矩母函数（mgf）

本篇笔记内容来源
数理统计学导论（原书第7版） 机械工业出版社

---

定义

设 $X$ 是随机变量，使得对于某个 $h>0$ ， $e^{tX}$ 的期望对于 $-h<t<h$ 存在，对于 $-h<t<h$ ， $X$ 的矩母函数（moment generating function，又称矩生成函数）定义成

$$M(t)=E(e^{tX})$$

用缩写词 $mgf$ 表示随机变量的矩母函数.

---

$mgf$ 与分布一一对应（如果有的话）

$mgf\to cdf$

设 $X$ 与 $Y$ 是两个随机变量，分别具有矩母函数 $M_X$ 与 $M_Y$ ，在关于 $0$ 的开区间存在，于是，对于所有 $z\in R$ ， $F_X(z)=F_Y(z)$ 当且仅当，对于某个 $h>0$ ，就所有 $t\in (-h,h)$ 而言， $M_X(t)=M_Y(t)$ .

$cdf\to mgf$

设 $X$ 与 $Y$ 是两个具有 $mgf$ 的随机变量. 如果 $X$ 与 $Y$ 具有相同分布，那么在 $0$ 的某个邻域内一定有 $M_X(t)=M_Y(t)$

---

矩（moment）

如果 $m$ 是正整数，并且 $M^{(m)}(t)$ 意指 $M(t)$ 的第 $m$ 阶导数

那么可通过对 $t$ 反复求导，得到

$$M^{(m)}(0)=E(X^m)=\{\begin{array}{l}{\int }_{-\infty }^{\infty }xf(x)\mathrm{d}x\\ \sum x^{m}p(x)\end{array}$$

而这类积分（或求和）在力学中称为矩（moment）

所以叫矩母函数

---

$mgf$ 不存在的情况

设 $X$ 是连续的随机变量，具有 $pdf$

$$f(x)=\frac{1}{\pi }\frac{1}{x^2+1}$$

这是柯西分布的 $pdf$

当 $t>0,x>0$ 时，根据拉格朗日中值定理，对 $\xi \in (0,tx)$ ，有

$$\frac{e^{tx}-1}{tx}=e^{\xi }⩾1$$

所以 $e^{tx}⩾tx$ ，从而得到下面推导的第二个不等式

$${\int }_{-\infty }^{\infty }{e}^{tx}\frac{1}{\pi }\frac{1}{x^2+1}\mathrm{d}x⩾{\int }_0^{\infty }{e}^{tx}\frac{1}{\pi }\frac{1}{x^2+1}\mathrm{d}x⩾{\int }_0^{\infty }\frac{1}{\pi }\frac{tx}{x^2+1}\mathrm{d}x=\infty$$

所以，柯西分布的 $mgf$ 不存在

（虽然只证明了一个例子，但书上就是这样写的）

---

分布可能没有矩母函数，但一定有特征函数

定义

令 $i$ 表示虚数单位，$t$ 表示任意实数

$$\phi (t)=E(e^{itX})$$

（$\phi (t)=M(it)$）

一定存在

在 $|\phi (t)|=|{\int }_{-\infty }^{\infty }{e}^{itx}f(x)\mathrm{d}x|$ 中

$f(x)$ 是非负的

$|e^{itx}|=|\cos tx+i\sin tx|=\sqrt{{\cos }^{2}tx+{\sin }^{2}tx}=1$ （复数的模长公式）

所以

$$|\phi (t)|⩽{\int }_{-\infty }^{\infty }f(x)\mathrm{d}x=1$$