Loading [MathJax]/jax/output/HTML-CSS/jax.js

반응형

7. 연속확률변수와 관련된 분포들



연속확률변수 X의 확률밀도함수가 다음과 같을 때, X는 균등분포(uniform distribution)를 따른다고 한다.f(x)={1βα,(α<x<β)0,(otherwise)여기서 α,βα<β인 상수이고,μ=E(X)=βα1βαxdx=12(α+β)σ2=Var(X)=E(X2){E(X)}2=(βα)212(E(X2)=β3α33(βα)=β2+βα+α23)이다.

(균등분포의 확률밀도함수의 그래프)


다음의 함수f(x)={kxα1exβ,(x>0)0,(otherwise)(α,β>0)의 적분이 1이 되게 하는 k를 구하자.f(x)dx=0kxα1exβdx=kβα0yα1eydy(x=βy)이 적분식의 오른쪽은 다음과 같이 정의되는 감마함수(gamma function)이다.Γ(α)=0yα1eydy,(α>0) 0kxα1exβdx=kβαΓ(α)=1이어야 하므로 k=1βαΓ(α)이고, 이 결과를 이용하여 다음과 같이 감마분포(gamma distribution)를 정의할 수 있다.


연속확률변수 X의 확률밀도함수가 다음과 같을 때, X는 감마분포를 따른다고 한다.f(x)={1Γ(α)xα1exβ,(x>0)0,(otherwise)(α,β>0)

(감마분포의 확률밀도함수의 그래프)


감마분포의 적률생성함수는 MX(t)=(1βt)α(α,β>0)이다.

증명: X를 감마분포를 따르는 연속확률변수라고 하면E(etX)=etxf(x)=1βαΓ(α)0etxxα1exβdx=1βαΓ(α)xα1e(βt1)xβdx=1βαΓ(α)Γ(α)(β1βt)α=(1βt)α이므로 따라서 MX(t)=(1βt)α이다.


감마분포의 적률생성함수를 이용하여 평균과 분산을 구하면 다음과 같다.μ=E(X)=αβσ2=Var(X)=E(X2){E(X)}2=αβ2


연속확률변수 X의 확률밀도함수가 다음과 같을 때, X는 지수분포(exponential distribution)를 따른다고 한다.f(x)={1λexλ,(x>0)0,(otherwise)

지수분포는 감마분포에서 α=1,β=λ인 경우이다. 그러면 지수분포의 적률생성함수와 평균, 분산은 다음과 같다.MX(t)=11λtμ=E(X)=λσ2=Var(X)=λ2


연속확률변수 X의 확률밀도함수가 다음과 같을 때, X는 평균이 μ이고, 분산이 σ2인 정규분포(normal distribution)를 따른다고 하고 XN(μ,σ2)로 나타낸다.f(x)=12πσe(xμ)22σ2

(정규분포의 확률밀도함수의 그래프)


정규분포를 따르는 확률변수의 확률밀도함수의 적분이 1이 됨을 보이자. z=xμσ라 하면12πσe(xμ)22σ2dx=12πe12z2dz이고, ez22dz=2π이므로 따라서12πσe(xμ)22σdx=1이다.


정규분포를 따르는 확률변수 X의 적률생성함수는 다음과 같다.MX(t)=eμt+12σ2t2

증명:MX(t)=etx12πσe(xμ)22σ2dx=12πσe2txσ2+(xμ)22σ2dx=eμt+12σ2t212πσe(x(μ+tσ2)2)2σ2dx=eμt+12σ2t2


적률생성함수를 이용하여 평균과 분산을 구하면E(X)=μVar(X)=σ2이다.


μ=0,σ=1인 정규분포를 표준정규분포(standard normal distribution)이라 한다. 이때의 확률변수는 Z=Xμσ이고, ZN(0,12)로 나타낸다. 표준정규분포의 누적분포함수는 다음과 같다.P(Zz)=z12πex22dx표준정규분포의 확률밀도함수는 우함수이므로012πez22dz=012πez22dz=0.5이다.  


참고자료:

John E Freund's Mathematical Statistics 8th edition, Irwon Miller, Marylees Miller, Pearson

수리통계학, 허문열, 송문섭, 박영사

http://www.math.ntu.edu.tw/~hchen/teaching/StatInference/notes/lecture9.pdf 

반응형
Posted by skywalker222