n****n 发帖数: 101 | 1 如果N个变量x_i,知道其概率密度函数f(x_i),那么通过矩母函数,可以知道为M(x_i)=
∫e^x*f(x)dx.
现在求其各变量之和的密度函数,通过矩母函数,
M(X)=M(x_1+x_2+...x_n)=M(x_1)*...*M(x_n)=∫e^x_1*f(x_1)dx*...*∫e^x_n*f(x_n
)dx=∫e^X*f(X)dX.
然后就可以计算出f(X)了吗?
以上推导过程有无遗漏? | H****h 发帖数: 1037 | 2 必须假设这些变量是全部独立的。从特征函数反推密度函数不一定容易计算。
_n
【在 n****n 的大作中提到】 : 如果N个变量x_i,知道其概率密度函数f(x_i),那么通过矩母函数,可以知道为M(x_i)= : ∫e^x*f(x)dx. : 现在求其各变量之和的密度函数,通过矩母函数, : M(X)=M(x_1+x_2+...x_n)=M(x_1)*...*M(x_n)=∫e^x_1*f(x_1)dx*...*∫e^x_n*f(x_n : )dx=∫e^X*f(X)dX. : 然后就可以计算出f(X)了吗? : 以上推导过程有无遗漏?
| n****n 发帖数: 101 | 3 是啊,所有变量都可以假设为全部独立,并且同样的均匀分布的与一区间,但是不同变
量分布于不同区间。
就是说可以这样计算其和的特征函数,然后再逆推其密度函数?
后面的交给别人完成就可以了,我只负责前面的,只需要知道可以这样做。
【在 H****h 的大作中提到】 : 必须假设这些变量是全部独立的。从特征函数反推密度函数不一定容易计算。 : : _n
|
|