Średnia i wariancja zerowo napompowanego rozkładu Poissona

11

Czy ktokolwiek może pokazać, w jaki sposób oczekiwana wartość i wariancja zerowego nadciśnionego Poissona, z funkcją masy prawdopodobieństwa

f(y)={π+(1π)eλ,if y=0(1π)λyeλy!,if y=1,2....

gdzie jest prawdopodobieństwem, że obserwacja wynosi zero w procesie dwumianowym, a jest średnią Poissona?πλ

Wynikiem jest oczekiwana wartość a wariancja to .μ=(1π)λμ+π1πμ2

DODAJ: Szukam procesu. Na przykład, czy możesz użyć funkcji generowania momentu? Ostatecznie chciałbym zobaczyć, jak to zrobić, aby lepiej zrozumieć zerową pompę gamma i inne.

B_Miner
źródło
1
Wygląda na to, że znasz model powstawania takiego rozkładu prawdopodobieństwa. Czy możesz to wykorzystać, aby ci pomóc?
kardynał

Odpowiedzi:

22

Metoda 0 : Leniwy statystyk.

Zauważ, że dla mamy gdzie jest prawdopodobieństwem, że zmienna losowa Poissona przyjmuje wartość . Ponieważ termin odpowiadający nie wpływa na wartość oczekiwaną, nasza znajomość Poissona i liniowości oczekiwań natychmiast mówi nam, że i y0f(y)=(1π)pypyyy=0

μ=(1π)λ
EY2=(1π)(λ2+λ).

Mała algebra i tożsamość daje wynik.Var(Y)=EY2μ2

Metoda 1 : Argument probabilistyczny.

Często pomocne jest posiadanie prostego modelu probabilistycznego określającego sposób powstawania rozkładu. Niech i będą niezależnymi zmiennymi losowymi. Zdefiniuj Łatwo więc zauważyć, że ma pożądany rozkład . Aby to sprawdzić, zwróć uwagę, że przez niezależność. Podobnie dla .ZBer(1π)YPoi(λ)

X=ZY.
XfP(X=0)=P(Z=0)+P(Z=1,Y=0)=π+(1π)eλP(X=k)=P(Z=1,Y=k)k0

Wynika z tego, reszta jest prosta, ponieważ przez niezależności i , i ZY

μ=EX=EZY=(EZ)(EY)=(1π)λ,
Var(X)=EX2μ2=(EZ)(EY2)μ2=(1π)(λ2+λ)μ2=μ+π1πμ2.

Metoda 2 : Obliczanie bezpośrednie.

Średnią wartość można łatwo uzyskać przez lekką sztuczkę wyciągnięcia jednego i przepisania granic sumy. λ

μ=k=1(1π)keλλkk!=(1π)λeλj=0λjj!=(1π)λ.

Podobna sztuczka działa po raz drugi: od tego momentu możemy przejść do algebry jak w pierwszej metodzie.

EX2=(1π)k=1k2eλλkk!=(1π)λeλj=0(j+1)λjj!=(1π)(λ2+λ),

Dodatek : Zawiera szczegółowe informacje na temat kilku sztuczek zastosowanych w powyższych obliczeniach.

Najpierw pamiętaj, że .k=0λkk!=eλ

Po drugie, zauważ, że gdzie podstawienie dokonano w przedostatnim etapie.

k=0kλkk!=k=1kλkk!=k=1λk(k1)!=k=1λλk1(k1)!=λj=0λjj!=λeλ,
j=k1

Ogólnie rzecz biorąc, dla Poissona łatwo jest obliczyć momenty czynnikowe od więc . Przechodzimy do „pomijania” do tego indeksu na początku sumy w pierwszej równości, ponieważ dla dowolnego , ponieważ dokładnie jeden termin w produkcie wynosi zero.EX(n)=EX(X1)(X2)(Xn+1)

eλEX(n)=k=nk(k1)(kn+1)λkk!=k=nλnλkn(kn)!=λnj=0λjj!=λneλ,
EX(n)=λnn0k<nk(k1)(kn+1)=0
kardynał
źródło
Kardynale, to jest fantastyczne. Czy mógłbyś podać krótki szczegół wyciągnięcia ? Moje podsumowanie jest <bardzo> zardzewiałe. Dzięki! λ
B_Miner
Jeszcze raz dziękuję za to. To może być łatwe pytanie, ale co dzieje się z górną częścią pdf (gdy y = 0) dlaczego nie jest uwzględnione w obliczeniach dla ? π+(1π)eλμ
B_Miner
1
Przypomnijmy definicję oczekiwanej wartości dyskretnej zmiennej losowej: . Zatem dla terminem w oczekiwanej wartości jest . μ=EY=y=0yP(Y=y)y=00(π+(1π)eλ)=0
kardynał