- MAT-01530
- 4. Odotusarvo
- 4.6 Momentit generoiva funktio
Momentit generoiva funktio¶
Yleistetään seuraavaksi odotusarvon ja varianssin käsitteitä. Odotusarvon avulla määriteltävien momenttien avulla voidaan joskus parantaa käsitystä satunnaismuuttujaan liittyvän jakauman muodosta.
Määritelmä 4.6.1
Olkoon k positiivinen kokonaisluku. Satunnaismuuttujan X k. momentti, eli origomomentti (moment about the origin) on odotusarvo
Vastaavasti satunnaismuuttujan X k. keskusmomentti (moment about the mean) on odotusarvo
kun \mu = \rE(X).
Odotusarvo \rE(X) on edellisen määritelmän mukaisesti satunnaismuuttujan X ensimmäinen origomomentti ja varianssi \Var(X) sen toinen keskusmomentti.
Edellä olevia odotusarvoja ei voi aina laskea. Satunnaismuuttujaan liittyvä k. momentti on olemassa, jos sopiva odotusarvo on olemassa. Eräs tapa momenttien laskemiseksi on yrittää muodostaa satunnaismuuttujalle X niin sanottu momentit generoiva funktio.
Määritelmä 4.6.2
Satunnaismuuttujan X momentit generoiva funktio (momenttifunktio, moment generating function) on
Momentit generoivan funktion määritelmä on tulkittava erikseen diskreetille ja jatkuvalle satunnaismuuttujalle. Diskreetissä tapauksessa kyseessä on (mahdollisesti päättymätön) summa
ja jatkuvassa tapauksessa (epäoleellinen) integraali
Jos t = 0, niin momenttifunktion arvoksi saadaan aina M(0) = \rE(1) = 1, eli funktio M on määritelty ainakin tällä arvolla.
Huomaa, että samoin jakautuneilla satunnaismuuttujilla on välttämättä samat momenttifunktiot. Seuraava momentit generoivan funktion ominaisuus takaa myös käänteisen väitteen. Todistus sivuutetaan.
Lause 4.6.3
Olkoot satunnaismuuttujien X ja Y momentit generoivat funktiot M_X ja M_Y samassa järjestyksessä. Jos M_X(t)=M_Y(t) jollakin arvon t=0 sisältävällä avoimella välillä, niin muuttujat X ja Y ovat jakautuneet samalla tavalla.
Seuraava lause puolestaan perustelee, miksi momentit generoivaa funktiota nimitetään tällä tavalla. Funktion M avulla voidaan yksinkertaisesti generoida satunnaismuuttujaan X liittyviä origomomentteja derivoimalla sitä uudelleen ja uudelleen.
Lause 4.6.4
Olkoon satunnaismuuttujan X momentit generoiva funktio M määritelty origon sisältävällä avoimella välillä. Tällöin muuttujan X k. origomomentti
Riippumatta siitä, onko satunnaismuuttuja X diskreetti vai jatkuva, sen momentit generoivalle funktiolle voidaan kirjoittaa sarjakehitelmä
Nyt sarja suppenee kohti momentit generoivaa funktiota tämän määrittelyjoukossa, joten funktio M on derivoituva määrittelyjoukossaan. Tällöin myös
ja sijoittamalla t = 0 nähdään, että M^{(k)}(0) = \rE(X^k).
Seuraus 4.6.5
Satunnaismuuttujan X odotusarvo
ja varianssi
Esimerkki 4.6.6
Oletetaan, että X\sim\Exp(1), jolloin sen tiheysfunktio f(x) = e^{-x}, kun x \geq 0. Satunnaismuuttujan X momenttifunktio on määritelty vain kun t < 1, sillä integraali
suppenee vain, jos t - 1 < 0. Tällöin M(t) = \frac{1}{1 - t}, jolloin
Seurauksen nojalla \rE(X)=\frac{1}{(1 - 0)^2} = 1 ja \Var(X)=\frac{2}{(1 - 0)^3} - \left(\frac{1}{(1 - 0)^2}\right)^2 = 1.
Myös satunnaismuuttujan X lineaarisena funktiona ilmoitettavalle satunnaismuuttujalle Y voidaan muotoilla yksinkertainen momentit generoiva funktio.
Lause 4.6.7
Olkoon satunnaismuuttujan X momentit generoiva funktio M_X. Tällöin satunnaismuuttujan Y=aX+b momentit generoiva funktio
Suoraviivaisella laskulla todetaan, että