一、定義與性質
設X爲隨機變量,I是一個包含0的(有限或無限的)開區間,對任意t∈I,期望Eetx存在
則稱函數MX(t)=E(etX)=∫−∞+∞etxdF(x),t∈I爲X的矩母函數
設X爲任意隨機變量,稱函數ϕX(t)=E(eitX)=∫−∞+∞eitxdF(x)爲X的特徵函數
一個隨機變量的矩母函數不一定存在,但是特徵函數一定存在。
隨機變量與特徵函數存在一一對應的關系
二、離散型隨機變量的分佈
1、離散型均勻分佈(Discrete uniform distribution)
DU(a,b)分布函數爲F(k;a,b)=b−a+1⌊k⌋−a+1
則矩母函數M(t)=k=a∑betkP(x=k)
=(k=a∑betk)b−a+11
=(1−et)(b−a+1)eat−e(b+1)t
特徵函數ϕ(t)=k=a∑beitkP(x=k)
=(k=a∑beitk)b−a+11
=(1−eit)(b−a+1)eait−e(b+1)it
2、伯努利分佈/兩點分佈(Bernoulli distribution)
B(1,p)滿足P(x=1)=p,P(x=0)=1−p=q
M(t)=pet+1−p
ϕ(t)=peit+1−p
3、二項分佈(Binomial distribution)
B(n,p)滿足f(k;n,p)=P(x=k)=Cnkpk(1−p)n−k(n爲整數)
因爲服從二項分布的變量可以看作n個獨立相同的服從伯努利分布的變量之和
因此M(t)=(pet+1−p)n
ϕ(t)=(peit+1−p)n
4、負二項分佈(Negative binomial distribution)
NB(r,p)滿足f(k;r,p)=Ck+r−1kpk(1−p)r(r爲實數)
三、連續型隨機變量的分佈