码迷,mamicode.com
首页 > 其他好文 > 详细

利用矩母函数求独立随机变量之和的分布

时间:2021-04-13 12:24:16      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:play   exp   相互   ldo   rod   变量   正态分布   rac   mat   

在求独立的随机变量之和的分布时,可用矩母函数法。

1 矩母函数法

定理 已知\(X_1,\ldots,X_n\)为独立的随机变量,各种的矩母函数为\(M_1,\ldots,M_n\)\(a_1,\ldots,a_n\)为常数,则\(Y=\sum_{i=1}^{n}a_i X_i\)的矩母函数为

\[M_Y(t)=\text{E}[\exp(t\sum_{i=1}^{n}a_iX_i)]=\prod_{i=1}^{n}M_i(a_i t) \]

2 案例

2.1 Bernoulli分布

\(X_1,\ldots,X_n\)为来自\(\text{Bernoulli}(p)\)分布的随机样本,则\(X_i\)的矩母函数为

\[M(t)=1-p+p e^t \]

那么\(Y=\sum_{i=1}^{n}X_i\)的矩母函数为

\[M_Y(t)=(1-p+e^t)^n \]

这正是\(\text{Binomial}(n,p)\)分布的矩母函数。

2.2 正态分布

\(X_i\sim N(\mu_i,\sigma^2_i)\)\(i=1,\ldots,n\),且相互独立,正态分布的矩母函数为

\[M_X(t) = \exp(t\mu+\dfrac{1}{2}t^2 \sigma^2) \]

那么\(Y=\sum_{i=1}^{n}a_i X_i\)的矩母函数为

\[\begin{aligned} M_Y(t)=&\prod_{i=1}^{n}\exp\left(a_i\mu_i t+\dfrac{1}{2}a_i^2 \sigma_i^2 t^2\right)\=&\exp\left(t\sum_{i=1}^{n}a_i\mu_i+\dfrac{t^2}{2}\sum_{i=1}^{n}a_i^2 \sigma_i^2 \right) \end{aligned} \]

因此\(Y\sim N(\sum\limits_{i=1}^{n}a_i\mu_i,\sum\limits_{i=1}^{n}a_i^2 \sigma_i^2)\)

利用矩母函数求独立随机变量之和的分布

标签:play   exp   相互   ldo   rod   变量   正态分布   rac   mat   

原文地址:https://www.cnblogs.com/analysis101/p/14650336.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!