矩母函数

矩母函数 (MGF)

MGF=概率论/统计重要分布描述工具→以期望编码随机变量分布信息→各阶导在t=0值"生成"各阶矩。定义$M_X(t)=E[e^{tX}]$→t实→若在含0开区间(-h,h)有限则MGF存在。离散：$M_X(t)=\sum e^{tx}p(x)$；连续：$M_X(t)=\int e^{tx}f(x)dx$。

矩生成与性质

泰勒展开：$e^{tX}=\sum(t^kX^k)/k!$→取期望→$M_X(t)=\sum t^kE[X^k]/k!$→k阶矩=$t^k/k!$系数。直接法：k阶导→$M_X^{(k)}(0)=E[X^k]$。一阶导t=0→$E[X]$；二阶→$E[X^2]$→方差=$E[X^2]-(E[X])^2$。

三大性质：①唯一性→MGF在原点邻域等→分布同→MGF是分布的"指纹"（可判两分布是否同）。②线性变换→$Y=aX+b$→$M_Y(t)=e^{bt}M_X(at)$→处理标准化变量便。③独立和=积→$S_n=X_1+\dots+X_n$→$M_{S_n}(t)=\prod M_{X_i}(t)$→关键证正态/泊松和仍同分布。

示例与局限

例：$X\sim$指数分布Exp($\lambda$)→PDF=$\lambda e^{-\lambda x}(x\ge0)$。$M_X(t)=\lambda\int_0^\infty e^{(t-\lambda)x}dx=\lambda/(\lambda-t)$（$t<\lambda$）。$M'_X(t)=\lambda/(\lambda-t)^2$→$E[X]=M'_X(0)=1/\lambda$。$M''_X(t)=2\lambda/(\lambda-t)^3$→$E[X^2]=2/\lambda^2$→Var=$1/\lambda^2$→与直接积分一致但更简。

局限：并非所有分布MGF存在→柯西分布/对数正态重尾→t≠0时积分/求和发散→替以特征函数$\phi_X(t)=E[e^{itX}]$→因$|e^{itX}|=1$恒→总存在→同样唯一性+独立和性质→更普适→但需复分析。