Pravděpodobnostní vytvořující funkce

Pravděpodobnostní vytvořující funkce diskrétní náhodné proměnné je v teorii pravděpodobnosti mocninná řada reprezentace (vytvořující funkce) pravděpodobnostní funkce náhodné proměnné. Pravděpodobnostní vytvořující funkce se často používají pro svůj stručný popis posloupnosti pravděpodobností Pr(X = i) v pravděpodobnostní funkci pro náhodnou veličinu X a díky tomu, že zpřístupňují dobře rozvinutou teorii mocninných řad s nezápornými koeficienty.

Definice

Jednorozměrný případ

Pokud X je diskrétní náhodná proměnná nabývající nezáporných celočíselných hodnot {0,1, ...}, pak pravděpodobnostní vytvořující funkce náhodné proměnné X je definována jako^[1]

G(z)=\operatorname {E} (z^{X})=\sum _{x=0}^{\infty }p(x)z^{x},

kde p je pravděpodobnostní funkce náhodné proměnné X. Jméno náhodné proměnné se často doplňuje jako dolní index: G_X a p_X, aby se zdůraznilo, že se funkce týkají určité náhodné proměnné X a jejího rozdělení pravděpodobnosti. Mocninná řada konverguje absolutně alespoň pro všechna komplexní čísla z s |z| ≤ 1; v mnoha případech je poloměr konvergence větší.

Vícerozměrný případ

Pokud X = (X₁,...,X_d ) je diskrétní náhodná proměnná nabývající hodnoty v d-rozměrné nezáporné celočíselné mřížce {0,1, ...}^d, pak pravděpodobnostní vytvořující funkce náhodné proměnné X je definována jako

G(z)=G(z_{1},\ldots ,z_{d})=\operatorname {E} {\bigl (}z_{1}^{X_{1}}\cdots z_{d}^{X_{d}}{\bigr )}=\sum _{x_{1},\ldots ,x_{d}=0}^{\infty }p(x_{1},\ldots ,x_{d})z_{1}^{x_{1}}\cdots z_{d}^{x_{d}},

kde p je pravděpodobnostní funkce náhodné proměnné X. Mocninná řada konverguje absolutně alespoň pro všechny komplexní vektory z = (z₁,...,z_d ) ∈ ℂ^d s max{|z₁|,...,|z_d |} ≤ 1.

Vlastnosti

Mocninná řada

Pro pravděpodobnostní vytvořující funkci platí všechna pravidla pro mocninné řady s nezápornými koeficienty. Konkrétně G(1⁻) = 1, kde G(1⁻) = lim_z→1G(z) zdola, protože součet pravděpodobností musí být roven jedné. Podle Abelovy věty pro mocninné řady s nezápornými koeficienty musí být poloměr konvergence jakékoli pravděpodobnostní vytvořující funkce alespoň 1.

Pravděpodobnosti a střední hodnota

Následující vlastnosti umožňují odvození různých základních veličin vycházejících z X:

Pravděpodobnostní funkci náhodné proměnné X lze získat z derivací funkce G,
$p(k)=\operatorname {Pr} (X=k)={\frac {G^{(k)}(0)}{k!}}.$
Z vlastnosti 1 plyne, že pokud náhodné proměnné X a Y mají stejné pravděpodobnostní vytvořující funkce (G_X = G_Y), pak p_X = p_Y. Čili pokud X a Y mají stejné pravděpodobnostní vytvořující funkce, pak mají stejné rozdělení.
Normalizaci hustoty pravděpodobnosti lze vyjádřit pomocí vytvořující funkce
    $\operatorname {E} (1)=G(1^{-})=\sum _{i=0}^{\infty }p(i)=1.$
střední (očekávaná) hodnota náhodné proměnné X je
    $\operatorname {E} (X)=G'(1^{-}).$
Obecněji k-tý faktoriálový moment, $\operatorname {E} (X(X-1)\cdots (X-k+1))$ náhodné proměnné X je
    $\operatorname {E} \left({\frac {X!}{(X-k)!}}\right)=G^{(k)}(1^{-}),\quad k\geq 0.$
Takže rozptyl náhodné proměnné X je
    $\operatorname {Var} (X)=G''(1^{-})+G'(1^{-})-\left[G'(1^{-})\right]^{2}.$
Navíc k-tý obecný moment náhodné proměnné X je
    $\operatorname {E} (X^{k})=\left(z{\frac {\partial }{\partial z}}\right)^{k}G(z){\Big |}_{z=1^{-}}$
Platí $G_{X}(e^{t})=M_{X}(t)$ , kde X je náhodná proměnná, $G_{X}(t)$ je pravděpodobnostní vytvořující funkce (náhodné proměnné X) a $M_{X}(t)$ je momentová vytvořující funkce (náhodné proměnné X) .

Funkce nezávislých náhodných proměnných

Pravděpodobnostní vytvořující funkce jsou užitečné pro práci s funkcemi nezávislých náhodných proměnných. Například:

Pokud X₁, X₂, ..., X_N je posloupnost nezávislých náhodných proměnných (které mohou mít i různá rozdělení pravděpodobnosti) a

S_{N}=\sum _{i=1}^{N}a_{i}X_{i},

kde a_i jsou konstanty, pak pravděpodobnostní vytvořující funkce je

G_{S_{N}}(z)=\operatorname {E} (z^{S_{N}})=\operatorname {E} \left(z^{\sum _{i=1}^{N}a_{i}X_{i},}\right)=G_{X_{1}}(z^{a_{1}})G_{X_{2}}(z^{a_{2}})\cdots G_{X_{N}}(z^{a_{N}}).

Jestliže například

S_{N}=\sum _{i=1}^{N}X_{i},

pak pravděpodobnostní vytvořující funkce G_{S_N}(z), je

G_{S_{N}}(z)=G_{X_{1}}(z)G_{X_{2}}(z)\cdots G_{X_{N}}(z).

Z uvedeného také plyne, že pravděpodobnostní vytvořující funkce rozdílu dvou nezávislých náhodných proměnných S = X₁ − X₂ je

G_{S}(z)=G_{X_{1}}(z)G_{X_{2}}(1/z).

Předpokládejme, že N je také nezávislá diskrétní náhodná proměnná nabývající nezáporných celočíselných hodnot s pravděpodobnostní vytvořující funkcí G_N. Pokud X₁, X₂, ..., X_N jsou nezávislé náhodné veličiny se stejným rozdělením pravděpodobnosti a s obvyklou pravděpodobnostní vytvořující funkcí G_X, pak

G_{S_{N}}(z)=G_{N}(G_{X}(z)).

To plyne z věty o celkové střední hodnotě:

{\begin{aligned}G_{S_{N}}(z)&=\operatorname {E} (z^{S_{N}})=\operatorname {E} (z^{\sum _{i=1}^{N}X_{i}})\\[4pt]&=\operatorname {E} {\big (}\operatorname {E} (z^{\sum _{i=1}^{N}X_{i}}\mid N){\big )}=\operatorname {E} {\big (}(G_{X}(z))^{N}{\big )}=G_{N}(G_{X}(z)).\end{aligned}}

Tento poslední fakt je užitečný při studiu Galtonových–Watsonových procesů a složených Poissonových procesů.

Opět předpokládejme, že N je nezávislá diskrétní náhodná proměnná nabývající nezáporné celočíselné hodnoty s pravděpodobnostní vytvořující funkcí G_N a hustotou pravděpodobnosti $f_{i}=\Pr\{N=i\}$ . Pokud X₁, X₂, ..., X_N jsou nezávislé náhodné proměnné, které nemají stejné rozdělení, a $G_{X_{i}}$ jsou pravděpodobnostní vytvořující funkce náhodné proměnné $X_{i}$ , pak

G_{S_{N}}(z)=\sum _{i\geq 1}f_{i}\prod _{k=1}^{i}G_{X_{i}}(z).

Pro X_i se stejným rozdělením se vzorec zjednodušuje na identitu uvedenou výše. Obecný případ bývá užitečný pro získání rozkladu S_N pomocí vytvořující funkce.

Příklady

Pravděpodobnostní vytvořující funkce konstantní náhodné proměnné, tj. rozdělení s Pr(X = c) = 1, je

G(z)=z^{c}.

Pravděpodobnostní vytvořující funkce binomické náhodné proměnné, počet úspěchů v n pokusech s pravděpodobností úspěchu p v každém pokusu je

G(z)=\left[(1-p)+pz\right]^{n}.

Jde o n-násobný součin pravděpodobnostní vytvořující funkce pro alternativní (Bernoulliho) rozdělení s parametrem p.

Takže pravděpodobnostní vytvořující funkce spravedlivé mince je

G(z)=1/2+z/2.

Pravděpodobnostní vytvořující funkce negativní binomické náhodné proměnné na {0,1,2 ...}, počet neúspěchů dokud r-tého úspěchu s pravděpodobností úspěchu v každém pokusu p je

G(z)=\left({\frac {p}{1-(1-p)z}}\right)^{r}.

(konverguje pro

|z|<{\frac {1}{1-p}}

).

Jde o r-násobný součin pravděpodobnostní vytvořující funkce geometrické náhodné proměnné s parametrem 1 − p na {0,1,2,...}.

Pravděpodobnostní vytvořující funkce Poissonovy náhodné proměnné s parametrem λ je

G(z)=e^{\lambda (z-1)}.

Příbuzné koncepty

Pravděpodobnostní vytvořující funkce je příkladem vytvořující funkce posloupnosti (viz formální mocninná řada). Je ekvivalentní Z-transformaci pravděpodobnostní funkce a někdy se tak i nazývá.

K dalším vytvořujícím funkcím náhodných proměnných patří momentová vytvořující funkce, charakteristická funkce a kumulantová vytvořující funkce. Pravděpodobnostní vytvořující funkce je také ekvivalentní s faktoriálovou momentovou vytvořující funkcí, která jako $\operatorname {E} \left[z^{X}\right]$ může být také uvažována pro spojité a jiné náhodné proměnné.

Odkazy

Reference

V tomto článku byl použit překlad textu z článku Probability-generating function na anglické Wikipedii.

↑ http://www.am.qub.ac.uk/users/g.gribakin/sor/Chap3.pdf

Literatura

JOHNSON, N.L.; KOTZ, S.; KEMP, A.W. Univariate Discrete distributions. 2. vyd. [s.l.]: Wiley, 1993. ISBN 0-471-54897-9.

[1] ttp://www.am.qub.ac.uk/users/g.gribakin/sor/Chap3.pdf

[1]

Teorie rozdělení pravděpodobnosti

pravděpodobnostní funkce (pmf) hustota pravděpodobnosti (pdf) distribuční funkce (cdf) inverzní distribuční funkce

obecný moment centrální moment střední hodnota rozptyl směrodatná odchylka šikmost špičatost L-moment

momentová vytvořující funkce (mgf) charakteristická funkce pravděpodobnostní vytvořující funkce (pgf) kumulant kombinant