3.4.1 Bağımsız aynı dağılımlı X 1 ve X 2 rasgele değişkenlerinin olasılık yoğunluk fonksiyonu
1/ , 0
( ) 0 , . .
f x x
d y
olmak üzere Y 1 min( X X 1 , 2 ) ve Y 2 max( X X 1 , 2 ) rasgele değişkenlerini tanımlayalım.
( ) 1
E Y , E Y ( ) 2
ve E Y Y ( / 1 2 )
değerlerini hesaplayınız.
Çözüm: Y 1 ve Y 2
rasgele değişkenlerinin marjinal olasılık yoğunluk fonksiyonları,
1
1 1
1
2 1 , 0
( )
0 , . .
Y
y y
f y
d y
,
2
2 2
2 2
2 , 0
( )
0 , . .
Y
y y
f y
d y
ve Y 1 ve Y 2
nin ortak olasılık yoğunluk fonksiyonu da
1 2
2 1 2
, ( , 1 2 ) 2 , 0
0 , . .
Y Y y y
f y y
d y
dir (Casella ve Berger, 2002, sayfa 230). Marjinal olasılık yoğunluk fonksiyonlarından beklenen değerler E Y ( ) 1 / 3
ve E Y ( ) (2 ) / 3 2
olarak hesaplanmıştır. U Y Y 1 / 2 rasgele değişkeninin olasılık yoğunluk fonksiyonu için V Y 2 yardımcı dönüşümünü tanımlayalım. Ters dönüşümler Y 1 UV
ve Y 2 V olup Jacobien matrisi ve determinantı
1 1
2 2
0 1 ,
Y Y
U V v u
J Y Y
U V
det( ) J v
şeklinde hesaplanmıştır. U ve V nin sınırları, 0 u 1 ve 0 v olup ortak olasılık yoğunluk fonksiyonu,
2
, 2 , 0 1, 0
( , )
0 , . .
U V v u v
f u v
d y
dir. Ortak olasılık yoğunluk fonksiyonunun V nin değer kümesi üzerinden integrali
, 2
0 0
( , ) 2 1
U V
v v
f u v dv v dv
olduğundan U nun marjinal olasılık yoğunluk fonksiyonu,
1 , 0 1
( ) 0 , . .
U
f u u
d y
olup, ( ) 1/ 2 E U dır. Ayrıca, E Y ( ) 1 / 3
ve E Y ( ) (2 ) / 3 2
olduğundan,
1 1 2
2
( ) / 3 1
( ) ( / ) ( ) 2 / 3 2
E Y E U E Y Y
E Y
elde edilir. Genel olarak E Y ( ) / ( ) 1 E Y 2 E Y Y ( / 1 2 ) dir.
3.4.2 X 1 , , X n bağımsız aynı olasılık yoğunluk fonksiyonuna sahip rasgele değişkenler olsun. i 1, 2,3,..., n için X
ilerin olasılık yoğunluk fonksiyonu
, 0
( ) 0 , . .
k k
k x
X k e x
f x
d y
olarak verildiğinde Y min( X 1 , , X n ) olmak üzere P Y ( X k ) olasılığını hasaplayınız.
Çözüm: Önce, Y nin olasılık yoğunluk fonksiyonunu bulalım. Y nin dağılım
fonksiyonu, 1 2 ... n
olmak üzere,
1 2 1 2
( ) ( ) (min{ , ,..., } ) 1 (min{ , ,..., } )
Y n n
F y P Y y P X X X y P X X X y
1 2
1 1
1 , ,..., n 1 n ( i ) 1 n i
ix
i i y
P X y X y X y P X y e dx
1 2
( ... )
1 1
1 n
ix 1 n
iy 1
ny 1 y
i x y i
e e e e
olup, olasılık yoğunluk fonksiyonu,
, 0
( ) 0 , . .
y
Y e y
f y d y
olarak elde edilmiştir. Buradan da P Y ( X k ) olasılığı da,
1 2 1 1
1 2 1 1
0
1 2 1 1
0
( , ,..., , ,..., )
( , ,..., , ,.. | ) ( )
( , ,..., , ,.. ) ( )
k
k
k k k k k k k n k
k k k k k k n k k X
k k n X
P Y X P X X X X X X X X X X
P X X X X X X X X X X X t f t dt
P X t X t X t X t X t f t dt
1 2
1 2
( ... )
1, 1
0 0 0
( ... )
1 2 0 1 2
( ... ) ( ... )
i k
i
nn
n t t n t t
k k k
i i k i
k t k
n t n
e e dt e dt e dt
e
olarak bulunmuştur.
3.4.3 Beklenen değeri , varyansı 2 olan bağımsız aynı dağılımlı rasgele değişkenlerin dizisi { X n , n } olsun. Ayrıca, X i rasgele değişkenlerinden bağımsız, negatif değerler almayan sonlu beklenen değer ve varyansa sahip kesikli bir rasgele değişken de N olsun. S 0 0 ve S n X 1 X 2 X n olacak şekilde S N rasgele
değişkenini tanımlayalım. E S ( N ) , E S ( N 2 ) ve Var S ( N ) değerlerini hesaplayınız.
Çözüm: Önce, E S ( N ) değerini hesaplayalım. N n verildiğinde,
1 2
( ) n ( n )
E S E X X X n olduğundan E S ( N ) beklenen değeri
1 1 1
( N ) N | ( ) n ( ) ( ) ( )
n n n
E S E S N n P N n E S P N n n P N n E N
olarak bulunur. Benzer şekilde N n verildiğinde, Var S ( ) n ve E S ( n 2 ) değerleri de
1 2 2
( ) n ( n )
Var S Var X X X n ve E S ( n 2 ) Var S ( ) ( ( )) n E S n 2
olup, E S ( N 2 ) beklenen değeri
2 2 2
1 1
2 2 2 2
1 1
2 2 2 2 2 2
1 1
( ) | ( ) ( )
( ) ( ( )) ( ) ( )
( ) ( ) ( ) ( )
N N n
n n
n n
n n
n n
E S E S N n P N n E S P N n
Var S E S P N n n n P N n
n P N n n P N n E N E N
şeklinde bulunmuştur. Son olarak varyansın tanımından,
2 2 2 2 2 2 2
2 2 2 2 2 2
( ) ( ) ( ( )) ( ) ( ) ( ( ))
( ) [ ( ) ( ( )) ] ( ) ( )
N N N
Var S E S E S E N E N E N
E N E N E N E N Var N
elde edilir.
3.4.4 X ve Y nin ortak olasılık yoğunluk fonksiyonu, 0 için 1
2 2
2 2
1 1
( , ) exp 2 , ,
2(1 )
2 1
f x y x y x y x y
şeklinde verilmiş olsun.
a) U X Y ve V Y nin ortak olasılık yoğunluk fonksiyonunu bulunuz.
b) U X Y ve V X Y nin ortak olasılık yoğunluk fonksiyonunu bulunuz.
Çözüm: a) Ters dönüşümler X U V ve Y V olup Jacobien matrisi ve determinantı,
1 1
0 1 X
X
U V
J Y Y
U V
ve det( ) 1 J
şeklinde hesaplanmıştır. Buradan U ve V nin ortak olasılık yoğunluk fonksiyonu,
2 2
, 2 2
1 1
( , ) exp ( ) 2 ( )
2(1 ) 2 1
f
U Vu v u v v u v v
2 2 2
2 2
2 2
2 2
1 1
exp (1 )
2(1 ) 2 1
1 1
exp exp ( ) ( )
2 2 2(1 )
2 (1 )
U Vu v
u v
f u f v
dir. Görüldüğü gibi, U ve V bağımsız rasgele değişkenlerdir.
b) Ters dönüşümler X ( U V ) / 2 ve Y ( U V ) / 2 olup Jacobien matrisi ve determinantı
1 1
2 2
1 1
2 2
X X
U V
J Y Y
U V
ve
det( ) 1 J 2
dir. Buradan, U ve V nin ortak olasılık yoğunluk fonksiyonu
2 2
, 2 2
1 1
( , ) exp 2
2 2 2 2
2(1 )
4 1
U V u v u v u v u v
f u v
2 2
2 2
1 1
exp ( ) ( ) 2 ( )( )
8(1 )
4 1 u v u v u v u v
2 2 2 2
2 2
1 1
exp (1 ) (1 )
4(1 )
4 1
u v
olarak bulunur. Ayrıca, f U V , ( , ) u v f U ( ) u f v V ( )
olması için gerek ve yeter koşul 0 olmasıdır.
3.4.5 Bağımsız X 1 ve X 2 rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu,
1 2
1 2
1 , 0 1 , 0 1
( , )
0 , . .
x x
f x x
d y
olarak verilsin. Y 1 ( 2ln( X 1 )) 1/2 cos(2 X 2 ) ve Y 2 ( 2ln( X 1 )) 1/2 sin(2 X 2 ) rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonunu bulunuz.
Çözüm: Ters dönüşümler,
2 2
1 2
( ) / 2
2 2
1 2 2ln( 1 ) 1 Y Y
Y Y X X e ve
1 1
2 2
2 2
tan(2 ) 1
2
Y Y
X X arctg
Y Y
olup kısmi türevler,
2 2 2 2
1 2 1 2
( )/2 ( )/2
1 1
1 2
1 2
e Y Y , e Y Y
X X
Y Y
Y Y
2 2 2 1
2 2 2 2
1 1 2 2 1 2
1 1
2 , 2
X Y X Y
Y Y Y Y Y Y
şeklindedir. Buradan Jacobien matrisi ve determinantı ise
2 2 2 2
1 2 1 2
2 2
1 2
( )/2 ( )/2
1 2
( )/2
2 1
2 2 2 2
1 2 1 2
e e
, det( ) 1 e
1 1 2
2 2
Y Y Y Y
Y Y
Y Y
J Y Y J
Y Y Y Y
olup Y 1 ve Y 2
nin ortak olasılık yoğunluk fonksiyonu,
2 2
1 2
1 2
( )/2
, 1 2 1 1 2
( , ) e , ,
2
y y
f Y Y y y y y
olarak elde edilmiştir. Ayrıca, her y y 1 , 2 için
2 2
1 2
1 2 1 2
1 1
2 2
, 1 2 1 1 1 2
( , ) e e ( ) ( )
2 2
y y
Y Y Y Y
f y y f y f y
olduğundan Y 1 ve Y 2
bağımsızdır. Bu dönüşümler (literatürde Box-Müller metodu olarak bilinir) normal dağılımdan veri üretmek için kullanılmaktadır. Monte-Carlo yöntemi tamamen bu dönüşüme dayanır.
3.4.6 X 1 , , X n bağımsız aynı dağılıma sahip rasgele değişkenleri
(1/ ) / , 0
( ) 0 , . .
e x x
f x d y
olasılık yoğunluk fonksiyonuna sahip olsun.
1 min{ , , 1 n }
Y X X , Y 2 İkinci en küçük{ , , X 1 X n } ,
3 Üçüncü en küçük{ , , 1 n }
Y X X … Y n max{ , , X 1 X n }
olmak üzere, Y i ve Y j
rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu, y i y j
için
1
,
1
( , ) ! ( ) ( ) ( )
( 1)!( 1)!( )!
*[ ( ) ( )] [1 ( )]
i j
Y Y i j X i X j i i
j i n j
j i j
f y y n f y f y F y
i j i n j
F y F y F y
ve Y Y 1 2 , , Y n rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu da,
1
1 2
, , 1 1
! ( ) ,
( , , )
0 , . .
i n
n
X i n
Y Y n i
n f y y y y
f y y
d y
şeklindedir. Buna göre, a) R Y n Y 1
rasgele değişkeninin olasılık yoğunluk fonksiyonunu bulunuz.
b) U 1 Y 1 , U 2 Y 2 Y U 1 , 3 Y 3 Y 2 , ..., U n Y n Y n 1
rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonunu bulunuz.
Çözüm: a) X in dağılım fonksiyonu, x 0 için F x ( ) 1 e x / olup Y 1
ve Y n rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu (Teorem 6.4.1),
1
, 1 ! 1 1 2 1
( , ) ( ) ( )[ ( ) ( )] ,
( 1 1)!
n
Y Y n n X X n n n n
f y y f y f y F y F y y y
n
şeklinde yazılır. Daha açık olarak, Y 1 ve Y n
rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu y 1 y n için,
1
1 1
1 1
, 1 1 1 2
( )/ / /
2 2
( )/ / /
2 2
( , ) ( 1) ( ) ( )[ ( ) ( )]
( 1) [(1 ) (1 )]
( 1) [ ]
n
n n
n n
Y Y n X X n n n
y y y y n
y y y y n
f y y n n f y f y F y F y
n n e e e
n n e e e
şeklindedir. Buradan, R nin olasılık yoğunluk fonksiyonu r 0 için,
2
/ ( ) / 2 2 / ( ) /
0
( ) ( 1) ( ) ( ) ( ) ( )
( 1)
R n
u u r n u u r
f r n n F u r F u f u f u r du
n n e e e e du
/ / 2 2 ( 2) / 2 / 0
/ / 2 2 / 1 / / 2
0
( 1) 1
( 1) 1 ( 1) [1 ]
r r n n u u
r r n nu r r n
n n e e e e du
n n e e e du n e e
integralinin sonucundan,
1 / / 2
( 1) 1 , 0
( )
0 , . .
r r n
R n e e r
f r
d y
şeklinde bulunmuştur.
b) Ters dönüşümler,
1 1 , 2 1 2 , 3 1 2 3 , ..., n 1 2 ... n Y U Y U U Y U U U Y U U U şeklinde olup Jacobien matrisi ve determinantı,
1 0 0 . . 0 1 1 0 . . 0 1 1 1 . . .
ve det( ) 1 . . . . . .
. . . . . . 1 1 1 1 1 1
J J
dir. Dolayısı ile, U i , i 1, 2,3,..., n rasgele değişkenlerinin ortak olasılık yoğunluk fonksiyonu,
1
1 2 3
1 2 3
1 2 3
, , 1 1 1 1 2 1 2
1
/ ( 1) / ( 2) / /
/ ( 1) / ( 2) / /
1 2 3
( , , ) ! ( ( , , )) ! ( ) ( )... ( ... )
! 1 ...
( 1) ( 2) 1
...
( ) ( ) ( ).
n i
n
n
n
U U n X i n X X X n
i
nu n u n u u
n
nu n u n u u
U U U
f u u n f y u u n f u f u u f u u u
n e e e e
n n n
e e e e
f u f u f u
.. ( )
U
nn
f u
şeklindedir. Burada,
( 1) /
( 1)
, 0
( )
0 , . .
k
n k u U
n k e u
f u
d y
olup, U 1 , , U n rasgele değişkenleri bağımsızdır.
3.4.7 X ve Y rasgele değişkenlerinin ortak dağılım fonksiyonu,
2
0 , , 0
( , ) 1 min( , ) , 0 , 1
2 2
1 , , 1
x y
F x y x y x y x y
x y
olarak verilmiş olsun.
a) X ve Y nin marjinal olasılık yoğunluk fonksiyonlarını bulunuz b) ( P Y 1/ 2 | X 1/ 2) koşullu olasılığını hesaplayınız.
c) Z min{ , } X Y rasgele değişkeninin olasılık yoğunluk fonksiyonunu bulunuz.
Çözüm: a) X ve Y rasgele değişkenlerinin marjinal dağılım fonksiyonları sırası ile,
, 1 2
( ) lim ( , ) ( )
X X Y 2
F x y F x y x x
, ,
( ) lim ( , ) 1 ( )
Y X Y 2
F y x F x y y y y
olup marjinal olasılık yoğunluk fonksiyonları da, (1/ 2) , 0 1
( ) 0 , . .
X
x x
f x
d y
,
1 , 0 1
( ) 0 , . .
Y
f y y
d y
dir.
b) ( P Y 1/ 2 | X 1/ 2) olasılığı X in marjinal olasılık yoğunluk fonksiyonundan,
( 1/ 2, 1/ 2) ( 1/ 2) ( 1/ 2, 1/ 2) ( 1/ 2 | 1/ 2)
( 1/ 2) 1 ( 1/ 2)
1 1 1 3
1 1 1 (1/ 4) (1/ 2)
2 4 16 16 3
2 2 2 2 0.3
3 5
1 1 1 1 10
1 2 4 2 8 8
P Y X P Y P Y X
P Y X
P X P X
şeklinde hesaplanmıştır.
c) Z min( , ) X Y rasgele değişkeninin değer kümesi, D Z [0,1] olup, dağılım fonksiyonu z 0 için F z Z ( ) 0 ve z için 1 F z Z ( ) 1 olduğu açıktır. Ayrıca, 0 z 1 için dağılım fonksiyonunun değeri de
2 3
( ) ( ) (min( , ) ) ( veya )
( ) ( ) ( , )
1 2 1
2 2 2
F z Z P Z z P X Y z P X z Y z P X z P X z P X z Y z
z z z z
z z z z
olduğundan Z nin dağılım fonksiyonu ve türevinden olasılık yoğunluk fonksiyonu
0 , 0
( ) 1 (2 )(1 ) , 0 1
2
1 , 0
Z
z
F z z z z z
z
,
2 (2 )
1 , 0 1
( ) 2
0 , . .
Z
z z
z z
f z
d y
şeklindedir.
3.4.8 Bağımsız X ve Y sürekli rasgele değişkenlerinin dağılım fonksiyonu ( ) F x ,
olasılık yoğunluk fonksiyonu f x ( ) olsun.
a) ( P X Y ) olasılığını hesaplayınız.
b) X ve Y rasgele değişkenlerinin olasılık yoğunluk fonksiyonları sırası ile,
1 , 0
( )
0 , . .
X x a
f x a
d y
1 , 0
( )
0 , . .
Y x b
f y b
d y
şeklinde verildiğinde ( P X Y ) olasılığını hesaplayınız.
c) b a ise Z X Y rasgele değişkeninin olasılık yoğunluk fonksiyonunu bulunuz.
Çözüm: a) Bu olasılık doğrudan,
( ) ( | ) ( ) ( ) ( ) (1 ( )) ( )
P X Y
P X Y Y y f y dy
P X y f y dy
F y f y dy
( ) 2 1 1
1 ( ) ( ) 1 1
2 2 2
y
F y f y dy F y
şeklinde bulunmuştur. Rasgele değişkenlerinin dağılım fonksiyonları farklı ise,
( ) ( | ) ( ) ( ) ( )
(1 ( )) ( ) 1 ( ) ( ) 1 ( ) 1 1 1
2 2
Y Y
X Y X Y Y X
P X Y P X Y Y y f y dy P X y f y dy
F y f y dy F y f y dy E F Y
olup ( P X Y ) olasılığı her iki durumda da aynıdır. Y sürekli rasgele değişken ise,
X ( )
U F Y rasgele değişkeninin olasılık yoğunluk fonksiyonu,
1 , 0 1
( ) 0 , . .
U
f u u
d y
olup ( ) 1/ 2 E U dır (Örnek 3.1.4).
b) a b ise ( , ) b a aralığında, f y Y ( ) 0 olup, a b için ( P X Y ) olasılığı
0 0 0
1 1
( ) 1 ( ) ( ) 1 1 1
2
b b b
X Y y b
P X Y F y f y dy dy y dy
a b ab a
dir. Şimdi, a b olsun. Bu durumda ( , ) a b aralığında F X ( ) 1 x olup, a b için
0 0 0
0
1 1
( ) 1 ( ) ( ) 1 1 1. ( )
1 1
1 2
b b a b
X Y Y
a
a b
a
y y
P X Y F y f y dy dy dy f y dy
a b a b
y dy dy a
ab b b
dir.
c) b a ise bağımsız X ve Y değişkenlerinin ortak olasılık yoğunluk fonksiyonu,
, 2
1 , 0 , ( , )
0 , . .
X Y
x y a
f x y a
d y
şeklindedir. Buradan, D Z [ a a , ] olup Z nin dağılım fonksiyonu z a için F z Z ( ) 0
ve z a için F z Z ( ) 1 dir. Ayrıca, F z Z ( ) P Z ( z ) P X Y ( z ) olup iki durum ayrı
ayrı incelenmelidir. a z 0 için F z Z ( ) değeri (şekildeki taralı alan)
2
2 2 2
0
1 1 ( )
( ) ( ) ( ) ( )
2
a y z a
Z
z z
F z P Z z P X Y z dx dy y z dy a z
a a a
olur.
Şekil 3.4.1 Problem (3.4.8) için fonksiyonun tanım bölgeleri
0 z a aralığında dağılım fonksiyonunun değeri için Şekil (3.4.1) de gösterilen A i bölgelerinin alanlarının bulunması gerekir. Şekilden de görüldüğü gibi, dağılım fonksiyonu aşağıda belirtilen alanların toplamıdır. Yani,
1 2 3 2
( ) ( ) ( ) ( ) /
F z Z P Z z P X Y z A A A a dir. Şekildeki bölgelerin alanları ( A 1 , A 2 ve A 3 bölgeleri)
1 2
( ) / 2 Alan A a
,
2 2
( ) / 2 Alan A z
ve
3 1 2
( ) 2( ) ( )
Alan A 2 z a z z a z olarak hesaplanmıştır.
1 2 3 2
( ) ( ) /
F z Z A A A a
olasılığından F z Z ( ) nin değeri 0 z a için,
2 2 2
1 2 3 2
2 2 2 2
2 2
( ) ( ) ( ) ( ) / 1 ( / 2) ( / 2) ( )
1 2 ( ) ( ) 2
2 2
F z Z P Z z P X Y z A A A a a z z a z
a
a z z a z a z z
a a
dir. İki sonuç birleştirildiğinde, Z nin dağılım fonksiyonu ve olasılık yoğunluk fonksiyonu
2 2
2 2
2
0 ,
( )
, 0
( ) 2
( ) 2
, 0
2
1 ,
Z
z a
a z a z
F z a
a z z
a z a
z a
,
2
2
( )
, 0
( )
, 0 ( )
0 , . .
Z
a z a z
a
a z z a
f z a
d y
şeklinde elde edilmiştir.
3.4.9 X X 1 , 2 , , X n dağılım fonksiyonu ( ) F x olan aynı dağılımlı bağımsız rasgele değişkenler olsun.
( ) 1 ,
0 , . .
i i
X t I X t
d y
olmak üzere,
1
ˆ ( ) n n ( i )
i
F t I X t
şeklinde verilen F t ˆ ( ) n rasgele değişkeninin olasılık fonksiyonunu bulunuz.
Çözüm: F t ˆ ( ) n , değer kümesi {0,1, 2,3,..., } n olan kesikli bir rasgele değişkendir.
( i )
I X t ler sadece 0 ve 1 değerlerini alan bağımsız rasgele değişkenler olup, ( ( i ) 1) ( i ) ( )
P I X t P X t F t ve
( ( i ) 0) ( i ) 1 ( i ) 1 ( ) P I X t P X t P X t F t dir. p F t ( ) ve Y i I X ( i t )
denirse, Y i
rasgele değişkenlerinin olasılık fonksiyonu, ( i ) y (1 ) 1 y , 0,1
P Y y p p y
şeklinde olup moment çıkaran fonksiyonu da q olmak üzere 1 p M t Y ( ) q p e t dir.
Buradan, Y i ler bağımsız ve 1 1 ˆ ( ) n n ( i ) n i
i i
F t I X t Y
olduğundan, F t ˆ ( ) n rasgele değişkeninin moment çıkaran fonksiyonu,
1 2
ˆ ( ) ...
1 1
( ) ( ) ( ) ( ) ( )
n i
n
n n
t t n
Y Y Y Y
F t i i
M t M t M t q pe q pe
dir. Bu fonksiyon da olasılık fonksiyonu, ( ) n x n x , 0,1, 2,...,
P X x p q x n
x
olan bir X rasgele değişkeninin moment çıkaran fonksiyonudur. O halde, F t ˆ ( ) n nin olasılık fonksiyonu ile, X in olasılık fonksiyonu aynıdır.
3.4.10 X X 1 , 2 , , X n olasılık fonksiyonu, 0 ve 1 p 1 q için, p
( ) x 1 , 1, 2,3,...
P X x p q x
olan bağımsız aynı dağılıma sahip rasgele değişkenler olsun. U X 1 X 2 X r rasgele değişkeninin olasılık fonksiyonunu bulunuz.
Çözüm: X i lerin moment çıkaran fonksiyonu q e t için
1
1 1 1
0
( ) ( ) ( ) ( )
( ) 1 1 1
1 1 1
t X t x t x x t x
X x x x
t t
t x
t t t
x
M t E e e P X x e p q p q e
q
p p p qe p e
q q e q qe q qe qe
olup X i ler bağımsız olduğundan, U nun moment çıkaran fonksiyonu da
(
1)
1
( ) ( ) (
r) ( ) [ / (1 )]
i