Answers:
概率生成函数通常用于(负)整数值随机变量,但实际上仅是矩生成函数的重新打包。因此,两者包含相同的信息。
令为非负随机变量。然后(请参阅https://en.wikipedia.org/wiki/Probability-generating_function),将概率生成函数定义为 并且矩生成函数为 现在定义使。那么 因此,得出的结论是简单: G (z )= E z X M X(t )= E e t X log z = t e t = z G (z )= E z X = E(e t )X = E e t X = M X(t )= M X(log z )G
EDIT
@Carl在此评论中写了我的公式“ ...正确,除非错误,否则为真”,因此我需要发表一些评论。当然,等式假定两者均已定义,并且需要给出变量的域。我认为该职位没有这些手续就足够清楚了,但是是的,有时我太非正式了。但是还有另一点:是的,概率生成函数主要用于(名词性参数)概率质量函数,其名称由此而来。但是在定义中没有任何假设是这样,它也可以用于任何非负随机变量!例如,以速率为1的指数分布,我们可以计算 Ž ģ (ż )= Ë Ž X = ∫ ∞ 0 ž X ë - X
让我们先定义两者,然后指定差异。
1)在概率论和统计学中,矩产生函数实值随机变量(mgf)是其概率分布的替代说明。
2)在概率论中,概率生成函数离散随机变量(pgf)是随机变量的概率质量函数的幂级数表示(生成函数)。
mgf可以看作是pgf的概括。区别在于,概率生成函数适用于离散随机变量,而矩生成函数适用于离散随机变量以及某些连续随机变量。例如,这两者都可以应用于泊松分布,因为它是离散的。确实,它们产生相同形式的结果。。仅mgf适用于正态分布,mgf和pgf均不适用于柯西分布,但原因略有不同。
Edit
正如@kjetilbhalvorsen指出的那样,pgf适用于非负数,而不仅仅是离散的随机变量。因此,当前的Wikipedia条目在概率生成函数中存在遗漏的错误,应该加以改进。