本文深入探讨了概率论中矩母函数与特征函数的概念及其重要性质。矩母函数ψ_X(t)不仅与分布函数一一对应，其导数与随机变量的矩相关；特征函数φ_X(t)同样揭示了分布信息，特别是在泊松分布的例子中，展示了如何计算其矩母函数与特征函数。这些工具在统计推断和随机过程研究中扮演着关键角色。
矩母函数与特征函数
矩母函数与特征函数与分布函数一一对应矩母函数与特征函数与分布函数一一对应矩母函数与特征函数与分布函数一一对应
矩母函数
ψX(t)=E(etX)性质：ψX(t)′=E(XetX),当t=0,则为一阶矩（n次导数对应n阶矩）ψ_X(t)=E(e^{tX})\\
性质：ψ_X(t)'=E(Xe^{tX}),当t=0,则为一阶矩（n次导数对应n阶矩）ψX(t)=E(etX)性质：ψX(t)′=E(XetX),当t=0,则为一阶矩（n次导数对应n阶矩）
特征函数
φX(t)=E(eitX)φ_X(t)=E(e^{itX})φX(t)=E(eitX)
泊松分布的矩母函数与特征函数
ψX(t)=E(etX)=eλ(et−1)φX(t)=E(eitX)=eλ(e(it)−1)ψ_X(t)=E(e^{tX})=e^{\lambda (e^t-1)}\\ φ_X(t)=E(e^{itX})=e^{\lambda (e^{(it)}-1)}ψX(t)=E(etX)=eλ(et−1)φX(t)=E(eitX)=eλ(e(it)−1)
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
