Grundlagen der Stochastik - Georg-August-Universität Göttingen
Grundlagen der Stochastik - Georg-August-Universität Göttingen
Grundlagen der Stochastik - Georg-August-Universität Göttingen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
8 Erzeugende Funktion und Verzweigungsprozesse 87<br />
8 Erzeugende Funktion und Verzweigungsprozesse<br />
In diesem Abschnitt werden wir sehen, dass man Wahrscheinlichkeitsverteilungen Funktionen 3 zuordnen<br />
kann, sodass kompliziertes Rechnen mit Wahrscheinlichkeitsverteilungen (z.B. Faltungen) zum einfachen<br />
Rechnen mit den zugehörigen Funktionen wird (z.B. Produkt <strong>der</strong> Funktionen).<br />
In <strong>der</strong> Wahrscheinlichkeits- und Maßtheorie wird dies bei Momenterzeugenden Funktionen und bei<br />
Fourier-Transformationen genutzt.<br />
Wir betrachten hier nun als einfacheres Beispiel für analytische Methoden:<br />
8.1 Definition (Erzeugende Funktion):<br />
Sei X eine diskrete Zufallsvariable auf dem diskreten Wahrscheinlichkeitsraum (Ω,P) mit Werten in N0.<br />
Sei pk = P(X = k) für k ∈ N0. Die erzeugende Funktion (<strong>der</strong> Verteilung) von X ist die Funktion<br />
Bemerkung 8.2:<br />
Wegen gX(1) = ∞�<br />
k=0<br />
Insbeson<strong>der</strong>e gilt gX(1) = 1.<br />
gX(t) :=<br />
∞�<br />
k=0<br />
pk · t k .<br />
pk = 1 und pk ≥ 0 folgt, dass gX(t) für alle t ∈ [−1,1] konvergiert (sogar absolut).<br />
Folglich können wir den Differenzierbarkeitssatz für Potenzreihen anwenden, das liefert das folgende<br />
8.3 Lemma:<br />
Für t ∈ (−1,1) ist die j-te Ableitung gegeben durch<br />
8.4 Satz:<br />
g (j)<br />
X (t) =<br />
∞�<br />
k · (k − 1) · ... · (k − j + 1) · pk · t (k−j) .<br />
k=j<br />
Die Verteilung von X ist durch gX festgelegt.<br />
Beweis:<br />
Es gilt P(X = 0) = p0 = gx(0) und mit obigem Lemma g (j)<br />
x (0) = j! · pj, das heißt<br />
Es folgt die Behauptung.<br />
Beispiel 8.5:<br />
Sei X ∼ Poi(λ). Dann gilt<br />
k=0<br />
pk<br />
P(X = j) = 1<br />
· g(j)<br />
X j! (0).<br />
∞�<br />
gX(t) = exp(−λ) · λk<br />
·t<br />
� ��<br />
k!<br />
�<br />
k ∞� (λt)<br />
= exp(−λ)<br />
k<br />
= exp(−λ) · exp(λ · t)<br />
k!<br />
Diese Funktion sieht für λ = 2 wie folgt aus:<br />
3 Das meint entwe<strong>der</strong> R<br />
2<br />
1<br />
k=0<br />
−1 0 1 t<br />
Abbildung 10: Die erzeugende Funktion gX für X ∼ Poi (2).<br />
��<br />
R o<strong>der</strong> C<br />
��<br />
C!