평신도의 관점에서 순간 생성 함수 (MGF)를 어떻게 설명하겠습니까?


15

순간 생성 함수 (MGF) 란 무엇입니까?

평신도의 용어로 간단하고 쉬운 예와 함께 설명 할 수 있습니까?

공식적인 수학 표기법을 최대한 사용하도록 제한하십시오.


1
수학적 표기법이없는 간단하고 쉬운 예를 원하십니까? 나는 당신이 다루고있는 것에 대해 오해의 소지가있는 위험을 감수하지 않으면 서 그런 일이 매우 쉽다는 것을 확신하지 못합니다. 나는 수학 표기법을 많이 필요로하지 않고 항상 변성 랜덤 변수의 mgf를 줄 수 있다고 생각 하지만 실제로 mgfs를 이해하고 싶다면 깨달을 것입니다. 0
Glen_b-복지 주 모니카

1
직관적으로 이해하는 방법이 있는지 잘 모르겠습니다. 분포를 "인코딩"하는 방법으로 생각할 수도 있습니다.
dsaxton

1
모멘트 생성 함수 (존재하는 경우)는 임의 변수의 음이 아닌 정수 모멘트를 함수로 인코딩하여 다시 추출 할 수있는 방법입니다. mgfs는 때때로 다른 방식으로는하기 어려운 특정 계산을 수행하는 데 사용될 수 있습니다. 나는 그것이 큰 도움이 될 것으로 기대하지 않습니다.
Glen_b-복지 주 모니카

1
나는 당신이 Quora에
Antoni Parellada

답변:


18

이제 방정식이없는 직관 할 수없는 가정, 여전히에 무슨 일이 일어나고 있는지의 아이디어를 얻을 수있는 매우 필수로 수학 아래로 비등 주장하자 우리가 얻을하려는 통계 순간을 , 어떤에 의무적 참조 후 물리학 , 우리 는 랜덤 변수의 거듭 제곱의 기대 값으로 정의 합니다. 연속 랜덤 변수의 경우, 원시 번째 모멘트는 LOTUS입니다 .k

(1)E[Xk]=Xkpdfdx

모멘트 생성 함수는 , A는 이 적분 (Eq.1) 주위 걷는 방법 , 실시 대신 작성자 :

MX(t):=E[etX],

(2)E[etX]=etXpdfdx

왜? 더 쉽고 Maclaurin 시리즈 의 를 확장하여 볼 수있는 MGF의 환상적인 속성이 있기 때문에etX

etX=1+X1!t+X22!t2+X33!t3+

이 권력 시리즈의 양면을 기대하면서 :

MX(t)=E[etX](3)=1+E[X]1!t+E[X2]2!t2+E[X3]3!t3+

이 다항식 "빨랫줄"에 모멘트가 "고정"된 것처럼 보이며, 시간 을 단순히 구별 하고 모든 순간에 대해 한 번만 더 쉬운 통합 (수식 (2)) 을 수행하면 0으로 평가할 수 있습니다 ! 더 쉬운 통합이라는 사실은 pdf가 지수 일 때 가장 분명합니다.k

번째 순간 을 복구하려면 :k

MX(k)(0)=dkdtkMX(t)|t=0

결국 차별화가 필요하다는 사실은 무료 점심이 아닙니다. 결국 지수에 변화 가있는 pdf의 양면 라플라스 변환 입니다.

L{pdf(x)}(s)=esxpdf(x)dx

되도록

(4)MX(t)=L{pdf(x)}(s).

실제로 이것은 직관에 물리학적인 길을줍니다. Laplace 변환은 하여 순간으로 분해됩니다. 푸리에 변환과유사점은 피할 수 없습니다 . FT는 함수를 실제 선의 새 함수에 매핑하고 Laplace는 함수를 복소 평면의 새 함수에 매핑합니다. 푸리에 변환은 함수 또는 신호를 일련의 주파수로 표현하는 반면, Laplace 변환 은 함수를 순간 으로 해석합니다 . 실제로, 모멘트를 얻는 다른 방법은 푸리에 변환 ( 특성 함수 )을 통하는 것 입니다. Laplace 변환에서 지수는 일반적으로 입니다.pdfests=σ+iω , 실제 지수 및 허수 정현파 에 해당하고 다음과 같은 플롯을 생성 합니다 .


[ 에서 과학자 스티븐 W. 스미스 신호 처리에 엔지니어 가이드 ]


따라서 함수는 때 어떻게 "구성 주파수"로 분해합니다eq. (4) :MX(t)pdfσ=0.

MX(t)=E[esX]=esxpdf(x)dx=e(σ+iω)xpdf(x)dx=eσxeiωxpdf(x)dx

pdf의 푸리에 변환에 해당하는 표현 부분의 적분이 빨간색으로 표시됩니다.

일반적으로 함수 의 라플라스 변환 극직관은 함수의 지수 (부패) 및 주파수 구성 요소 (이 경우 pdf)에 대한 정보를 제공한다는 것입니다.


에서 로의 전환에 대한 의견 아래 질문에 대한 응답으로 , 이것은 완전히 전략적인 움직임입니다. 한 표현이 다른 표현을 따르지 않습니다. 여기에 비유가 있습니다 : 우리는 우리 자신의 차를 가지고 있으며, 우리가 어떤 사업을 돌볼 필요가있을 때마다 도시로 자유롭게 운전할 수 있습니다 (읽기, 모든 순간, 매 순간마다 아무리 힘들더라도 Eq 통합 ) . 대신, 우리는 완전히 다른 뭔가를 할 수 : 우리는 가장 가까운 지하철 역까지 구동 할 수 있습니다 (읽기, 식 해결 번만), 대중 교통이 사용에서 모든 얻을, 우리가 방문 (읽기에 필요한 모든 단일 장소에 도달하는 를 추출하기위한 식 의 적분의 미분Xketx(1)(2)k(2)k우리가 필요로 하는 순간, 모든 순간이 "숨겨지고" 으로 평가되어 격리됨을 알고 (식 덕분에 )(3)0


2
어떻게 교체 ? (파란색이 아닌가?)E [ X k ]E[etX]E[Xk]
user366312

2
나는이 답변을 이해하는 평신도가 내 학생
이었으면 좋겠다.

3

대부분의 평신도 용어에서는 확률 분포의 모든 특성을 하나의 짧은 문구로 인코딩하는 방법입니다. 예를 들어 분포의 MGF가 인 경우 Taylor 확장의 첫 번째 항을 취하여이 분포의 평균을 찾을 수 있습니다. : 당신이 무엇을하고 있는지 알고 있다면 기대보다 훨씬 빠릅니다 확률 함수의.

M(t)=etμ+1/2σ2t2
ddtM(t)|t=0=μ+σ2t|t=0=μ

또한이 MGF는 분포에 대한 모든 것을 인코딩 하므로 함수를 조작하는 방법을 알고 있다면 분포의 모든 특성에 대해 한 번에 연산을 적용 할 수 있습니다! 왜 항상 MGF를 사용하지 않습니까? 첫째, 모든 상황에서 MGF가 가장 쉬운 도구는 아닙니다. 둘째, MGF가 항상 존재하는 것은 아닙니다.

평신도 위

표준 정규 분포가 있다고 가정합니다. PDF를 표시하여 알고있는 모든 내용을 표현할 수 있습니다.

f(x)=12πex2/2

평균 및 표준 편차와 같은 모멘트를 계산하고 변환 된 변수 및 임의의 법선 등의 함수에 사용할 수 있습니다.

정규 분포의 MGF를 PDF의 대안으로 생각할 수 있습니다. 같은 양의 정보가 들어 있습니다. 나는 평균을 얻는 방법을 이미 보여 주었다.

대체 방법이 필요한 이유는 무엇입니까? 내가 쓴 것처럼 때로는 더 편리합니다. 예를 들어 PDF에서 표준 법선의 분산을 계산해보십시오. 그렇게 어렵지는 않지만 MGF 로 수행하는 것이 훨씬 쉽습니다 .

σ2=x212πex2/2dx=?
M(t)=et2/2
σ2=d2dt2M(t)|t=0=ddtt|t=0=1


1
배포에 대해 인코딩하는 "모든 것"을 확장 할 수 있습니까?
ColorStatistics

2
@ColorStatistics에 의해 만들어진 점을 이해하기를 참조하시기 바랍니다 stats.stackexchange.com/questions/25010을 .
whuber

@ whuber : whuber 감사합니다. 그 참고 문헌을 공부하겠습니다. 이것은 내가 더 잘 이해하고자하는 주제입니다.
ColorStatistics 2012 년

MGF와 PDF에 같은 양의 정보가 포함되어 있음을 어떻게 증명할 수 있습니까?
Aerin
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.