小结-矩量母函数（moment-generating function）（10/15/2020）

最新推荐文章于 2025-01-08 16:10:55 发布

SUP_Peng

最新推荐文章于 2025-01-08 16:10:55 发布

阅读量7.2k

点赞数 22

CC 4.0 BY-SA版权

文章标签：矩阵概率论数据分析统计学算法

本文链接：https://blog.csdn.net/SUP_Peng/article/details/109109083

本文详细介绍了矩量母函数（MGF）的概念及其在统计学中的作用，阐述了如何通过MGF求解矩（moment），并解释了使用MGF简化计算的原因。通过一个指数分布的例子，展示了利用MGF计算高阶矩的便利性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

之前一直不是很理解moment generating function（MGF）。今天终于狠下心挖一挖MGF，在这里做一个小结，也是终于是帮我搞懂了moment和MGF的作用。大家如果也不明白的可以抽几分钟看看这篇文章。

首先，什么是moment？

moment在统计学中表示的是期望，比如 $E（X），E（X^2），…，$ 分别表示某个分布的first moment，second moment，…

那么这些期望值在统计学中有什么运用呢，比较简单的，大家都知道first moment表达的是某种分布的期望，而second moment某种程度则能够反映该分布的variance，因为我们有 $σ2=E（X2）−E（X）2\sigma^2 = E（X^2）- E（X）^2$ 。但是third和fourth moment同样也是反映分布特性的重要参数，比如third moment反映的是该分布的不对称性（asymmetry），也可以说成是倾斜度？（skewness），表达成公式是 $E（（x-\mu）^3）/\sigma^3$ ；fourth moment反映的则是峰度（kurtosis：how heavy its tails are）， $E（（x-\mu）^4）/\sigma^4$ 。所以对我们来说，momnet是反映某样本分布很重要的参数。

然后我们接着看什么是moment generating function（MGF），我理解的是MGF是为了构建一个帮助大家求解moment的一个工具式的函数（像它的名字一样，to generate moment），首先我们看momnet的求法: $E(Xn)=∫−∞∞πn×pdf(x)dxE(X^n) =\int_{-\infty}^{\infty}{\pi^n}\times pdf(x) dx$

而MGF是: $MGF(t) = E(e^{tx}) = {}$
$MGF(t)=E(e^{tx})=\left\{ \begin{aligned} & \sum e^{tx}\times p(x), x: discrete; p(x): pmf \\ & \int e^{tx}\times f(x), x: continous; f(x): pdf \\ \end{aligned} \right.$