黃佳佳　夏天

摘? 要：再生散度模型是一個(gè)分布族，它包括許多常見的分布，比如：正態(tài)分布、二項(xiàng)分布、Poisson分布、Gamma分布和逆Gauss分布等。關(guān)于再生散度模型的概率密度函數(shù)的積分的求導(dǎo)性質(zhì)，文獻(xiàn)中已有研究。在一些適當(dāng)?shù)恼齽t條件下，對(duì)于再生散度模型的概率密度函數(shù)的積分，關(guān)于其參數(shù)的求導(dǎo)運(yùn)算可以通過(guò)積分號(hào)來(lái)進(jìn)行。該文主要研究利用這個(gè)性質(zhì)，來(lái)求隨機(jī)變量的數(shù)學(xué)期望和方差。最后通過(guò)實(shí)例說(shuō)明了這種方法是有效的并且比傳統(tǒng)方法更簡(jiǎn)單。

關(guān)鍵詞：再生散度模型? 數(shù)學(xué)期望? 方差? 隨機(jī)變量

中圖分類號(hào)：O211 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）11（b）-0194-02

Abstract： Reproductive dispersion models are a family of distributions， which include many common distributions such as normal， binomial， Poisson， Gamma， inverse Gauss， and so on. The derivative property of integral of probability density function of reproductive dispersion models has been studied in literature. Under some appropriate regular conditions，the derivatives of integrals with respect to probability density function of the reproductive dispersion models can be computed under the integral sign.This paper mainly studies that the mathematical expectation and variance of some random variables can be obtained by using this property. Finally， an example shows that this method is effective and simpler than the traditional method.

Key Words： Reproductive dispersion models; Mathematical expectation; Variance; Random variables

求隨機(jī)變量的數(shù)學(xué)期望和方差是概率論課程的重要內(nèi)容。關(guān)于數(shù)學(xué)期望和方差的計(jì)算，教材中的方法是根據(jù)他們定義來(lái)求，這種方法有時(shí)比較繁瑣[1]。該文研究利用再生散度模型的概率密度函數(shù)的積分性質(zhì)，來(lái)求隨機(jī)變量的數(shù)學(xué)期望和方差。其方法比教材中的方法要簡(jiǎn)單。

再生散度模型（reproductive dispersion models）是一類重要的統(tǒng)計(jì)分布族，它包括正態(tài)分布、二項(xiàng)分布、Poisson分布、Gamma分布和逆Gauss分布等許多常見的分布。1997年，Jorgensen給出了再生散度模型的定義，研究了再生散度模型的一些重要性質(zhì)[2]。比如：給出了再生散度模型的密度函數(shù)的鞍點(diǎn)逼近。2010年，Xia and Wang研究了再生散度模型的概率密度函數(shù)的積分性質(zhì)，指出在一些正則條件下，對(duì)再生散度模型的概率密度函數(shù)的積分，關(guān)于其參數(shù)求導(dǎo)運(yùn)算可以通過(guò)積分號(hào)來(lái)進(jìn)行[3]。該文主要研究利用這個(gè)性質(zhì)，來(lái)求隨機(jī)變量的數(shù)學(xué)期望和方差。

1? 定義

如果隨機(jī)變量Y關(guān)于某個(gè)適當(dāng)?shù)臏y(cè)度的概率密度函數(shù)可表示為：

（1）

其中a（.;.）≥0為某一合適的已知函數(shù);d（.;.）為定義在C×Ω上的單位偏差度（unit deviance）函數(shù)，，Ω是一開區(qū)間，凸支撐集C為包含S的最小區(qū)間，S是概率密度函數(shù)的支撐集，d（.;.）滿足正定性條件：

（2）

其中μ∈Ω為位置（position）參數(shù)，σ2>0為散度（dispersion）參數(shù)，則稱Y服從參數(shù)為μ和σ2再生散度分布模型（reproductive dispersion models），簡(jiǎn)記為Y～DM（μ，σ2）。

2? 再生散度模型的概率密度函數(shù)的積分的求導(dǎo)性質(zhì)

設(shè)T（Y）是的Y函數(shù)，v（.）是某個(gè)適當(dāng)?shù)臏y(cè)度，為了研究導(dǎo)數(shù)：

在什么時(shí)候能通過(guò)積分號(hào)，Xia and Wang給出以下條件和定理[3]。

條件：

（A1）d（y;μ）是的二階可微函數(shù)，d（y;μ）關(guān)于μ的一階、二階導(dǎo)數(shù)均在C×Ω上連續(xù);A2μ0是Ω的任意點(diǎn)d（y;μ0），d'（y;μ0），關(guān)于y在集合C上一致成立，其中d'（y，μ）。

定理1（見Xia and Wang的定理2.1）：如果正則條件（A1），（A2）成立，且對(duì)所有μ∈Ω，ET（Y），ET（Y）d'（Y，μ），ET（Y）（d'（Y;μ））2，ET（Y）d''（Y;μ）均存在并且是有限的，那么積分T（y）α（y;σ2）expdv（y）關(guān)于μ的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)均可以在積分號(hào)下進(jìn)行。

推論1（見Xia and Wang的推論2.1）：假設(shè)正則條件（A1）和（A2）成立。進(jìn)一步假設(shè)對(duì)于所有μ∈Ω，E（d（Y;μ））2，Ed''（Y;μ）均存在并且是有限的，那么下面等式成立：

E（d'（Y;μ））=0，E（d'（Y;μ））2=2σ2>E（d''（Y;μ）? ? ? ? ? ? （3）

3? 性質(zhì)的應(yīng)用

該節(jié)研究如何利用上面介紹的再生散度模型的概率密度函數(shù)的積分的求導(dǎo)性質(zhì)，來(lái)求一些常見的隨機(jī)變量的數(shù)學(xué)期望和方差。由于積分T（y）α（y;σ2）exp中的v（.）是某個(gè)適當(dāng)?shù)臏y(cè)度，故當(dāng)v（y）是Lebesgue測(cè)度時(shí)，被積函數(shù)正是連續(xù)型隨機(jī)變量的概率密度函數(shù)，這時(shí)，利用定理1和推論1的結(jié)論，可以求出連續(xù)型隨機(jī)變量的數(shù)學(xué)期望和方差。下面舉例說(shuō)明。

例1：設(shè)隨機(jī)變量Y～N（μ，σ2）求其數(shù)學(xué)期望和方差。

為了比較方法的優(yōu)劣，該題中給出了多種解法。

解法1：傳統(tǒng)的方法，即用定義求數(shù)學(xué)期望和方差。

因?yàn)閅～N（μ，σ2），故其概率密度函數(shù)為：

于是

令，則有

令則有：

從而可得：

上面的解法是傳統(tǒng)的解法，即用定義求解。下面我們利用再生散度模型的概率密度函數(shù)的積分求導(dǎo)性質(zhì)來(lái)求其E（Y），D（Y）。

分析：因?yàn)閅的概率密度函數(shù)為：

其中，d（y：μ）=（y-μ）2，（y，μ）∈R×R可見它屬于再生散度模型，因此可以利用再生散度模型的概率密度函數(shù)的積分的求導(dǎo)性質(zhì)來(lái)求其E（Y），D（Y）。

解法2：?jiǎn)挝黄疃群瘮?shù)為：d（y：μ）=（y;μ）2，

從而d'（y：μ）=-2（y-μ），d''（y：μ）=2

易見正則條件（A1），（A2）均成立。又顯然E（d'（Y;μ）2），Ed''（Y;μ）對(duì)任何均存在且有限，于是由推論1知，公式（3）成立，即有：

Ed'（Y;μ）=0，E（d'（Y;μ）2）=2σ2Ed''（Y;μ）。

由（3）的第一個(gè)等式可得：

Ed'（Y;μ）=E[-2（Y-μ）]=-2[E（Y）-μ]=0

解得E（Y）=μ。

由（3）的第二個(gè)等式可得：

E（-2（Y-μ））2=2σ2×E（2），

即有D（Y）=E（Y-μ）2=σ2。

解法3：不用公式（3），用定理1的結(jié)論也可以求得E（Y），D（Y）。易知定理1的條件均成立，因此由定理1知，積分

關(guān)于μ的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)可以通過(guò)積分號(hào)，即在積分號(hào)下進(jìn)行求導(dǎo)運(yùn)算。

因?yàn)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（4）

將（4）式兩邊對(duì)μ求導(dǎo)數(shù)可得：

即有? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （5）

從而

將（5）兩邊再對(duì)μ求導(dǎo)數(shù)可得：

從而D（Y）=σ2。

注：3種方法的比較。方法1解題比較繁瑣;方法2解題簡(jiǎn)單，但要記憶公式;方法3不需要記公式，只要在等式∫∞-∞p（y;μ，σ2）dy=1兩邊關(guān)于未知參數(shù)μ求導(dǎo)，就可以求得隨機(jī)變量的數(shù)學(xué)期望和方差，其方法更為簡(jiǎn)捷。

從上述的例題可以發(fā)現(xiàn)，利用再生散度模型的概率密度函數(shù)的積分的求導(dǎo)性質(zhì)可以求出隨機(jī)變量的數(shù)學(xué)期望和方差，其方法是有效的且比教材中的方法更為簡(jiǎn)便，它豐富和發(fā)展了傳統(tǒng)的方法。

參考文獻(xiàn)

[1] 盛驟，謝式千，潘承毅.概率論與數(shù)理統(tǒng)計(jì)[M].4版.北京：高等教育出版社，2008：90-112.

[2] Jorgensen，B. The Theory of? Dispersion Models[M]. London： Chapman and Hall，1997：1-30.

[3] Xia， T.， Wang，Y.B. A note on the properties of the reproductive dispersion model[J].Statistics and probability letters，2010（80）：1397-1404.