A prova de que funções geradoras de momento determinam exclusivamente as distribuições de probabilidade

19

O texto de Wackerly et al. Afirma esse teorema "Let e denotam as funções geradoras de momento das variáveis ​​aleatórias X e Y, respectivamente. Se ambas as funções geradoras de momento existem e para todos os valores de t, X e Y têm a mesma distribuição de probabilidade ". sem uma prova dizendo que está além do escopo do texto. Scheaffer Young também tem o mesmo teorema sem uma prova. Não tenho uma cópia de Casella, mas a pesquisa de livros do Google não pareceu encontrar o teorema.mx(t)my(t)mx(t)=my(t)

O texto de Gut parece ter um esboço de uma prova , mas não faz referência aos "resultados conhecidos" e também requer conhecer outro resultado cuja prova também não é fornecida.

Alguém sabe quem originalmente provou isso e se a prova está disponível online em algum lugar? Caso contrário, como alguém preencheria os detalhes dessa prova?

Caso não me perguntem, isso não é uma pergunta de lição de casa, mas eu poderia imaginar que isso possivelmente seja o dever de casa de alguém. Fiz uma sequência de cursos com base no texto de Wackerly e fiquei pensando sobre essa prova há algum tempo. Então imaginei que era hora de perguntar.

Chris Simokat
fonte
3
Se você tiver acesso ao texto Probabilidade e Medida de Billingsley , isso será discutido em uma seção intitulada, acredito, "O método dos momentos". (Peço desculpas pela imprecisão, pois atualmente não a tenho em mãos.) Se bem me lembro, a prova que ele usa se baseia nos resultados correspondentes das funções características, o que pode não ser completamente satisfatório. Isso certamente está (bem) fora do escopo do histórico esperado do texto de Wackerly.
cardeal
1
Wow @cardinal, suas respostas a essas perguntas foram superiores e muito úteis, obrigado e obrigado pela recomendação em texto de que eu deveria pegar uma cópia.
Chris Simokat 23/08/2012
2
@ cardinal Acessei Billigsley antes de ver sua nota e adicionei uma descrição da prova à minha resposta anterior.
Michael R. Chernick
2
Em relação à história ("quem originalmente provou isso?"), Parece que Laplace estava usando a função característica para esse tipo de trabalho em 1785 e havia desenvolvido a fórmula geral de inversão (que é a chave da prova) em 1810. Veja Anders Hald , Uma história da estatística matemática de 1750 a 1930 , capítulo 17.
whuber

Respostas:

25

A prova geral disso pode ser encontrada em Feller (Uma Introdução à Teoria das Probabilidades e Suas Aplicações, Vol. 2) . É um problema de inversão envolvendo a teoria das transformadas de Laplace. Você notou que o mgf tem uma semelhança impressionante com a transformada de Laplace? Para uso da Transformação de Laplace, você pode ver Widder (Calcus Vol I) .

Prova de um caso especial:

Suponha que X e Y sejam variáveis ​​aleatórias, ambos tendo apenas valores possíveis em { }. Além disso, suponha que X e Y tenham o mesmo mgf para todos t: n x = 0 e t x f X ( x ) = n y = 0 e t y f Y ( y ) Para simplificar, vamos deixar s = e te definiremos c i = f0,1,2,,n

x=0netxfX(x)=y=0netyfY(y)
s=et para i = 0 , 1 , , n .ci=fX(i)fY(i)i=0,1,,n

x=0netxfX(x)y=0netyfY(y)=0
x=0nsxfX(x)y=0nsyfY(y)=0
x=0nsxfX(x)x=0nsxfY(x)=0
x=0nsx[fX(x)fY(x)]=0
x=0nsxcx=0 s>0
c0,c1,,cnc0=c1==cn=00=ci=fX(i)fY(i)i=0,1,,n

fX(i)=fY(i)i=0,1,,n

XYXY

Argha
fonte
1
Principalmente a função de geração de momento determina exclusivamente a distribuição.
Argha 23/08/12
8

O teorema que você está discutindo é um resultado básico na teoria da probabilidade / medida. As provas provavelmente seriam encontradas em livros sobre probabilidade ou teoria estatística. Encontrei o resultado análogo para funções características dadas em Hoel Port e Stone, pp 205-208

Tucker pp 51-53

e Chung pp 151-155 Esta é a terceira edição. Tenho a segunda edição e refiro-me aos números de página da segunda edição publicada em 1974.

A prova para o mgf que achei mais difícil de encontrar, mas você pode encontrá-la no livro de Billingley "Probability and Measure", pp. 342-345. Na página 342, o teorema 30.1 fornece o teorema que responde ao problema do momento. Na página 345 Billingsley declara o resultado que, se uma medida de probabilidade tem uma função geradora de momento M (s) definida em um intervalo em torno de 0, a hipótese do Teorema 30.1 é satisfeita e, portanto, a medida é determinada por seus momentos. Mas esses momentos s são determinados por M (s). Portanto, a medida é determinada por sua função geradora de momento se M (s) existe em uma vizinhança de 0. Portanto, essa lógica, juntamente com a prova que ele fornece para o Teorema 30.1, prova o resultado. Billingsley também comenta que a solução para o exercício 26.

Michael R. Chernick
fonte
6
Onde é isso em Chung? Você quis dizer as páginas 161-165, por acaso? Mesmo assim, isso lida com funções características , não funções geradoras de momento , conforme solicitado pelo OP.
cardeal
1
@ cardinal Sim, eu sei. Mencionei o resultado para funções características, porque foi o que encontrei até agora. Como eu disse, os números de página em Chung são baseados na segunda edição que eu tenho. Não sei onde aparece na terceira edição. Eu acho que deveria haver algumas fontes que terão o resultado para mgfs.
Michael R. Chernick
1
Eu votei, porque agradeço sua resposta também, por isso, obrigado por dedicar um tempo.
Chris Simokat
2

XMX(t)=EetX

δ>0 0MX(t)=MY(t)<t(-δ,δ)FX(t)=FY(t)tR

Para provar que a função de geração de momentos determina a distribuição, há pelo menos duas abordagens:

  • MX(-δ,δ)XFX(EXk)kN, which are in turn determined by MX. This proof can be found in Section 30 of Billingsley, P. Probability and Measure.

  • To show that MX is analytic and can be extended to (δ,δ)×iRC, so that MX(z)=EezX, so in particular MX(it)=φX(t) for all tR, and then use the fact that φX determines FX. For this approach, see Curtiss, J. H. Ann. Math. Statistics 13:430-433 and references therein.

At undergraduate level, almost every textbook works with the moment generating function and states the above theorem without proving it. It makes sense, because the proof requires far more advanced mathematics than undergraduate level allows.

At the point when students have all the tools needed in the proof, they also have the maturity to work with the characteristic function φX(t)=EeitX instead. Almost every graduate textbook takes this path, they prove that the characteristic function determines the distribution and basically ignore moment generating functions altogether.

user334639
fonte
Today, mgfs shouldnt be ignored as thry are much more useful numerically than the characteristic function
kjetil b halvorsen
1
Indeed! And yet I have never seen a textbook that emphasizes numerical methods but has deep enough math to give a proof of the Uniqueness Theorem.
user334639