Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Primjer 3.5 Pomoću f.i.v., izračunane su f.i.m. sljedećih brojećih varijabli:<br />
(a) za X binomnu (n, θ):<br />
M X (t) = G X (e t ) = (pr.3.2) = (θe t + 1 − θ) n = (1 + θ(e t − 1)) n ;<br />
specijalno, f.i.m. Bernoullijeve distribucije dobije se za n = 1;<br />
(b) za X negativno binomnu (k, θ):<br />
(<br />
M X (t) = G X (e t θe t ) k<br />
) = (pr.3.3) =<br />
1 − e t ;<br />
(1 − θ)<br />
(c) za X ∼ P (λ):<br />
M X (t) = G X (e t ) = (pr.3.4) = e λ(et −1) .<br />
Primjer 3.6 Za X ∼ Γ(α, 1 λ<br />
), f.i.m. je:<br />
M X (t) = E[e tX ] =<br />
=<br />
Odavde je<br />
+∞ ∫<br />
0<br />
e tx ·<br />
( ) λ α<br />
za t < λ.<br />
λ − t<br />
λ α<br />
Γ(α) xα−1 e −λx dx =<br />
λ α +∞ ∫<br />
(λ − t) α<br />
0<br />
(λ − t) α<br />
x α−1 e −(λ−t)x dx =<br />
Γ(α)<br />
M X(t) ′ = αλ α (λ − t) −(α+1) ⇒ E[X] = M X(0) ′ = α λ<br />
M X(t) ′′ = α(α + 1)λ α (λ − t) −(α+2) ⇒ E[X 2 ] = M X(0) ′′ α(α + 1)<br />
=<br />
⇒ Var[X] = E[X 2 ] − E[X] 2 =<br />
Specijalno, za X ∼ Exp(λ),<br />
M X (t) =<br />
α(α + 1)<br />
λ 2<br />
− α2<br />
λ 2 = α λ 2 .<br />
λ , za t < λ.<br />
λ − t<br />
λ 2<br />
Ako je θ = E[X] = 1/λ,<br />
Specijalno, za X ∼ χ 2 (n),<br />
M X (t) = 1<br />
1 − θt , za t < 1 θ .<br />
M X (t) =<br />
1<br />
, za t < 1<br />
(1 − 2t) n 2 2 .<br />
Primjer 3.7 Neka je X ∼ N(µ, σ 2 ). Bez izvoda navodimo da je f.i.m. od X:<br />
M X (t) = e µt+ σ2 t 2<br />
2 .<br />
34