Moment (sannsynligheter)
I sannsynlighetsteori og statistikk , det øyeblikk av orden r ∈ ℕ av en virkelig tilfeldig variabel X er en indikator på dispersjonen av denne variable, som for eksempel dens standardavvik , er kvadratroten av den sentrerte øyeblikk av orden 2.
Det såkalte "ordinære" ordensmomentet r ∈ ℕ defineres, hvis det eksisterer, av:
mr≜E(Xr){\ displaystyle m_ {r} \ triangleq \ mathbb {E} (X ^ {r})}Tilsvarende vil andre tider, studert eller nevnt i resten av artikkelen, bli definert.
Begrepet øyeblikk i analyse
Begrepet øyeblikk i matematikk , spesielt i sannsynlighetsteori , stammer fra begrepet øyeblikk i fysikk .
La f : I → ℝ være en kontinuerlig funksjon over et intervall I (ikke redusert til et punkt) på ℝ .
Gitt et naturlig tall r , defineres ordrenes øyeblikk r av f , underlagt eksistens, av:
mr(f)≜∫x∈Jegxrf(x)dx{\ displaystyle m_ {r} (f) \ triangleq \ int _ {x \ in I} x ^ {r} \, f (x) \, \ mathrm {d} x}
Eksistenskriterium
Dette ordensmomentet r anses å eksistere hvis og bare hvis x r f ( x ) er integrerbar , det vil si om og bare hvis ∫ x ∈ I | x r f ( x ) | d x konvergerer. Dermed, selv om øyeblikket er en konvergerende upassende integral , blir dette øyeblikket fortsatt ansett som ikke-eksisterende.
På denne måten, hvis et øyeblikk ikke eksisterer ved en gitt rekkefølge, så eksisterer heller ikke alle øyeblikk av høyere orden. Omvendt, hvis et øyeblikk eksisterer i en gitt rekkefølge, så eksisterer også alle øyeblikk av lavere orden.
Vector plass
For et gitt naturlig heltall r er settet med kontinuerlige funksjoner på I hvis ordensmoment r eksisterer et reelt vektorrom , og kartet m r : f ↦ m r ( f ) er en lineær form på denne romvektoren.
Definisjoner
La X være en reell tilfeldig variabel definert på I , med fordelingsfunksjon F X og sannsynlighetslov s .
Vanlig øyeblikk
Det øyeblikk (eller vanlig øyeblikk , eller øyeblikk i 0 ) av orden r ∈ ℕ av X er definert, hvis den finnes, av:
mr≜E(Xr){\ displaystyle m_ {r} \ triangleq \ mathbb {E} (X ^ {r})}I følge overføringssatsen har vi derfor :
mr=∫x∈JegxrdFX(x){\ displaystyle m_ {r} = \ int _ {x \ in I} x ^ {r} \, \ mathrm {d} F_ {X} (x)}Denne Stieltjes-integralen kan skrives om:
- hvis X er diskret :mr=∑k∈Jegkrsk{\ displaystyle m_ {r} = \ sum _ {k \ in I} k ^ {r} \, p_ {k}}
- hvis X er helt kontinuerlig :mr=∫x∈Jegxrs(x)dx{\ displaystyle m_ {r} = \ int _ {x \ i I} x ^ {r} \, p (x) \, \ mathrm {d} x}
I følge det andre aksiomet av sannsynligheter har vi da m 0 = 1 .
Vær oppmerksom på at, p som er positiv eller null på I ( første aksiom av sannsynligheter ), er kriteriet for eksistensen av ordensøyeblikket r konvergensen til ∑ k ∈ I | k | r p k eller ∫ x ∈ I | x | r p ( x ) d x etter behov.
Sentrert øyeblikk
Den sentrert øyeblikk av orden r ∈ ℕ av X er definert, hvis den finnes, av:
μr≜E([X-E(X)]r){\ displaystyle \ mu _ {r} \ triangleq \ mathbb {E} ([X- \ mathbb {E} (X)] ^ {r})}I følge overføringssatsen har vi derfor :
μr=∫x∈Jeg[x-E(X)]rdFX(x){\ displaystyle \ mu _ {r} = \ int _ {x \ in I} [x- \ mathbb {E} (X)] ^ {r} \, \ mathrm {d} F_ {X} (x)}Denne Stieltjes-integralen kan skrives om:
- hvis X er diskret :μr=∑k∈Jeg[k-E(X)]rsk{\ displaystyle \ mu _ {r} = \ sum _ {k \ in I} [k- \ mathbb {E} (X)] ^ {r} \, p_ {k}}
- hvis X er helt kontinuerlig :μr=∫x∈Jeg[x-E(X)]rs(x)dx{\ displaystyle \ mu _ {r} = \ int _ {x \ i I} [x- \ mathbb {E} (X)] ^ {r} \, p (x) \, \ mathrm {d} x}
Ved konstruksjon har vi da μ 0 = 1 og μ 1 = 0 .
I følge overføringssatsen kan vi også skrive μ r ( X ) = m r ( X - ? ( X )) .
Redusert sentrert øyeblikk
Ved å sette μ = m 1 og σ = √ μ 2 , den reduserte sentrert øyeblikk av orden r ∈ ⟦2; + ∞⟦ av X er definert, hvis den finnes, av:
βr-2≜E[(X-μσ)r]{\ displaystyle \ beta _ {r-2} \ triangleq \ mathbb {E} \ left [\ left ({\ frac {X- \ mu} {\ sigma}} \ right) ^ {r} \ right]}Vi har derfor β r -2 = μ r ⁄ σ r og, ved konstruksjon, β 0 = 1 .
Bemerkelsesverdige øyeblikk
Visse øyeblikk, ofte brukt til å karakterisere en reell tilfeldig variabel X , er kjent under et bestemt navn:
- det håp , tidspunktet for en ordre ;μ≜m1=E(X){\ displaystyle \ mu \ triangleq m_ {1} = \ mathbb {E} (X)}
- den variansen , sentrert øyeblikk av orden to: og dens kvadratrot av standardavviket : ;V(X)≜μ2=E[(X-μ)2]{\ displaystyle \ operatorname {V} (X) \ triangleq \ mu _ {2} = \ mathbb {E} [(X- \ mu) ^ {2}]}σ≜V(X)=μ2{\ displaystyle \ sigma \ triangleq {\ sqrt {\ operatorname {V} (X)}} = {\ sqrt {\ mu _ {2}}}}
- den asymmetri koeffisient , redusert sentrert øyeblikk av orden tre :;γ1≜β1=E[(X-μσ)3]{\ displaystyle \ gamma _ {1} \ triangleq \ beta _ {1} = \ mathbb {E} \ left [\ left ({\ frac {X- \ mu} {\ sigma}} \ right) ^ {3} \ Ikke sant]}
- den kurtosen ikke standardisert, sentrale øyeblikk redusert fire orden .β2=E[(X-μσ)4]{\ displaystyle \ beta _ {2} = \ mathbb {E} \ left [\ left ({\ frac {X- \ mu} {\ sigma}} \ right) ^ {4} \ right]}
Moment-genererende funksjon
Den generator funksjon av momentene M X av en ekte tilfeldig variabel X er den eksponentielle generator serie forbundet med sekvensen ( m r ) r ∈ ℕ av de øyeblikk av X , definert i området fra 0, og med forbehold om eksistensen av alle øyeblikk:
MX(t)≜∑r=0∞mrtrr!{\ displaystyle M_ {X} (t) \ triangleq \ sum _ {r = 0} ^ {\ infty} m_ {r} \, {\ frac {t ^ {r}} {r!}}}Det kan også skrives i nærheten av 0 og underlagt forventningens eksistens :
MX(t)=E(etX){\ displaystyle M_ {X} (t) = \ mathbb {E} \ left (\ mathrm {e} ^ {tX} \ right)}De derivater iterated ved 0 av denne eksponentielle generator serie er verdt:
MX(r)(0)=mr{\ displaystyle M_ {X} ^ {(r)} (0) = m_ {r}}
Eiendommer
Dimensjon
Enten [ X ] den størrelsen av den virkelige tilfeldig variabel X .
Vanlige og sentrerte øyeblikk av orden r , hvis de eksisterer, har dimensjon [ X ] r .
Demonstrasjon
I skrivingen ∫ x ∈ I x r d F X ( x ) av ordreøyeblikket r , har variabelen x dimensjonen [ X ] . Den sannsynlighet måle ℙ være en dimensjonsløs størrelse , er fordelingsfunksjonen F X , definert ved ∀ x ∈ I , F X ( x ) = ℙ ( X ≤ x ) , er også dimensjonsløs, så også for sin infinitesimal d F X ( x ) . Så m r = ∫ x ∈ I x r d F X ( x ) har dimensjon [ X r ] .
? ( X ) = m 1 med dimensjon [ X ] , er det også tilfellet med x - ? ( X ) , derfor er μ r = ∫ x ∈ I [ x - ? ( X )] r d F X ( x ) har også dimensjon [ X r ] .
Det reduserte sentrerte øyeblikksmomentet r , hvis det eksisterer, er en dimensjonsløs mengde .
Demonstrasjon
μ 2 har for dimensjon [ X 2 ] , σ = √ μ 2 har for dimensjon [ X ] , så β r -2 = μ r ⁄ σ r har for dimensjon [ X r ⁄ X r ] = [1] .
Affine transformasjon
På ordinære tider
Det ordinære øyeblikk av ordre 1, hvis det eksisterer, er lineært :
∀(θ,λ)∈R2,m1(θX+λ)=θm1(X)+λ{\ displaystyle \ forall (\ theta, \ lambda) \ in \ mathbb {R} ^ {2}, m_ {1} (\ theta \, X + \ lambda) = \ theta \, m_ {1} (X) + \ lambda}
Demonstrasjon
La Λ = { λ } være konstant tilfeldig variabel lik λ med sannsynlighet 1. Oversettelsen av lengde λ av verdiene til en tilfeldig variabel tilsvarer summen av denne tilfeldige variabelen og av Λ : θ X + λ ≜ θ X + Λ . Å vite at ? ( Λ ) = λ , har vi derfor, etter forventningens linearitet :
m1(θX+λ)=E(θX+λ)=E(θX+Λ)=θE(X)+E(Λ)=θE(X)+λ=θm1(X)+λ{\ displaystyle m_ {1} (\ theta \, X + \ lambda) = \ mathbb {E} (\ theta \, X + \ lambda) = \ mathbb {E} (\ theta \, X + \ Lambda) = \ theta \, \ mathbb {E} (X) + \ mathbb {E} (\ Lambda) = \ theta \, \ mathbb {E} (X) + \ lambda = \ theta \, m_ {1} (X) + \ lambda}
Det ordinære ordensmomentet r > 1 av θ X + λ , hvis det eksisterer, uttrykkes ikke bare som en funksjon av ordningsmomentet r av X :
∀(θ,λ)∈R2,mr(θX+λ)=∑Jeg=0rVSrJegθr-JegλJegmr-Jeg(X)=∑Jeg=0rVSrJegθJegλr-JegmJeg(X){\ displaystyle \ forall (\ theta, \ lambda) \ in \ mathbb {R} ^ {2}, m_ {r} (\ theta \, X + \ lambda) = \ sum _ {i = 0} ^ {r } C_ {r} ^ {i} \, \ theta ^ {ri} \, \ lambda ^ {i} \, m_ {ri} (X) = \ sum _ {i = 0} ^ {r} C_ {r } ^ {i} \, \ theta ^ {i} \, \ lambda ^ {ri} \, m_ {i} (X)}
Demonstrasjon
Ved å utvikle binomialet ( θ X + λ ) r og ved forventningens linearitet , har vi:
mr(θX+λ)=E[(θX+λ)r]=E[∑Jeg=0rVSrJeg(θX)Jegλr-Jeg]=∑Jeg=0rVSrJegθJegλr-JegE(XJeg)=∑Jeg=0rVSrJegθJegλr-JegmJeg(X).{\ displaystyle m_ {r} (\ theta \, X + \ lambda) = \ mathbb {E} [(\ theta \, X + \ lambda) ^ {r}] = \ mathbb {E} \ left [\ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, (\ theta \, X) ^ {i} \, \ lambda ^ {ri} \ right] = \ sum _ {i = 0 } ^ {r} C_ {r} ^ {i} \, \ theta ^ {i} \, \ lambda ^ {ri} \, \ mathbb {E} (X ^ {i}) = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, \ theta ^ {i} \, \ lambda ^ {ri} \, m_ {i} (X).}
Vi finner således lineariteten til m 1 og konstanten til m 0 .
På sentrerte øyeblikk
Det sentrerte øyeblikk av ordre r , hvis det eksisterer, er uforanderlig ved oversettelse og homogent av grad r :
∀(θ,λ)∈R2,μr(θX+λ)=θrμr(X){\ displaystyle \ forall (\ theta, \ lambda) \ in \ mathbb {R} ^ {2}, \ mu _ {r} (\ theta \, X + \ lambda) = \ theta ^ {r} \, \ mu _ {r} (X)}
Demonstrasjon 1
Å vite at ? ( θ X + λ ) = θ ? ( X ) + λ (se affinetransformasjon på ordinær øyeblikk av ordre 1), har vi:
(θX+λ)-E(θX+λ)=θX+λ-θE(X)-λ=θ[X-E(X)]{\ displaystyle (\ theta \, X + \ lambda) - \ mathbb {E} (\ theta \, X + \ lambda) = \ theta \, X + \ lambda - \ theta \, \ mathbb {E} (X ) - \ lambda = \ theta \, [X- \ mathbb {E} (X)]}Ved forventningens linearitet har vi derfor:
μr(θX+λ)=E([θX+λ-E(θX+λ)]r)=E(θr[X-E(X)]r)=θrE([X-E(X)]r)=θrμr(X){\ displaystyle \ mu _ {r} (\ theta \, X + \ lambda) = \ mathbb {E} ([\ theta \, X + \ lambda - \ mathbb {E} (\ theta \, X + \ lambda )] ^ {r}) = \ mathbb {E} (\ theta ^ {r} \, [X- \ mathbb {E} (X)] ^ {r}) = \ theta ^ {r} \, \ mathbb {E} ([X- \ mathbb {E} (X)] ^ {r}) = \ theta ^ {r} \, \ mu _ {r} (X)}
Demonstrasjon 2
Å vite at μ r ( X ) = m r ( X - ? ( X )) , er genereringsfunksjonen til de sentrerte momentene til X derfor den genererende funksjonen til de vanlige øyeblikkene til X - ? ( X ) :
MX(t)=MX-E(X)(t)=E(et[X-E(X)]){\ displaystyle {\ mathcal {M}} _ {X} (t) = M_ {X- \ mathbb {E} (X)} (t) = \ mathbb {E} \ left (e ^ {t [X- \ mathbb {E} (X)]} \ høyre)}Å vite at ( θ X + λ ) - ? ( θ X + λ ) = θ [ X - ? ( X )] (se bevis 1), har vi derfor:
MθX+λ(t)=E(et[(θX+λ)-E(θX+λ)])=E(eθt[X-E(X)])=MX(θt){\ displaystyle {\ mathcal {M}} _ {\ theta \, X + \ lambda} (t) = \ mathbb {E} \ left (e ^ {t [(\ theta \, X + \ lambda) - \ mathbb {E} (\ theta \, X + \ lambda)]} \ right) = \ mathbb {E} \ left (e ^ {\ theta t [X- \ mathbb {E} (X)]} \ right) = {\ mathcal {M}} _ {X} (\ theta t)}Ved iterert avledning av denne sammensatte funksjonen har vi derfor:
MθX+λ(r)(t)=[MX(θt)](r)=θrMX(r)(θt){\ displaystyle {\ mathcal {M}} _ {\ theta \, X + \ lambda} ^ {(r)} (t) = [{\ mathcal {M}} _ {X} (\ theta t)] ^ {(r)} = \ theta ^ {r} {\ mathcal {M}} _ {X} ^ {(r)} (\ theta t)}Derfor, i 0:
μr(θX+λ)=MθX+λ(r)(0)=θrMX(r)(0)=θrμr(X){\ displaystyle \ mu _ {r} (\ theta \, X + \ lambda) = {\ mathcal {M}} _ {\ theta \, X + \ lambda} ^ {(r)} (0) = \ theta ^ {r} {\ mathcal {M}} _ {X} ^ {(r)} (0) = \ theta ^ {r} \ mu _ {r} (X)}
På reduserte sentrerte øyeblikk
Ved affin transformasjon av ikke-null- retningskoeffisient (slik at σ er ikke-null) multipliseres det reduserte sentrerte øyeblikk av ordre r , hvis den eksisterer, ganske enkelt med tegnet på retningskoeffisienten hevet til kraften r :
∀(θ,λ)∈R∗×R,βr-2(θX+λ)=sgn(θ)rβr-2(X){\ displaystyle \ forall (\ theta, \ lambda) \ i \ mathbb {R} ^ {*} \! \! \ times \! \ mathbb {R}, \ beta _ {r-2} (\ theta \, X + \ lambda) = \ operatornavn {sgn} (\ theta) ^ {r} \, \ beta _ {r-2} (X)}Den absolutte verdien av et redusert sentrert øyeblikk er derfor uforanderlig ved affin transformasjon av ikke-helling.
Demonstrasjon
Standardavviket på θ X + λ er lik :
σθX+λ=μ2(θX+λ)=θ2μ2(X)=|θ|σX{\ displaystyle \ sigma _ {\ theta \, X + \ lambda} = {\ sqrt {\ mu _ {2} (\ theta \, X + \ lambda)}} = {\ sqrt {\ theta ^ {2} \ mu _ {2} (X)}} = | \ theta | \ sigma _ {X}}Den reduserte sentrert øyeblikk av orden r av θ X + λ er derfor verdt:
βr-2(θX+λ)=μr(θX+λ)σθX+λ r=θrμr(X)(|θ|σX)r=(θ|θ|)rμr(X)σXr=sgn(θ)rβr-2(X){\ displaystyle \ beta _ {r-2} (\ theta \, X + \ lambda) = {\ frac {\ mu _ {r} (\ theta \, X + \ lambda)} {\ sigma _ {\ theta \, X + \ lambda} ^ {\ r}}} = {\ frac {\ theta ^ {r} \ mu _ {r} (X)} {(| \ theta | \ sigma _ {X}) ^ { r}}} = \ left ({\ frac {\ theta} {| \ theta |}} \ right) ^ {r} {\ frac {\ mu _ {r} (X)} {\ sigma _ {X} ^ {r}}} = \ operatorname {sgn} (\ theta) ^ {r} \, \ beta _ {r-2} (X)}
Ved å skille i henhold til tegnet på θ og pariteten til r , kan vi derfor skrive:
∀(θ,λ)∈R∗×R,βr(θX+λ)={βr(X)hvis θ>0 eller r er jevn-βr(X)hvis θ<0 og r er rart{\ displaystyle \ forall (\ theta, \ lambda) \ i \ mathbb {R} ^ {*} \! \! \ times \! \ mathbb {R}, \ beta _ {r} (\ theta \, X + \ lambda) = {\ begin {cases} \ beta _ {r} (X) og {\ text {si}} \ theta> 0 {\ text {eller}} r {\ text {er jevn}} \\ - \ beta _ {r} (X) og {\ text {si}} \ theta <0 {\ text {and}} r {\ text {er merkelig}} \ end {cases}}}
Tilsetningsevne
La X og Y være to virkelige tilfeldige variabler, vi har da:
- m1(X+Y)=m1(X)+m1(Y){\ displaystyle m_ {1} (X + Y) = m_ {1} (X) + m_ {1} (Y)}
Hvis X og Y er uavhengige , har vi også:
- μ2(X+Y)=μ2(X)+μ2(Y){\ displaystyle \ mu _ {2} (X + Y) = \ mu _ {2} (X) + \ mu _ {2} (Y)}
- μ3(X+Y)=μ3(X)+μ3(Y){\ displaystyle \ mu _ {3} (X + Y) = \ mu _ {3} (X) + \ mu _ {3} (Y)}
Denne egenskapen til additivitet eksisterer bare for de tre nevnte øyeblikkene. De risikomål verifisere denne egenskapen kalles cumulants .
Forholdet mellom vanlige øyeblikk og sentrerte øyeblikk
Øyeblikk sentrert som en funksjon av vanlige øyeblikk
Det sentrerte øyeblikk av ordre r , hvis det eksisterer, er skrevet:
μr=∑Jeg=0rVSrJegmr-Jeg(-m1)Jeg=∑Jeg=0rVSrJegmJeg(-m1)r-Jeg{\ displaystyle \ mu _ {r} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, m_ {ri} \, (- m_ {1}) ^ {i} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, m_ {i} \, (- m_ {1}) ^ {ri}}
Demonstrasjon
Ved å utvikle binomialet i uttrykk for μ r og ved forventningens linearitet , har vi:
μr=E[(X-m1)r]=E[∑Jeg=0rVSrJegXr-Jeg(-m1)Jeg]=∑Jeg=0rVSrJegE(Xr-Jeg)(-m1)Jeg=∑Jeg=0rVSrJegmr-Jeg(-m1)Jeg{\ displaystyle \ mu _ {r} = \ mathbb {E} [(X-m_ {1}) ^ {r}] = \ mathbb {E} \ left [\ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, X ^ {ri} \, (- m_ {1}) ^ {i} \ right] = \ sum _ {i = 0} ^ {r} C_ {r} ^ { i} \, \ mathbb {E} (X ^ {ri}) \, (- m_ {1}) ^ {i} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, m_ {ri} \, (- m_ {1}) ^ {i}}Deretter husker jeg at Ck
n = Cn - k
n, Oppnår man den andre skrive ved endringer i de variable i ↦ r - i .
Når vi husker at m 0 = 1 , blir de første sentrerte øyeblikkene uttrykt som en funksjon av de vanlige øyeblikkene:
μ2=m2-m12{\ displaystyle \ mu _ {2} = m_ {2} -m_ {1} ^ {2}}
μ3=m3-3m2m1+2m13{\ displaystyle \ mu _ {3} = m_ {3} -3 \, m_ {2} \, m_ {1} +2 \, m_ {1} ^ {3}}
μ4=m4-4m3m1+6m2m12-3m14{\ displaystyle \ mu _ {4} = m_ {4} -4 \, m_ {3} \, m_ {1} +6 \, m_ {2} \, m_ {1} ^ {2} -3 \, m_ {1} ^ {4}}
μ5=m5-5m4m1+10m3m12-10m2m13+4m15{\ displaystyle \ mu _ {5} = m_ {5} -5 \, m_ {4} \, m_ {1} +10 \, m_ {3} \, m_ {1} ^ {2} -10 \, m_ {2} \, m_ {1} ^ {3} +4 \, m_ {1} ^ {5}}
μ6=m6-6m5m1+15m4m12-20m3m13+15m2m14-5m16{\ displaystyle \ mu _ {6} = m_ {6} -6 \, m_ {5} \, m_ {1} +15 \, m_ {4} \, m_ {1} ^ {2} -20 \, m_ {3} \, m_ {1} ^ {3} +15 \, m_ {2} \, m_ {1} ^ {4} -5 \, m_ {1} ^ {6}}
Vanlige øyeblikk som en funksjon av sentrerte øyeblikk
Omvendt, ved å sette μ = ? ( X ) , skrives det ordinære øyeblikk av ordre r , hvis det eksisterer:
mr=∑Jeg=0rVSrJegμr-JegμJeg=∑Jeg=0rVSrJegμJegμr-Jeg{\ displaystyle m_ {r} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, \ mu _ {ri} \, \ mu ^ {i} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, \ mu _ {i} \, \ mu ^ {ri}}
Demonstrasjon
Ved å utvikle binomialet i uttrykk for m r og ved forventningens linearitet , har vi:
mr=E(Xr)=E[(X-μ+μ)r]=E[∑Jeg=0rVSrJeg(X-μ)r-JegμJeg]=∑Jeg=0rVSrJegE[(X-μ)r-Jeg]μJeg=∑Jeg=0rVSrJegμr-JegμJeg{\ displaystyle m_ {r} = \ mathbb {E} (X ^ {r}) = \ mathbb {E} [(X- \ mu + \ mu) ^ {r}] = \ mathbb {E} \ left [ \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, (X- \ mu) ^ {ri} \, \ mu ^ {i} \ right] = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, \ mathbb {E} [(X- \ mu) ^ {ri}] \, \ mu ^ {i} = \ sum _ {i = 0} ^ {r} C_ {r} ^ {i} \, \ mu _ {ri} \, \ mu ^ {i}}Deretter husker jeg at Ck
n = Cn - k
n, Oppnår man den andre skrive ved endringer i de variable i ↦ r - i .
Når vi husker at μ 0 = 1 og μ 1 = 0 , blir de første ordinære øyeblikkene uttrykt, som en funksjon av de sentrerte momentene og av μ :
m2=μ2+μ2{\ displaystyle m_ {2} = \ mu _ {2} + \ mu ^ {2}}
m3=μ3+3μ2μ+μ3{\ displaystyle m_ {3} = \ mu _ {3} +3 \, \ mu _ {2} \, \ mu + \ mu ^ {3}}
m4=μ4+4μ3μ+6μ2μ2+μ4{\ displaystyle m_ {4} = \ mu _ {4} +4 \, \ mu _ {3} \, \ mu +6 \, \ mu _ {2} \, \ mu ^ {2} + \ mu ^ {4}}
m5=μ5+5μ4μ+10μ3μ2+10μ2μ3+μ5{\ displaystyle m_ {5} = \ mu _ {5} +5 \, \ mu _ {4} \, \ mu +10 \, \ mu _ {3} \, \ mu ^ {2} +10 \, \ mu _ {2} \, \ mu ^ {3} + \ mu ^ {5}}
m6=μ6+6μ5μ+15μ4μ2+20μ3μ3+15μ2μ4+μ6{\ displaystyle m_ {6} = \ mu _ {6} +6 \, \ mu _ {5} \, \ mu +15 \, \ mu _ {4} \, \ mu ^ {2} +20 \, \ mu _ {3} \, \ mu ^ {3} +15 \, \ mu _ {2} \, \ mu ^ {4} + \ mu ^ {6}}
Ikke-partisk estimator av vanlige øyeblikk
Fra en prøve kan { X 1 , X 2 , ..., X n } av den virkelige tilfeldige variabelen X brukes som estimator uten å bruke det ordinære ordningsmomentet r , hvis det eksisterer, følgende estimator:
mr^=1ikke∑Jeg=1ikkeXJeg r{\ displaystyle {\ hat {m_ {r}}} = {\ frac {1} {n}} \ sum _ {i = 1} ^ {n} X_ {i} ^ {\ r}}
Moment problem
Selv om beregningen av øyeblikkene består i å bestemme det øyeblikk m r av en gitt sannsynlighet lov p , er problemet med øyeblikk består i å studere omvendt eksistensen og entydighet av en sannsynlighets lov p hvis øyeblikk m r er gitt.
Utvidelse av begrepet øyeblikk
På modellen av øyeblikk ? ( X r ) kan andre øyeblikk defineres:
- det motsatte punkt i 0 for r på I ∌ 0 : ;E(X-r){\ displaystyle \ mathbb {E} (X ^ {- r})}
- det logaritmiske øyeblikk av orden r på I ⊂ ℝ*
+ : ;E[lnr(X)]{\ displaystyle \ mathbb {E} \ left [\ ln ^ {r} (X) \ right]}
- det faktuelle øyeblikk av ordre r : ( avtagende faktor ).E[(X)r]{\ displaystyle \ mathbb {E} \ left [(X) _ {r} \ right]}
Merknader og referanser
-
Dette tilfellet skjer for eksempel for oddsmomentene til en jevn funksjon definert på ℝ : selv om ∫ x ∈ℝ | x r f ( x ) | d x divergerer, funksjonen x ↦ x r f ( x ) er odd, har derfor en jevn primitiv, derav ∀ t ∈ ℝ, ∫t
- t x r f ( x ) d x = 0 , så ∫ x ∈ℝ x r f ( x ) d x er enkonvergerende upassende integral lik 0.
-
Av historiske grunner og i samsvar med notasjonen av reduserte kumulanter , er asymmetri-koeffisienten notert γ 1 i stedet for β 1 .
-
Formelt sett, vel vitende om at μ 1 = 0 , kan vi legge til degenerert tilfelle μ 1 ( X + Y ) = μ 1 ( X ) + μ 1 ( Y ) , men dette gir ingen nyttig informasjon for studiet av X + Y .
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">