적률생성함수에서 '적률'은 '積率'으로 '쌓을 적'과 '비율 률'을 씁니다. 영어로는 moment라고 합니다. 개인적으로 한자와 영어 둘다 적률의 수학적 의미와 직관적으로 연결되지는 않는 것 같습니다. 적률은 '확률 분포의 위치나 모양을 나타내는 기댓값'입니다. 확률 분포에 대한 설명이 담겨있는 값으로 풀어서 이야기 할 수 있습니다. 분포의 평균이나 분산 같은 정보를 담고 있는 것이 moment라고 생각하시면 되겠습니다. 이 moment를 생성하는 함수가 moment generating function입니다.
적률생성함수에 대해 알아보기 위해 확률변수의 기댓값을 먼저 확인해봅시다. 확률변수 X와 X2의 기댓값은 다음과 같이 정의됩니다.
E[X]=∫∞−∞xPX(x)dxE[X2]=∫∞−∞x2PX(x)dx
이러한 E[X]이나 E[X2]을 매번 적분하지 않고 쉽게 구할 수 없을까요? 보통 적분보다는 미분이 간편하니 미분으로 구할 방법이 없나 생각해봅시다. 이때 적률생성함수가 등장합니다.
적률생성함수 M(t)는 확률 분포 PX(x)에 대하여
MX(t)=E[etX]=∫∞−∞etxPX(x)dx
의 식으로 정의 되는데, 위의 식에서 자연상수 부분을 풀어쓰면 아래와 같습니다.
MX(t)=E[etX]=E[1+tX+t2X22!+⋯]
여기까지 보고 나면 직관적으로 이해가 되실 겁니다.
[ddtM(t)]t=0=[E[X]+tE[X2]+t22!E[X3]+⋯]t=0=E[X][d2dt2M(t)]t=0=[E[X2]+tE[X3]+t22!E[X4]+⋯]t=0=E[X2]⋮[dkdtkM(t)]t=0=E[Xk]
가 성립합니다.
이때 [dkdtkM(t)]t=0=E[Xk]를 PX(x)의 k차 적률(moment)이라 부르고, 이는 P가 확률변수 X의 분포를 나타낼 때,
E(Xk)(k=0,1,2,;⋯)
와 같습니다. 이러한 뜻에서 M(t)를 PX의 적률생성함수 (moment generating function)라고 부릅니다.
한 가지 예시로 Gaussian distribution의 적률생성함수를 살펴봅시다. Gaussian distribution의 적률생성함수는 MX(t)=etμ+12σ2t2입니다. 1차 적률이 E[X]를 만족하는지 확인해봅시다.
[ddtM(t)]t=0=[μetμe12σ2t2+etμσ2te12σ2t2]t=0=μ
성립함을 확인할 수 있습니다.
출처
- 김우철. 수리통계학 = Mathematical Statistics / 김우철 지음, 2012.
- https://www.youtube.com/watch?v=wjwLTNYOuI4
'Statistics' 카테고리의 다른 글
최대 우도 추정법 (Maximum Likelihood Estimation) (0) | 2023.08.04 |
---|---|
분포들 사이의 관계 1 (Relationship Between Distributions 1) (0) | 2022.01.20 |
포아송분포의 적률생성함수 (Moment Generating Function of Poisson Distribution) (0) | 2022.01.20 |
포아송분포 (Poisson Distribution) (0) | 2022.01.11 |