Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Poglavlje 3<br />
Funkcije izvodnice<br />
3.1 Funkcije izvodnice vjerojatnosti<br />
Neka je X diskretna slučajna varijabla s vrijednostima u skupu prirodnih brojeva s nulom.<br />
Takvu varijablu zvat ćemo brojeća slučajna varijabla. Označimo sa p 0 , p 1 , itd. vjerojatnosti<br />
dogadaja {X = 0}, {X = 1}, itd., dakle,<br />
p k := P(X = k) = f X (k), k = 0, 1, . . .<br />
Tada je funkcija izvodnica vjerojatnosti od X, kraće f.i.v., realna funkcija G X definirana sa<br />
G X (t) := E[t X ] = p 0 + p 1 t + p 2 t 2 + · · · ,<br />
za one realne brojeve t za koje to očekivanje postoji. Uvijek vrijedi<br />
G X (1) = 1, G X (0) = p 0 = P(X = 0).<br />
Primijetite da red potencija iz definicije f.i.v. apsolutno konvergira za sve t ∈ R za koje je<br />
|t| ≤ 1. F.i.v. je jedinstvena u smislu da dvije brojeće slučajne varijable X i Y imaju iste<br />
f.i.v ako i samo ako su X i Y po distribuciji jednake, tj. ako je<br />
f X (x) = f Y (x) za sve x ∈ {0, 1, . . .}.<br />
Primjer 3.1 Ako X ima uniformnu razdiobu na {1, 2, . . . , k}, tada joj je f.i.v.<br />
G X (t) = 1 k (t + t2 + · · · + t k ) = t(1 − tk )<br />
k(1 − t)<br />
ako t ≠ 1.<br />
Primjer 3.2 Ako X ima binomnu razdiobu s parametrima (n, θ), tada joj je f.i.v.<br />
(<br />
n∑ n<br />
G X (t) = t<br />
k)<br />
k θ k (1 − θ) n−k = (θt + 1 − θ) n .<br />
k=0<br />
Primjer 3.3 Za negativnu binomnu varijablu X s parametrima (k, θ), f.i.v. je<br />
( )<br />
∞∑<br />
(<br />
) m − 1<br />
G X (t) =<br />
t m θ k (1 − θ) m−k θt k<br />
=<br />
,<br />
k − 1<br />
1 − t(1 − θ)<br />
m=k<br />
pri čemu red apsolutno konvergira za |t(1 − θ)| < 1.<br />
32