การดำรงอยู่ของฟังก์ชั่นการสร้างโมเมนต์และความแปรปรวน


28

การแจกแจงที่มีค่าเฉลี่ย จำกัด และความแปรปรวนแบบไม่สิ้นสุดมีฟังก์ชันสร้างช่วงเวลาได้หรือไม่? แล้วการกระจายตัวที่มีค่าเฉลี่ย จำกัด และความแปรปรวนอัน จำกัด แต่ช่วงเวลาที่สูงขึ้นไม่มีที่สิ้นสุด?


4
คำแนะนำ : ถ้า mgf อยู่ในช่วงรอบศูนย์ให้พูดสำหรับบางt_0> 0ดังนั้นให้พิจารณาการขยายตัวของเทย์เลอร์เป็นe ^ xและโมโนโทนิตี้ของอินทิกรัลเพื่อค้นหาวิธีแก้ปัญหา :)(t0,t0)t0>0ex
พระคาร์ดินัล

2
ไม่สนใจประเด็นของการคอนเวอร์เจนซ์ (คิดเกี่ยวกับ mgf เป็นชุดพลังงานอย่างเป็นทางการเท่านั้น) mgf จะเป็นอย่างไรถ้ามีช่วงเวลาใดที่ล้มเหลว?
whuber

พระคาร์ดินัลคุณช่วยให้เราอ้างอิงบางส่วนเกี่ยวกับข้อเสนอที่คุณให้?

คำตอบ:


51

คำถามนี้ให้โอกาสที่ดีในการรวบรวมข้อเท็จจริงบางอย่างเกี่ยวกับฟังก์ชั่นการสร้างช่วงเวลา ( mgf )

ในคำตอบด้านล่างเราทำดังต่อไปนี้:

  1. แสดงว่าหาก mgf มีค่า จำกัด สำหรับค่าบวก (อย่างเคร่งครัด) อย่างน้อยหนึ่งค่า และค่าลบหนึ่งค่าดังนั้นช่วงเวลาบวกทั้งหมดของXจะมีค่า จำกัด
  2. พิสูจน์ว่าเงื่อนไขในรายการแรกข้างต้นเทียบเท่ากับการแจกแจงของXมีหางที่มีขอบเขต จำกัด ชี้แจง ในคำอื่น ๆ หางของXหลุดออกอย่างน้อยเป็นอย่างรวดเร็วเป็นผู้ชี้แจงของตัวแปรสุ่มZ (ถึงคงที่)
  3. ระบุข้อมูลย่อเกี่ยวกับลักษณะของการแจกแจงโดย mgf ของมันหากเป็นไปตามเงื่อนไขในข้อ 1
  4. สำรวจตัวอย่างและตัวอย่างตอบโต้เพื่อช่วยปรีชาญาณของเราและโดยเฉพาะอย่างยิ่งเพื่อแสดงให้เห็นว่าเราไม่ควรอ่านความสำคัญที่ไม่เหมาะสมต่อการขาดความสมบูรณ์ของ mgf

คำตอบนี้ค่อนข้างยาวซึ่งฉันต้องขออภัยล่วงหน้า ถ้าสิ่งนี้จะถูกวางไว้ที่ดีขึ้นเช่นเป็นบล็อกโพสต์หรือที่อื่นโปรดแสดงความคิดเห็นดังกล่าวในความคิดเห็น

mgf พูดว่าอย่างไรเกี่ยวกับช่วงเวลา?

MGF ของตัวแปรสุ่มถูกกำหนดให้เป็น{} โปรดทราบว่ามีอยู่เสมอเนื่องจากเป็นส่วนที่สำคัญของฟังก์ชั่นที่ไม่สามารถลบได้ แต่ถ้าอาจจะไม่ แน่นอน ถ้ามันมีจำกัด (ในตำแหน่งที่ถูกต้อง) ดังนั้นสำหรับ (ไม่จำเป็นต้องเป็นจำนวนเต็ม) ช่วงเวลาที่แน่นอน (และดังนั้นยังคือ จำกัด ) นี่คือหัวข้อของข้อเสนอต่อไปm ( t ) = E e t X m ( t ) p > 0 E | X | p < E X pXFm(t)=EetXm(t) p>0E|X|p<EXp

ข้อเสนอ : หากมีและเช่นนั้นและดังนั้นช่วงเวลาของคำสั่งทั้งหมดของมีอยู่และมีขอบเขต จำกัดt p > 0 m ( t n ) < m ( t p ) < Xtn<0tp>0m(tn)<m(tp)<X

ก่อนดำน้ำเพื่อพิสูจน์นี่คือบทแทรกที่มีประโยชน์สองประการ

เล็มม่า 1 : สมมติว่าและมีอยู่ แล้วสำหรับการใด ๆ ,<\ พิสูจน์ สิ่งนี้ตามมาจากความนูนของและ monotonicity ของอินทิกรัล สำหรับเช่นใดมีอยู่เช่นว่า\ แต่แล้ว ดังนั้นด้วยการรวมตัวของส่วนประกอบinftyทีพีที0[ T n , ทีพี ] ม. ( T 0 ) < E x T 0 θ [ 0 , 1 ] T 0 = θ เสื้อn +tntpt0[tn,tp]m(t0)<
ext0θ[0,1]อีที0 X = e θ t n X + ( 1 - θt0=θtn+(1θ)tpอีอีที0 Xθ อีอี

et0X=eθtnX+(1θ)tpXθetnX+(1θ)etpX.
Eet0XθEetnX+(1θ)EetpX<

ดังนั้นถ้า mgf มี จำกัด ที่จุดสองจุดที่แตกต่างกันมันจะ จำกัด สำหรับค่าทั้งหมดในช่วงเวลาระหว่างจุดเหล่านั้น

บทแทรก 2 ( รังของช่องว่างLp ): สำหรับถ้าแล้ว<\ หลักฐาน : สองวิธีจะได้รับในเรื่องนี้คำตอบและความคิดเห็นที่เกี่ยวข้อง E0qpE | X | q < E|X|p<E|X|q<

สิ่งนี้ทำให้เราเพียงพอที่จะดำเนินการต่อด้วยหลักฐานการเสนอ

หลักฐานของเรื่อง ถ้าและมีอยู่ตามที่ระบุไว้ในข้อเสนอจากนั้นรับเรารู้โดยบทแทรกแรกที่และ<\ แต่ และด้านขวามือที่ประกอบด้วยแง่ไม่ติดลบดังนั้นโดยเฉพาะอย่างยิ่งสำหรับการใด ๆ คงที่ ตอนนี้โดยสมมติฐาน<\ monotonicity ของอัตราผลตอบแทนหนึ่ง<\ ดังนั้นทั้งหมดtn<0tp>0m ( - t 0 ) < m ( t 0 ) < e - t 0 X + e t 0 X = 2 n = 0 t 2 n 0 X 2 nt0=min(tn,tp)>0m(t0)<m(t0)<k e - t 0 X + e t 0 X2 t 2 k 0 X 2 k / ( 2 k ) !

et0X+et0X=2n=0t02nX2n(2n)!,
k E E - T 0 X + E อีที0 X < E X 2 k < X
et0X+et0X2t02kX2k/(2k)!.
Eet0X+Eet0X<EX2k<แม้แต่ช่วงเวลาของก็มีขอบเขต จำกัด เลมม่า 2 ช่วยให้เรา "เติมช่องว่าง" ได้ทันทีและสรุปได้ว่าทุกช่วงเวลาต้องมีขอบเขตแน่นอนX

ผลที่สุด

ผลสุดท้ายของคำถามในมือคือถ้าช่วงเวลาใดของไม่มีที่สิ้นสุดหรือไม่มีตัวตนเราสามารถ สรุปได้ทันทีว่า mgf นั้นไม่แน่นอนในช่วงเวลาเปิดที่มีต้นกำเนิด (นี่เป็นเพียงคำแถลงที่ขัดแย้งกันของข้อเสนอ)X

ดังนั้นข้อเสนอข้างต้นให้เงื่อนไข "ถูกต้อง" เพื่อพูดอะไรบางอย่างเกี่ยวกับช่วงเวลาของโดยยึดตาม mgf ของมันX

หางที่ล้อมรอบชี้แจงและ mgf

ข้อเสนอ : mgfมีขอบเขต จำกัด ในช่วงเวลาเปิด ที่มีต้นกำเนิดถ้าหากหางของถูกจำกัด ขอบเขตอย่างแทนเช่นสำหรับบางและ0( t n , t p ) F P ( | X | > x ) C e - t 0 x C > 0 t 0 > 0m(t)(tn,tp)FP(|X|>x)Cet0xC>0t0>0

พิสูจน์ เราจะจัดการกับหางขวาแยกจากกัน หางด้านซ้ายได้รับการจัดการอย่างสมบูรณ์แบบอะนาล็อก

m ( t 0 ) < t 0 > 0 F C > 0 b > 0 P ( X > x ) C e - b x()สมมติสำหรับบาง0 แล้วหางขวาของถูกล้อมรอบชี้แจง ; กล่าวอีกอย่างหนึ่งว่ามีและซึ่ง หากต้องการดูสิ่งนี้โปรดทราบว่าสำหรับโดยความไม่เท่าเทียมของมาร์คอฟ ใช้และเพื่อให้ทิศทางการพิสูจน์นี้สมบูรณ์m(t0)<t0>0FC>0b>0t > 0 P ( X > x ) = P ( e t X > e t x ) e - t x E e t X = m ( t ) e - t x

P(X>x)Cebx.
t>0C = m ( t 0 ) b = t 0
P(X>x)=P(etX>etx)etxEetX=m(t)etx.
C=m(t0)b=t0

()สมมติว่ามีอยู่และดังกล่าวว่า x} จากนั้นสำหรับ , ที่เท่าเทียมกันครั้งแรกต่อจากความจริงมาตรฐานเกี่ยวกับความคาดหวังของตัวแปรสุ่มที่ไม่จำเป็น เลือกใด ๆที่ ; อินทิกรัลทางด้านขวามือจะมี จำกัดC>0t0>0P(X>x)Cet0xt>0

EetX=0P(etX>y)dy1+1P(etX>y)dy1+1Cyt0/tdy,
t0<t<t0

นี่เป็นการพิสูจน์ที่สมบูรณ์

หมายเหตุเกี่ยวกับความเป็นเอกลักษณ์ของการแจกแจงที่ให้ mgf

หาก MGF คือ จำกัด ในช่วงเวลาที่มีการเปิดศูนย์แล้วการกระจายที่เกี่ยวข้องจะโดดเด่นด้วยช่วงเวลาของมันคือมันคือการกระจายเฉพาะกับช่วงเวลา n หลักฐานมาตรฐานคือสั้นครั้งหนึ่งเคยมีในมือบางคน (ที่ค่อนข้างตรงไปตรงมา) ข้อเท็จจริงเกี่ยวกับฟังก์ชั่นลักษณะ รายละเอียดสามารถพบได้ในตำราความน่าจะเป็นที่ทันสมัยที่สุด (เช่น Billingsley หรือ Durrett) มีการพูดคุยกันในเรื่องที่เกี่ยวข้องกับคู่ในคำตอบนี้μn=EXn

ตัวอย่างและตัวอย่าง

( ) กระจาย Lognormal :เป็น lognormal ถ้าสำหรับตัวแปรสุ่มบางปกติYดังนั้นด้วยความน่าจะเป็น เพราะสำหรับทุกนี้ทันทีบอกเราว่าสำหรับทุก<0 ดังนั้น MGF คือ จำกัด ในจำนวนที่ไม่ติดลบครึ่งบรรทัด . ( NBเราได้ใช้เพียง nonnegativity ของที่จะสร้างความเป็นจริงนี้ดังนั้นนี่คือความจริงจากทุกตัวแปรสุ่มที่ไม่เป็นลบ).X = e YXX=eYYX0ex1x0m(t)=EetX1 t<0(,0]X

อย่างไรก็ตามสำหรับทุก0 เราจะนำ lognormal มาตรฐานเป็นเคสมาตรฐาน ถ้าแล้ว 3 จากการเปลี่ยนแปลงของตัวแปรเรามี สำหรับและใหญ่พอเรามีตามขอบเขตที่ระบุไว้ด้านบน แต่ สำหรับใด ๆและดังนั้น mgf จึงไม่มีที่สิ้นสุดสำหรับทั้งหมดm(t)= t>0x>0ex1+x+12x2+16x3

EetX=(2π)1/2eteuu2/2du.
t>0uteuu2/2t+tu
Ket+tudu=
Kt>0

ในอีกทางหนึ่งช่วงเวลาทั้งหมดของการแจกแจงแบบปกตินั้นมี จำกัด ดังนั้นการดำรงอยู่ของ MGF ในช่วงเวลาเกี่ยวกับศูนย์คือไม่จำเป็นสำหรับข้อสรุปของข้อเสนอดังกล่าวข้างต้น

( b ) symmetrized lognormal : เราสามารถได้รับกรณีที่รุนแรงยิ่งขึ้นโดย "symmetrizing" การกระจาย lognormal พิจารณาความหนาแน่นสำหรับซึ่ง มันไม่ได้ยากที่จะเห็นในแง่ของตัวอย่างก่อนหน้านี้ว่า MGF คือ จำกัดเฉพาะสำหรับ0 ทว่าช่วงเวลาคู่นั้นเหมือนกันกับช่วงเวลาปกติและช่วงเวลาคี่จะเป็นศูนย์! ดังนั้น mgf จึงไม่มีที่ไหนเลย (ยกเว้นที่จุดกำเนิดที่มีอยู่เสมอ) และเราสามารถรับประกันช่วงเวลาที่แน่นอนของคำสั่งซื้อทั้งหมดf(x)xR

f(x)=122π|x|e12(log|x|)2.
t=0

( ) Cauchy กระจาย : การกระจายนี้ยังมี MGF ซึ่งเป็นที่ไม่มีที่สิ้นสุดสำหรับทุกแต่ไม่มีช่วงเวลาที่แน่นอนมี จำกัด สำหรับ1 ผลลัพธ์สำหรับ mgf ต่อไปนี้สำหรับตั้งแต่สำหรับและดังนั้น การพิสูจน์สำหรับนั้นคล้ายคลึงกัน (บางทีอาจจะค่อนข้างน้อยที่รู้จักกันดีก็คือว่าช่วงเวลาสำหรับทำอยู่สำหรับ Cauchy. ดูคำตอบนี้E | X | พีt0E|X|pp1t>0exx3/6x>0

EetX1t3x36π(1+x2)dxt312π1xdx=.
t<00<p<1 .)

( d ) การกระจาย Half-Cauchy : หากคือ (มาตรฐาน) Cauchy ให้โทรตัวแปรสุ่มครึ่งโคชี จากนั้นจะเห็นได้ง่ายจากตัวอย่างก่อนหน้านี้ว่าสำหรับทั้งหมด ยังมี จำกัด สำหรับ0] Y = | X | E Y P = P 1 อีอีทีYเสื้อ( - , 0 ]XY=|X|EYp=p1EetYt(,0]


7
ขอบคุณสำหรับการโพสต์สิ่งนี้ - นี่เป็นเรื่องที่เข้าใจได้ง่ายอย่างน่าประหลาดใจโดยพิจารณาว่าเป็นเรื่องเทคนิคอย่างไร - ทำได้ดีมาก
แมโคร

คุณรู้ผลลัพธ์ใด ๆ เกี่ยวกับ mgf ใน Hilbert space หรือไม่
badatmath
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.