독립을 위해 관절 MGF에서 필요하고 충분한 상태


12

CDF 를 사용한 관절 분포에 대한 관절 모멘트 생성 함수 가 있다고 가정 합니다. 가요 둘 필요 충분한 의 독립 조건 및 ? 필자는 몇 가지 교과서를 확인했는데 필요한 내용 만 언급 했습니다.F X , Y ( x , y ) M X , Y ( s , t ) = M X , Y ( s , 0 ) M X , Y ( 0 , t )MX,Y(s,t)FX,Y(x,y)MX,Y(s,t)=MX,Y(s,0)MX,Y(0,t)YXY

FX,Y(x,y)=FX(x)FY(y)MX,Y(s,t)=MX(s)MY(t)

독립성이 암시하므로 그 결과는 분명합니다 . 한계의 MGF는 우리가 가진 공동 MGF에 의해 결정되므로 :MX,Y(s,t)=E(esX+tY)=E(esX)E(etY)

X,Y independentMX,Y(s,t)=MX,Y(s,0)MX,Y(0,t)

그러나 온라인으로 검색 한 후 나는 증거없이 증거를 찾을 수 없었습니다 . 다음 스케치 증명이 가능한가요?

공동 MGF 주어지면 , 이것은 와 와 MGF 의 한계 분포 과 입니다. 한계 값만으로도 가능한 많은 다른 관절 분포와 호환되며 CDF 하여 와 가 독립적 인 관절 분포를 고유하게 결정합니다. 및 MGF :X Y M X ( s ) = M X , Y ( s , 0 ) M Y ( t ) = M X , Y ( 0 , t ) X Y F ind X , Y ( x , y ) = F X ( x ) FMX,Y(s,t)XYMX(s)=MX,Y(s,0)MY(t)=MX,Y(0,t)XYFX,Yind(x,y)=FX(x)FY(y)

MX,Yind(s,t)=MX(s)MY(t)=MX,Y(s,0)MX,Y(0,t)

우리는 주어진 그렇다면, 우리의 원래 MGF를 들어, 그게 ,이입니다 를 표시하기에 충분합니다 . 그런 다음 MGF의 불일치로 인해 원래의 공동 분포는 와 와 는 독립적입니다.M X , Y ( s , t ) = M ind X , Y ( s , t ) F X , Y ( x , y ) = F indMX,Y(s,t)=MX,Y(s,0)MX,Y(0,t)MX,Y(s,t)=MX,Yind(s,t)XYFX,Y(x,y)=FX,Yind(x,y)=FX(x)FY(y)XY

답변:


8

그렇습니다. 두 개의 임의 변수뿐만 아니라 (무한한) 임의의 변수에 대한 독립성을 위해 필요하고 충분한 조건입니다. Rinaldo B. Schinazi의 통계 응용 프로그램확률 242 페이지에있는 P.2를 확인하십시오 . 또는 확률 생성 기능을 기반으로하는 카운트 데이터측량 분석의 259 페이지를 참조하십시오 . "순간 생성 기능이 항상 존재하는 것은 아닙니다".


탄탄한 심판에 감사드립니다. 그렇습니다. 원래 MGF가 처음에 제공되었다는 점을 조심스럽게 언급하고 내가 언급 한 다른 MGF가 내가 무언가를하기 전에 결과로 존재했다는 것을 기억하려고 노력했습니다! 당신의 심판에 어떤 증거 전략이 사용 되었습니까?
Silverfish

첫 번째 참조에서 P2 바로 다음 단락을 읽었습니까?
통계

아 네-그것은 벡터에 제안 된 증거의 확장입니다. 주어진 분포의 MGF를 MGF와 비교하여 성분에 독립적이었다; 그것들은 동일하고 MGF는 관절 분포를 유일하게 결정하기 때문에 관절 분포 독립적입니다.
Silverfish
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.