모멘트 생성 기능 및 분산의 존재


28

유한 평균 및 무한 분산을 갖는 분포에 모멘트 생성 기능이있을 수 있습니까? 유한 평균 및 유한 분산이지만 무한한 더 높은 모멘트를 갖는 분포는 어떻습니까?


4
힌트 : mgf가 0 주위 의 간격 으로 존재하는 경우, 대해 이라고 말하면 의 Taylor 확장 및 적분의 단 고려하여 해 를 . :)(t0,t0)t0>0ex
추기경

2
수렴 문제를 무시하고 (mgf를 공식적인 힘 시리즈로만 생각) 순간이 존재하지 않으면 mgf는 어떻게 될 수 있습니까?
whuber

추기경 당신이 제공 한 제안에 대해 몇 가지 참조를 해주시겠습니까?

답변:


51

이 질문은 모멘트 생성 함수 ( mgf ) 에 대한 몇 가지 사실을 수집 할 수있는 좋은 기회를 제공합니다 .

아래 답변에서 우리는 다음을 수행합니다.

  1. mgf가 하나 이상의 (엄격한) 양수 값 하나의 음수 값에 대해 유한 한 경우 모든 양수 모멘트 가 유한함을 나타냅니다 (비 적분 모멘트 포함).X
  2. 위의 첫 번째 항목의 조건 이 지수 적으로 제한된 꼬리를 갖는 의 분포와 동일하다는 것을 증명하십시오 . 다시 말해, 의 꼬리는 적어도 지수 랜덤 변수 의 꼬리 만큼 빠릅니다 (최대 상수).XXZ
  3. 항목 1의 조건을 만족하는 경우 mgf로 분포의 특성을 간단히 설명하십시오.
  4. 직관에 도움이되는 일부 예와 반례를 살펴보고 특히 mgf의 유한 부족에 대해 지나치게 중요하지 않아야한다는 것을 보여줍니다.

이 답변은 매우 길어서 미리 사과드립니다. 예를 들어 블로그 게시물 또는 다른 곳에서이 방법을 사용하는 것이 더 좋으면 의견에 자유롭게 의견을 보내주십시오.

mgf는 순간에 대해 무엇을 말합니까?

확률 변수의 MGF는 로 정의된다 . 참고 는 항상 존재 가 나오지 측정 함수의 적분이기 때문에한다. 그러나 유한 하지 않을 수 있습니다 . 이 경우 입니다 모든 후, (오른쪽 장소에서) 유한 (반드시 정수), 절대 순간 그래서, 또한 (그리고, 있다 한정된). 이것이 다음 제안의 주제입니다.m ( t ) = E e t X m ( t ) p > 0 E | X | p < E X pXFm(t)=EetXm(t) p>0E|X|p<EXp

제안 : 및 이있는 경우 및 이면 의 모든 차수의 순간이 존재하며 유한합니다.tn<0tp>0m(tn)<Xm(tp)<X

증거에 들어가기 전에 두 가지 유용한 정리가 있습니다.

Lemma 1 : 그러한 및 가 존재 한다고 가정하십시오 . 그런 다음 에 대해 입니다. 증거 . 이것은 볼록성과 적분의 단 조성으로 이어집니다. 그러한 , 와 같은 있습니다. 그러나 따라서 적분의 의해 .tntpt0[tn,tp]e x t 0 θ [ 0 , 1 ] t 0 = θ t n + ( 1 θ ) t p e t 0 X = e θ t n X + ( 1 θm(t0)<
ext0θ[0,1]t0=θtn+(1θ)tpE e t 0 Xθ E e t n X + ( 1 θ ) E e t p X <

이자형0엑스=이자형θ엑스+(1θ)엑스θ이자형엑스+(1θ)이자형엑스.
이자형이자형0엑스θ이자형이자형엑스+(1θ)이자형이자형엑스<

따라서 mgf가 두 개의 개별 지점에서 유한 한 경우 해당 지점 사이의 간격에있는 모든 값에 대해 유한합니다.

Lemma 2 ( 공백 중첩 ) : 의 경우, 이면 입니다. 증명 :이 답변과 관련 의견 에는 두 가지 접근 방식이 있습니다.E | X | p < E | X | q < 0이자형|엑스|<이자형|엑스|<

이것은 우리에게 제안의 증거를 계속할만큼 충분합니다.

제안의 증거 . 만약 및 다음 복용 제안에서 언급 한 바와 같이 존재하는 , 우리는 제 표제어가 알고 및 . 그러나 및 우측은 어떤 고정 된에 대해, 특히, 따라서 음이 아닌 측면으로 구성된다 이제, 합니다. 적분의 단 조성은 산출 합니다. 따라서 모두t p > 0 t 0 = 최소 ( t n , t p ) > 0 m ( t 0 ) < m ( t 0 ) < e t 0 X + e t 0 X = 2 n = 0 t 2 n 0 X 2 n<0>00=(,)>0(0)<(0)<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 e t 0 X < E X 2 k < X
et0X+et0X2t02kX2k/(2k)!.
Eet0X+Eet0X<EX2k< 순간 조차도 유한합니다. Lemma 2는 즉시 "갭을 메우고" 모든 순간이 유한해야 한다는 결론을 내릴 수 있습니다.X

결과

손 질문에 대한 결말은 경우이다 어떤 의 순간의 무한 또는 존재하지 않는, 우리가 할 수있는 즉시 MGF가 원점을 포함하는 개방 간격으로 유한 아니라고 결론 지었다. (이것은 반대 되는 명제에 대한 진술입니다.)X

따라서, 위의 제안 은 mgf를 기준으로 의 순간에 대해 무언가를 말하기 위해 "올바른"조건을 제공합니다 .X

지수 적으로 제한된 꼬리와 mgf

제안 : mgf 는 의 꼬리 가 기하 급수적으로 묶인 경우에만 원점을 포함 하는 열린 간격 에서 유한합니다 예 : 일부 및 입니다 .( t의 N , t의 P ) F P ( | X | > X ) C E - t 0 X C > 0 t 0 > 0m(t)(tn,tp)FP(|X|>x)Cet0xC>0t0>0

증거 . 오른쪽 꼬리를 따로 다룰 것입니다. 왼쪽 꼬리는 완전히 유사하게 처리됩니다.

m ( t 0 ) < t 0 > 0 F C > 0 b > 0 P ( X > x ) C e b x() 어떤 대해 라고 가정하십시오 . 그런 다음 의 오른쪽 꼬리 는 기하 급수적으로 묶입니다 . 즉, 와 같이 및 이 존재합니다 이를 확인하려면 Markov의 부등식에 의해 대해 가라 및 증거의 방향을 완료.m(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

C > 0 t 0 > 0 P ( X > x ) C e t 0 x t > 0 E e t X = 0 P ( e t X > y )() 와 같이 및 이 있다고 가정합니다 . 그런 다음 경우 여기서 첫 번째 평등 은 음이 아닌 임의 변수의 기대치에 대한 표준 사실 . 어떤 선택 되도록 ; 그런 다음 오른쪽의 적분은 유한합니다.C>0t0>0P(X>x)Cet0xt>0t 0 < t < t 0

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

이것으로 증명이 완료됩니다.

mgf가 주어진 분포의 고유성에 대한 참고 사항

mgf가 0을 포함하는 열린 구간에서 유한 한 경우 연관된 분포는 해당 모멘트를 특징으로합니다 . 즉 모멘트가 유일한 분포입니다 . 특징적인 기능 에 대한 (상대적으로 간단한) 사실을 가지고 있다면 표준 증거는 짧습니다 . 세부 사항은 대부분의 현대 확률 텍스트 (예 : Billingsley 또는 Durrett)에서 찾을 수 있습니다. 이 답변 에는 몇 가지 관련 사항이 설명 되어 있습니다.μn=EX

예와 반례

( a ) 로그 정규 분포 : 정규 랜덤 변수 대해 경우 는 로그 정규 입니다. 따라서 은 확률 1입니다. 모든 대해 이기 때문에 이것은 즉시 모든 대해 임을 알려줍니다 . 따라서 mgf는 음이 아닌 반줄에서 유한합니다 . ( NB 우리는 의 음이 아닌 음만 사용 하여이 사실을 설정 했으므로 음이 아닌 임의의 모든 변수 에서 사실입니다 .)엑스엑스=이자형와이와이엑스0이자형엑스1엑스0m(t)=EetX1 t<0(,0]X

그러나 모든 대해 입니다 . 표준 대수 정규 법을 표준 사례로 사용합니다. 만약 , 다음 . 변수를 변경하면 들어 과 충분한 , 우리가 위에서 주어진 경계에 의해. 그러나 임의 대한 및 MGF이 모두 무한대이므로 .m(t)= t>0x>0ex1+x+12x2+16x3

이자형이자형엑스=(2π)1/2이자형이자형2/2.
>0이자형2/2+
케이이자형+=
케이>0

반면, 로그 정규 분포의 모든 순간은 유한합니다. 따라서, 위의 제안의 결론에는 약 0의 간격으로 mgf가 존재 하지 않아도됩니다 .

( b ) 대칭 대수 정규화 : 우리는 대수 정규 분포를 "대칭"함으로써 더 극단적 인 사례를 얻을 수 있습니다. 밀도 고려 에 대한 되도록 MGF가 한정되어 있다는 이전의 예에 비추어 볼 어렵지 않다 에 대해 . 그러나 짝수 순간은 로그 정규의 순간과 동일하며 홀수 순간은 모두 0입니다! 따라서 mgf는 어디에도 존재 하지 않지만 (항상 존재하는 곳은 제외) 모든 주문의 유한 순간을 보장 할 수 있습니다.에프(엑스)엑스아르 자형

에프(엑스)=122π|엑스|이자형12(로그|엑스|)2.
=0

( c ) 코시 분포 :이 분포는 또한 모든 대해 무한한 mgf를 갖지만 대해 절대 모멘트 는 유한 하지 않습니다 . MGF 대한 결과가 다음 보낸 대 등 대한 증거 는 유사합니다. (아마도 덜 알려진 것은 Cauchy에 대해 의 모멘트 존재한다는 것입니다. 이 답변보기0이자형|엑스|1>0이자형엑스엑스/6엑스>0

이자형이자형엑스1엑스6π(1+엑스2)엑스12π1엑스엑스=.
<00<<1 .)

( d ) 반코시 분포 : 가 (표준) 코시 인 경우반 코시 랜덤 변수. 그러면 이전 예제 에서 모든 대해 임을 쉽게 알 수 있습니다 . 그러나 는 대해 유한합니다 . 엑스와이=|엑스|이자형와이=1이자형이자형와이(,0]


7
이 글을 게시 해 주셔서 감사합니다. 기술적 인면을 고려하면 놀라 울 정도로 이해하기 쉽습니다.
매크로

힐버트 우주에서 mgf에 대한 결과를 알고 있습니까?
badatmath
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.