช่วงเวลาแรกคือค่าเฉลี่ยจริงวินาทีที่สองคือความแปรปรวน ฯลฯ ... " dsp.stackexchange.com/a/ 11032อย่างไรก็ตามนั่นหมายความว่าอย่างสังหรณ์ใจ? ตัวอย่างคืออะไรเมื่อคำนวณช่วงเวลาที่พูดในวันที่ 1/2/3/4, x ^ 2 (รับ Laplace transform ของ x ^ 2) มีการตีความทางเรขาคณิตหรือไม่?
bolbteppa

คำตอบ:


4

MGF คือ

MX(เสื้อ)=E[อีเสื้อX]

สำหรับค่าจริงของที่มีการคาดหวัง ในแง่ของฟังก์ชั่นความหนาแน่นของความน่าจะเป็นF ( x ) ,เสื้อ(x)

MX(เสื้อ)=-อีเสื้อx(x)dx.

นี้ไม่ได้เป็นฟูเรียร์ (ซึ่งจะมีมากกว่าอีที xอีผมเสื้อxอีเสื้อx

อี-เสื้อxอีเสื้อx


3
E(อีผมเสื้อX)E(อี-ผมเสื้อX)

1
และแน่นอนคุณสมบัติที่มีประโยชน์ที่สุดคือ MGF ของผลรวมของตัวแปรสุ่มอิสระสองตัวคือผลผลิตของฟังก์ชันสร้างช่วงเวลา นี่เทียบเท่ากับกฎที่การแปลงฟูริเยร์ของการแปลงสองฟังก์ชันเป็นผลคูณของการแปลงฟูริเยร์
Brian Borchers
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.