跳到主要内容

考纲要求 — Probability Generating Functions

4.5 Probability Generating Functions​

1. 概率生成函数的定义 (Definition of PGF)​

离散随机变量 XX 的概率生成函数定义为:

GX(t)=E[tX]=∑xP(X=x)txG_X(t) = E[t^X] = \sum_{x} P(X = x) t^x

其中求和遍及 XX 的所有可能取值。GX(t)G_X(t) 是 tt 的函数,定义域为使级数收敛的 tt 值(通常 ∣t∣≤1|t| \le 1)。

性质:

  • GX(1)=∑P(X=x)=1G_X(1) = \sum P(X = x) = 1
  • GX(0)=P(X=0)G_X(0) = P(X = 0)

2. 常用分布的 PGF (PGFs of Standard Distributions)​

离散均匀分布 (Discrete Uniform)​

若 X∼DU(n)X \sim \text{DU}(n),即 P(X=x)=1nP(X = x) = \frac{1}{n},x=1,2,…,nx = 1, 2, \dots, n:

GX(t)=1n(t+t2+⋯+tn)=t(1−tn)n(1−t)G_X(t) = \frac{1}{n}(t + t^2 + \cdots + t^n) = \frac{t(1 - t^n)}{n(1 - t)}

二项分布 (Binomial)​

若 X∼B(n,p)X \sim B(n, p),P(X=x)=(nx)px(1−p)n−xP(X = x) = \binom{n}{x}p^x(1-p)^{n-x}:

GX(t)=∑x=0n(nx)(pt)x(1−p)n−x=(1−p+pt)nG_X(t) = \sum_{x=0}^{n} \binom{n}{x}(pt)^x (1-p)^{n-x} = (1-p + pt)^n

记 q=1−pq = 1-p,则 GX(t)=(q+pt)nG_X(t) = (q + pt)^n。

几何分布 (Geometric)​

若 X∼Geo(p)X \sim \text{Geo}(p),P(X=x)=p(1−p)x−1P(X = x) = p(1-p)^{x-1},x=1,2,3,…x = 1, 2, 3, \dots:

GX(t)=∑x=1∞p(qt)x−1=pt1−qtG_X(t) = \sum_{x=1}^{\infty} p(qt)^{x-1} = \frac{pt}{1 - qt}

其中 q=1−pq = 1-p,|t| < \frac{1}{q}。

泊松分布 (Poisson)​

若 X∼Po(λ)X \sim \text{Po}(\lambda),P(X=x)=e−λλxx!P(X = x) = \frac{e^{-\lambda}\lambda^x}{x!}:

GX(t)=∑x=0∞e−λ(λt)xx!=eλ(t−1)G_X(t) = \sum_{x=0}^{\infty} e^{-\lambda} \frac{(\lambda t)^x}{x!} = e^{\lambda(t-1)}

3. 均值和方差的 PGF 求法 (Mean and Variance via PGF)​

对 GX(t)G_X(t) 在 t=1t = 1 处求导:

G′(t)=ddtGX(t),G′′(t)=d2dt2GX(t)G'(t) = \frac{d}{dt}G_X(t), \quad G''(t) = \frac{d^2}{dt^2}G_X(t) E[X]=G′(1)=ddtGX(t)∣t=1E[X] = G'(1) = \left. \frac{d}{dt} G_X(t) \right|_{t=1} E[X(X−1)]=G′′(1)=d2dt2GX(t)∣t=1E[X(X-1)] = G''(1) = \left. \frac{d^2}{dt^2} G_X(t) \right|_{t=1}

方差公式:

Var(X)=E[X2]−(E[X])2=E[X(X−1)]+E[X]−(E[X])2\text{Var}(X) = E[X^2] - (E[X])^2 = E[X(X-1)] + E[X] - (E[X])^2

即:

Var(X)=G′′(1)+G′(1)−[G′(1)]2\boxed{\text{Var}(X) = G''(1) + G'(1) - [G'(1)]^2}

4. 独立随机变量和的 PGF (PGF of Sum of Independent RVs)​

若 XX 与 YY 独立,则:

GX+Y(t)=GX(t)⋅GY(t)G_{X+Y}(t) = G_X(t) \cdot G_Y(t)

推广到 nn 个独立同分布随机变量 X1,X2,…,XnX_1, X_2, \dots, X_n,令 Sn=X1+X2+⋯+XnS_n = X_1 + X_2 + \cdots + X_n:

GSn(t)=[GX(t)]nG_{S_n}(t) = [G_X(t)]^n

这一性质常用于:

  • 由各变量分布求和的分布
  • 反推:已知 GSn(t)=[GX(t)]nG_{S_n}(t) = [G_X(t)]^n,开 nn 次方求 GX(t)G_X(t)

5. PGF 与分布的一一对应​

PGF 与概率分布一一对应。若两个随机变量有相同的 PGF,则它们同分布。这一性质用于:

  • 识别分布类型(如 PGF 为 (q+pt)n(q+pt)^n 形式则 X∼B(n,p)X \sim B(n, p))
  • 验证分布假设是否合理