假设我有一个联合矩生成函数用于CDF的联合分布。是两个必要的和足够的用于独立条件和?我检查了几本教科书,只提到了必要性:MX,Y(s,t)FX,Y(x,y)MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)XY
FX,Y(x,y)=FX(x)⋅FY(y)⟹MX,Y(s,t)=MX(s)⋅MY(t)
该结果很明显,因为独立性意味着。由于边际的MGF由联合MGF决定,我们具有:MX,Y(s,t)=E(esX+tY)=E(esX)E(etY)
X,Y independent⟹MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)
但是在网上搜索后,我发现相反的情况只是短暂的参考,没有证据。以下草图证明可行吗?
给定联合MGF,这唯一地确定和及其MGF 的边际分布,
和。仅边际与许多其他可能的联合分布兼容,并且唯一地确定和独立的联合分布,其中CDF和MGF:MX,Y(s,t)XYMX(s)=MX,Y(s,0)MY(t)=MX,Y(0,t)XYFindX,Y(x,y)=FX(x)⋅FY(y)
MindX,Y(s,t)=MX(s)⋅MY(t)=MX,Y(s,0)⋅MX,Y(0,t)
因此,如果我们得到原始MGF的,则为足以显示。然后根据MGF的唯一性,我们原始的联合分布为和和是独立的。MX,Y(s,t)=MX,Y(s,0)⋅MX,Y(0,t)MX,Y(s,t)=MindX,Y(s,t)FX,Y(x,y)=FindX,Y(x,y)=FX(x)⋅FY(y)XY