Funções geradoras de probabilidade
Introduzido| English | Significado |
|---|---|
| discrete distribution/dɪˈskriːt ˌdɪstrɪˈbjuːʃn/ | distribuição discreta |
| probability generating function/ˌprɒbəˈbɪlɪti ˈdʒenəreɪtɪŋ ˈfʌŋkʃn/ | função geradora de probabilidades |
| coefficient/ˌkəʊɪˈfɪʃənt/ | coeficiente |
| variance/ˈveərɪəns/ | variância |
| derivative/dɪˈrɪvətɪv/ | derivada |
| independent/ˌɪndɪˈpendənt/ | independente |
A distribution in a single function
- A discrete distribution 离散分布 is a list of probabilities — clumsy to manipulate.
- A probability generating function 概率母函数 (PGF) packs the whole list into one tidy function, turning hard probability sums into easy calculus.
Laboratório de função geradora de probabilidade
G(x) = p0 + p1 x + p2 x^2 + ...
Altere x e veja como uma PGF armazena probabilidades em potências de x.
Defining the PGF
- For a discrete variable $X$ taking values $0, 1, 2, \dots$:
- The coefficient 系数 of $t^x$ is exactly $P(X = x)$ — the function encodes the distribution.

A probability generating function stores all the probabilities as coefficients
A função geradora de probabilidade de X é definida como:
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
G(t) = E(tˣ) = Σ P(X=x) tˣ.
Mean and variance 方差 from derivatives 导数
- Differentiate and evaluate at $t = 1$:
Worked example. $G(t) = 0.5 + 0.3t + 0.2t^2$. Then $G'(t) = 0.3 + 0.4t$, so $E(X) = G'(1) = 0.3 + 0.4 = 0.7$.
X tem G(t) = 0.5 + 0.3t + 0.2t². Como E(X) = G′(1) e G′(t) = 0.3 + 0.4t, qual é E(X)?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
G'(1) = 0.3 + 0.4(1) = 0.7.
A média é encontrada da PGF via E(X) = G′(______).
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
E(X) = G'(1).
Sums of independent 独立 variables
- The single most useful property: the PGF of a sum of independent variables is the product of their PGFs:
- This makes adding independent variables (e.g. total of several dice) almost effortless.
Para qualquer PGF válida, qual é o valor de G(1)?
Dificuldade 2/5 · Moedas 140 + pequeno bônus na primeira conclusão hoje
G(1) = Σ P(X=x) = 1, já que as probabilidades somam 1.
A PGF de uma soma de duas variáveis independentes é a soma das suas PGFs.
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
Falso. Para X e Y independentes, G_{X+Y}(t) = G_X(t) G_Y(t): as PGFs multiplicam-se.
Check it's a valid PGF
$G(1)$ must equal 1. Since $G(1) = \sum P(X = x)$, a valid PGF always gives $G(1) = 1$ — a quick sanity check before you differentiate.
You've got it
- PGF: $G(t) = E(t^X) = \sum P(X=x)\,t^x$ (and $G(1) = 1$)
- $E(X) = G'(1)$; $\text{Var}(X) = G''(1) + G'(1) - (G'(1))^2$
- the PGF of a sum of independent variables is the product of their PGFs
Write from the data: find the expectation
- A probability generating function is 0.2 plus 0.5 t plus 0.3 t squared.
- Find the expectation from the derivative at 1. A valid generating function equals 1 at t = 1.
Para G(t) = 0.2 mais 0.5 t mais 0.3 t ao quadrado, qual é E(X), e o que deve ser G(1)?
A expectativa é a derivada da função geradora em 1. As próprias probabilidades devem somar 1.
Qual é E(X)?
Dificuldade 1/5 · Moedas 100 + pequeno bônus na primeira conclusão hoje
0.5 mais 0.6 é 1.1. Outras opções — 0.7 (a expectativa da lição); 1 (o valor de G(1)).