Я пытаюсь понять связь между генерирующей момент функцией и характеристической функцией. Генерирующая момент функция определяется как:
Используя разложение в ряд Я могу найти все моменты распределения для случайной величины X.
Характеристическая функция определяется как:
Я не совсем понимаю, какую информацию воображаемое число даю мне больше. Я вижу, что i 2 = - 1, и, таким образом, у нас нет только + в характеристической функции, но зачем нам нужно вычитать моменты в характеристической функции? Какая математическая идея?
7
Важным моментом является то, что функция, генерирующая моменты, не всегда конечна! (См., Например, этот вопрос .) Если вы хотите построить общую теорию, скажем, о конвергенции в распределении, вы бы хотели, чтобы она работала с максимально возможным количеством объектов. Характеристическая функция, конечно, конечна для любой случайной величины, поскольку .
—
кардинал
Сходства в разложениях Тейлора по-прежнему позволяют считывать моменты, когда они существуют, но отмечают, что не у всех распределений есть моменты, поэтому интерес к этим функциям выходит далеко за рамки этого! :)
—
кардинал
Следует также отметить, что MGF - это преобразование Лапласа случайной величины, а CF - преобразование Фурье. Между этими интегральными преобразованиями существуют фундаментальные отношения, см. Здесь .
—
Чакраварти
Я думал, что CF - обратное преобразование Фурье (а не преобразование Фурье) распределения пригодности?
—
Джузеппе
Различие - только вопрос знака в показателе степени, и возможно мультипликативная константа.
—
Glen_b