本文的閱讀等級:中級
延續前文“動差生成函數 (上)”,本文將探討連續型隨機變數的動差生成函數。連續型隨機變數 的值域為全部實數或由一部分區間組成,即 ,其中 。連續型隨機變數 的機率分布一般以下面兩種方式表示:
- 機率密度函數 (probability density function) 滿足 。
- 累積分布函數 代表 。
連續型隨機變數 的期望值 和變異數 定義為
我們稱 的期望值為 的 次動差,表示如下:
,
前提是上式必須收斂。連續型隨機變數 的動差生成函數定義為
,
其中最後一個等號係因 是隨機變數的線性算子。計算 在 的 次導數可得 ,因為
立得 。
在一般情形下,動差生成函數 未必總是於任一 收斂,但如果 的值域為一有界集合,我們可以證明 在每一 都收斂。
收斂性定理:令 X 為一連續型隨機變數,其值域為一有界區間 。對於每一 ,動差生成級數
收斂至一光滑函數 (即無窮可導的函數)。
證明於下。考慮
。
上式取絕對值,
,
上面我們使用了歸一性 。對於任一正整數 ,
,
證明動差生成級數對於任一 總是收斂。動差生成級數是一無窮冪級數,因此它是一個光滑函數。
唯一性定理:令 為一連續型隨機變數,其值域為一有界區間。隨機變數 的機率密度函數 由動差生成函數 唯一決定,反之亦然。
根據收斂性定理,動差生成函數 在任一 都是收斂的。將 ,,代入 ,
,
稱為隨機變數 的特徵函數 (characteristic function)[2]。值得注意的是, 即為機率密度函數 的傅立葉轉換 (見“離散傅立葉轉換”)。我們知道傅立葉轉換存在逆轉換,即
,
故特徵函數 ,同樣地,動差生成函數 ,唯一決定機率密度函數 。
下面舉例說明幾個機率分布的動差生成函數。
例一:指數分布
假設隨機變數 的值域為 且 ,則
。
上式僅當 才會收斂。計算動差:
。
另一個作法調換執行順序,使用定義,
再寫出動差生成函數
。
例二:標準常態分布
假設隨機變數 的機率分布為標準常態分布
。
動差生成函數即為
上面使用了機率密度函數的歸一性。直接計算導數 較為麻煩,我們改用積分運算:
。
當 是奇數時,由機率密度函數的對稱性可知上式等於零。以下考慮 是偶數的情形。使用部分積分技巧,令 和 ,即有 和 。所以動差為
因為 ,下列遞歸關係成立:
所以,
關於其他連續型機率分布的動差生成函數請參考維基百科[1]。類似離散隨機變數,連續型隨機變數 的動差生成函數也有相同的兩個性質。
性質一:給定一隨機變數 ,若 ,則 。
性質二:若 和 是兩個獨立隨機變數,則 的動差生成函數為 。
下面兩個例子是性質一和性質二的應用。
例三:常態分布
假設隨機變數 的機率分布為標準常態分布。令 。隨機變數 服從常態分布,特徵值為 且變異數為 ,記作 ,機率密度函數為
。
使用例一結果和性質一,
,
或以展開式表示:
其中 且 。據此,。
例四:常態分布之和
假設 和 是兩個獨立隨機變數, 且 。令 。隨機變數 的動差生成函數計算如下:
所以, 也是常態分布,期望值為 ,變異數為 。
最後我們利用動差生成函數來證明中央極限定理 (central limit theorem)。
中央極限定理:若 是獨立且同分布的隨機變數, 是有限期望值, 是有限變異數,則
,
其中 。
直白地說,中央極限定理表明:當樣本數增大時,樣本平均數趨於常態分布。令 表示獨立隨機變數。假設所有的隨機變數 有相同且到處收斂的動差生成函數 。令 且 。根據性質二,
,
以及性質一,
。
令
。
使用性質一和 的表達式,
。
令 。計算自然對數,
當 趨於無窮大時,使用二次 l’Hôpital 法則以及 ,可得
所以,
。
當 ,上式說明 。
在上述證明過程中,我們假設隨機變數有收斂的動差生成函數,然而此性質未必成立。為了彌補這個漏洞,一般中央極限定理的證法採用特徵函數 (characteristic function)[2]
。
因為任一 和 滿足 且 ,不論何種機率分布的特徵函數 必定到處收斂,而且
。
使用特徵函數的證明步驟與動差生成函數雷同,最後推得:當 ,。標準常態分布 的特徵函數為 。
參考來源:
[1] 維基百科:Moment generating function
[2] 維基百科:Characteristic function (probability theory)
老師,其實特徵函數是否可以完全替代動差生成函數?
可以的,動差生成函數未必收斂,但特徵函數一定收斂。我感覺比較艱深的概率學課本採用特徵函數 (可能因為涉及傅立葉轉換),比較簡易的概率學則使用動差生成函數。另外離散隨機變數有時候用機率母函數 (probability generating function) 較容易分析,即 。甚至在queueing theory會用pdf的Laplace變換,即 。
老師~可以也出一篇累積量生成函數的文章嗎🥺