คุณจะอธิบาย Moment Generating Function (MGF) ในแง่ของคนธรรมดาได้อย่างไร


15

ฟังก์ชั่นการสร้างช่วงเวลา (MGF) คืออะไร?

คุณช่วยอธิบายมันด้วยคำพูดของคนธรรมดาและเป็นตัวอย่างง่าย ๆ ได้ไหม?

กรุณา จำกัด การใช้สัญลักษณ์ทางคณิตศาสตร์เท่าที่จะทำได้


1
คุณต้องการตัวอย่างที่ง่ายและง่าย ... แต่ไม่มีสัญลักษณ์ทางคณิตศาสตร์? ฉันไม่แน่ใจว่าสิ่งนั้นจะเป็นเรื่องง่ายที่จะทำอย่างน้อยก็ไม่ได้โดยไม่เสี่ยงที่จะทำให้เกิดความเข้าใจผิดในสิ่งที่คุณกำลังทำอยู่ ฉันคิดว่าหนึ่งสามารถให้ mgf ของตัวแปรสุ่มเลวลงที่เสมอโดยไม่จำเป็นต้องมากในทางคณิตศาสตร์สัญกรณ์ แต่มันจะไม่มีแสงถ้าคุณต้องการเข้าใจ mgfs 0
Glen_b -Reinstate Monica

1
ฉันไม่แน่ใจว่ามีวิธีที่เข้าใจง่ายหรือไม่คุณอาจคิดว่ามันเป็นวิธีการ "เข้ารหัส" การกระจาย (อย่างน้อยก็พอมันมีอยู่ความคิดนี้ใช้ได้ดีกับฟังก์ชั่นคุณสมบัติ)
dsaxton

1
ฟังก์ชั่นสร้างโมเมนต์ - เมื่อมีอยู่ - เป็นวิธีการเข้ารหัสโมเมนต์ที่ไม่เป็นลบ - จำนวนเต็มทั้งหมดของตัวแปรสุ่มลงในฟังก์ชั่นและสามารถดึงข้อมูลได้อีกครั้ง mgfs สามารถใช้ในการทำการคำนวณเฉพาะที่บางครั้งก็ไม่ง่ายที่จะทำในวิธีอื่น ฉันไม่คาดหวังว่าจะช่วยได้มาก
Glen_b -Reinstate Monica

1
ฉันแน่ใจว่าคุณได้เห็นโจ Blitztein ตอบคำถามที่เหมือนกันใน Quora
Antoni Parellada

คำตอบ:


18

สมมติว่าสัญชาตญาณสมฟรีเป็นไปไม่ได้และยังคงยืนยันในการต้มลงคณิตศาสตร์ที่จะจำเป็นมากที่จะได้รับความคิดของสิ่งที่เกิดบน: เรากำลังพยายามที่จะได้รับช่วงเวลาสถิติซึ่งหลังจากการอ้างอิงหน้าที่ที่จะฟิสิกส์เรากำหนดเป็นค่าที่คาดหวังของพลังของตัวแปรสุ่ม สำหรับตัวแปรสุ่มแบบต่อเนื่องช่วงเวลาraw k -th นั้นคือLOTUS :

(1)E[Xk]=Xkpdfdx

ฟังก์ชั่นช่วงเวลาที่ก่อให้เกิด ,

MX(t):=E[etX],
เป็นวิธีการที่จะเดินไปรอบ ๆ หนึ่งนี้ (Eq.1)โดยแทนการดำเนินการ:

(2)E[etX]=etXpdfdx

ทำไม? เพราะมันง่ายกว่าและมีคุณสมบัติที่ยอดเยี่ยมของ MGF ที่สามารถมองเห็นได้ด้วยการขยายซีรี่ส์eของMaclaurinetX

etX=1+X1!t+X22!t2+X33!t3+

การคาดหวังทั้งสองด้านของซีรีย์พาวเวอร์:

MX(t)=E[etX](3)=1+E[X]1!t+E[X2]2!t2+E[X3]3!t3+

k

k

MX(k)(0)=dkdtkMX(t)|t=0

ความจริงที่ว่าในที่สุดก็มีความจำเป็นที่จะต้องแยกความแตกต่างทำให้มันไม่ใช่อาหารกลางวันฟรี - ในที่สุดมันเป็นการแปลง Laplace สองด้านของ pdf ด้วยเครื่องหมายที่เปลี่ยนไปในเลขชี้กำลัง:

L{pdf(x)}(s)=esxpdf(x)dx

(4)MX(t)=L{pdf(x)}(s).

pdfests=σ+iω


[ จากนักวิทยาศาสตร์และวิศวกรของคู่มือสู่การประมวลผลสัญญาณโดย Steven W. Smith ]


MX(t)pdfσ=0.

MX(t)=E[esX]=esxpdf(x)dx=e(σ+iω)xpdf(x)dx=eσxeiωxpdf(x)dx

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 Eqเพื่อแยกว่าใดXketx(1)(2)k(2)kช่วงเวลาที่เราต้องการรู้ (ขอบคุณ Eq ) ว่าทุกช่วงเวลานั้น "ซ่อนตัว" ในนั้นและถูกโดดเดี่ยวโดยประเมินที่ )(3)0


2
อย่างไรแทนที่ ? (ออกจากสีน้ำเงิน?)E[etX]E[Xk]
user366312

2
ฉันขอให้อุปัฏฐากที่เข้าใจคำตอบนี้เป็นนักเรียนของฉัน :)
46430

3

ในแง่คนธรรมดาที่สุดมันเป็นวิธีการเข้ารหัสลักษณะทั้งหมดของการกระจายความน่าจะเป็นวลีสั้น ๆ ตัวอย่างเช่นถ้าฉันรู้ว่า MGF ของการกระจายคือ ฉันสามารถหาค่าเฉลี่ยของการแจกแจงนี้ได้โดยใช้เทอมแรกของการขยายตัวเทย์เลอร์ : ถ้าคุณรู้ว่าสิ่งที่คุณทำมันเร็วกว่าที่คาด ของฟังก์ชันความน่าจะเป็น

M(t)=etμ+1/2σ2t2
ddtM(t)|t=0=μ+σ2t|t=0=μ

ยิ่งกว่านั้นเนื่องจาก MGF นี้เข้ารหัสทุกอย่างเกี่ยวกับการกระจายหากคุณรู้วิธีจัดการฟังก์ชันคุณสามารถใช้การดำเนินการกับคุณลักษณะทั้งหมดของการกระจายพร้อมกัน! ทำไมเราไม่ใช้ MGF อยู่เสมอ? อย่างแรกมันไม่ได้อยู่ในทุกสถานการณ์ที่ MGF เป็นเครื่องมือที่ง่ายที่สุด ประการที่สอง MGF ไม่ได้มีอยู่เสมอ

เหนือคนธรรมดา

สมมติว่าคุณมีการแจกแจงแบบปกติมาตรฐาน คุณสามารถแสดงทุกสิ่งที่คุณรู้เกี่ยวกับมันโดยระบุ PDF:

f(x)=12πex2/2

คุณสามารถคำนวณช่วงเวลาของมันเช่นค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานและใช้กับตัวแปรและฟังก์ชั่นที่ได้รับการแปลงในการสุ่มแบบปรกติเป็นต้น

คุณสามารถนึกถึง MGF ของการแจกแจงแบบปกติเป็นทางเลือกแทน PDF มันมีข้อมูลจำนวนเท่ากัน ฉันแสดงวิธีรับค่าเฉลี่ยแล้ว

ทำไมเราต้องมีทางเลือกอื่น? อย่างที่ฉันเขียนบางครั้งมันก็สะดวกกว่า ตัวอย่างเช่นลองคำนวณความแปรปรวนของมาตรฐานปกติจาก PDF: มันไม่ใช่เรื่องยาก แต่มันง่ายกว่ามากที่จะทำกับ MGF :

σ2=x212πex2/2dx=?
M(t)=et2/2
σ2=d2dt2M(t)|t=0=ddtt|t=0=1


1
คุณช่วยขยายทุกอย่างที่มันเกี่ยวกับการแจกแจงได้ไหม
ColorStatistics

2
ที่จะชื่นชมจุดที่ทำโดย @ColorStatistics โปรดดูstats.stackexchange.com/questions/25010
whuber

@whuber: ขอบคุณคุณ whuber ฉันจะศึกษาข้อมูลอ้างอิงนั้น นี่คือหัวข้อที่ฉันต้องการทำความเข้าใจ
ColorStatistics

เราจะพิสูจน์ได้อย่างไรว่า MGF & PDF มีปริมาณข้อมูลเท่ากัน?
Aerin
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.