ฟังก์ชั่นการสร้างช่วงเวลา (MGF) คืออะไร?
คุณช่วยอธิบายมันด้วยคำพูดของคนธรรมดาและเป็นตัวอย่างง่าย ๆ ได้ไหม?
กรุณา จำกัด การใช้สัญลักษณ์ทางคณิตศาสตร์เท่าที่จะทำได้
ฟังก์ชั่นการสร้างช่วงเวลา (MGF) คืออะไร?
คุณช่วยอธิบายมันด้วยคำพูดของคนธรรมดาและเป็นตัวอย่างง่าย ๆ ได้ไหม?
กรุณา จำกัด การใช้สัญลักษณ์ทางคณิตศาสตร์เท่าที่จะทำได้
คำตอบ:
สมมติว่าสัญชาตญาณสมฟรีเป็นไปไม่ได้และยังคงยืนยันในการต้มลงคณิตศาสตร์ที่จะจำเป็นมากที่จะได้รับความคิดของสิ่งที่เกิดบน: เรากำลังพยายามที่จะได้รับช่วงเวลาสถิติซึ่งหลังจากการอ้างอิงหน้าที่ที่จะฟิสิกส์เรากำหนดเป็นค่าที่คาดหวังของพลังของตัวแปรสุ่ม สำหรับตัวแปรสุ่มแบบต่อเนื่องช่วงเวลาraw -th นั้นคือLOTUS :
ฟังก์ชั่นช่วงเวลาที่ก่อให้เกิด ,
ทำไม? เพราะมันง่ายกว่าและมีคุณสมบัติที่ยอดเยี่ยมของ MGF ที่สามารถมองเห็นได้ด้วยการขยายซีรี่ส์eของMaclaurin
การคาดหวังทั้งสองด้านของซีรีย์พาวเวอร์:
ความจริงที่ว่าในที่สุดก็มีความจำเป็นที่จะต้องแยกความแตกต่างทำให้มันไม่ใช่อาหารกลางวันฟรี - ในที่สุดมันเป็นการแปลง Laplace สองด้านของ pdf ด้วยเครื่องหมายที่เปลี่ยนไปในเลขชี้กำลัง:
[ จากนักวิทยาศาสตร์และวิศวกรของคู่มือสู่การประมวลผลสัญญาณโดย Steven W. Smith ]
ซึ่งทำให้เรามีส่วนที่ไม่เหมาะสมของการแสดงออกเป็นสีแดงซึ่งสอดคล้องกับการแปลงฟูริเยร์ของ pdf
โดยทั่วไปแล้วสัญชาตญาณของ Laplace transform polesของฟังก์ชั่นจะให้ข้อมูลของ exponential (decay) และส่วนประกอบความถี่ของฟังก์ชัน (ในกรณีนี้คือ pdf)
ในการตอบคำถามภายใต้ความคิดเห็นเกี่ยวกับการเปลี่ยนจากเป็นนี่เป็นการเคลื่อนไหวเชิงกลยุทธ์อย่างสมบูรณ์: นิพจน์หนึ่งไม่ได้ติดตามมาจากที่อื่น นี่คือการเปรียบเทียบ: เรามีรถของเราเองและเรามีอิสระที่จะขับรถเข้าเมืองทุกครั้งที่เราต้องดูแลธุรกิจบางอย่าง (อ่านการบูรณาการ Eqไม่ว่าจะยากลำบากเพียงใดในแต่ละช่วงเวลาที่แยกจากกัน . แต่เราสามารถทำสิ่งที่แตกต่างอย่างสิ้นเชิง: เราสามารถขับรถไปยังสถานีรถไฟใต้ดินที่ใกล้ที่สุด (อ่านแก้ Eqเพียงครั้งเดียว) และจากที่นั่นใช้ระบบขนส่งสาธารณะเพื่อไปถึงทุก ๆ ที่ที่เราต้องไป (อ่านรับใด ๆอนุพันธ์ของอินทิกรัลใน Eqเพื่อแยกว่าใดช่วงเวลาที่เราต้องการรู้ (ขอบคุณ Eq ) ว่าทุกช่วงเวลานั้น "ซ่อนตัว" ในนั้นและถูกโดดเดี่ยวโดยประเมินที่ )
ในแง่คนธรรมดาที่สุดมันเป็นวิธีการเข้ารหัสลักษณะทั้งหมดของการกระจายความน่าจะเป็นวลีสั้น ๆ ตัวอย่างเช่นถ้าฉันรู้ว่า MGF ของการกระจายคือ
ฉันสามารถหาค่าเฉลี่ยของการแจกแจงนี้ได้โดยใช้เทอมแรกของการขยายตัวเทย์เลอร์ :
ถ้าคุณรู้ว่าสิ่งที่คุณทำมันเร็วกว่าที่คาด ของฟังก์ชันความน่าจะเป็น
ยิ่งกว่านั้นเนื่องจาก MGF นี้เข้ารหัสทุกอย่างเกี่ยวกับการกระจายหากคุณรู้วิธีจัดการฟังก์ชันคุณสามารถใช้การดำเนินการกับคุณลักษณะทั้งหมดของการกระจายพร้อมกัน! ทำไมเราไม่ใช้ MGF อยู่เสมอ? อย่างแรกมันไม่ได้อยู่ในทุกสถานการณ์ที่ MGF เป็นเครื่องมือที่ง่ายที่สุด ประการที่สอง MGF ไม่ได้มีอยู่เสมอ
สมมติว่าคุณมีการแจกแจงแบบปกติมาตรฐาน คุณสามารถแสดงทุกสิ่งที่คุณรู้เกี่ยวกับมันโดยระบุ PDF:
คุณสามารถคำนวณช่วงเวลาของมันเช่นค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานและใช้กับตัวแปรและฟังก์ชั่นที่ได้รับการแปลงในการสุ่มแบบปรกติเป็นต้น
คุณสามารถนึกถึง MGF ของการแจกแจงแบบปกติเป็นทางเลือกแทน PDF มันมีข้อมูลจำนวนเท่ากัน ฉันแสดงวิธีรับค่าเฉลี่ยแล้ว
ทำไมเราต้องมีทางเลือกอื่น? อย่างที่ฉันเขียนบางครั้งมันก็สะดวกกว่า ตัวอย่างเช่นลองคำนวณความแปรปรวนของมาตรฐานปกติจาก PDF:
มันไม่ใช่เรื่องยาก แต่มันง่ายกว่ามากที่จะทำกับ MGF :