矩与矩母函数：分布的指纹
本文基于模型知识整理（生成时未联网核对），MGF 性质建议对照 Blitzstein & Hwang 第 6 章复核。
一句话定义
k 阶矩是 $E[X^k]$（原始矩）或 $E[(X-\mu)^k]$（中心矩）——期望/方差/偏度/峰度是前几阶矩的名字；矩母函数（MGF） $M(t)=E[e^{tX}]$ 把全部矩打包进一个函数（在 0 处求 k 次导即第 k 阶矩），且在收敛时唯一决定分布——MGF 是分布的"指纹+求导工厂"。
为什么重要
矩是"用几个数概括分布"的科学（均值/方差/偏度/峰度——报表与模型诊断的词汇表）；MGF 则是证明 CLT（kp-015）、推导抽样分布（kp-017）的代数引擎：独立和的 MGF = MGF 之积（乘法变加法），"识别 MGF 即识别分布"让极限证明变成代数题。
前置知识
kp-007（期望与高阶矩的雏形）。
核心概念
- 矩的命名：一阶原点矩=均值 μ；二阶中心矩=方差 σ²；标准化三阶=偏度（左/右拖尾）、标准化四阶−3=峰度（尖峰厚尾 vs 正态基准 0）。
- MGF 定义：$M(t)=E[e^{tX}]$；$\left.\frac{d^k}{dt^k}M(t)\right|_{t=0}=E[X^k]$——求导机器（级数展开 $e^{tX}=\sum\frac{(tX)^k}{k!}$，t^k 项系数×k! 即 k 阶矩）。
- 唯一性定理：MGF 在 0 的邻域内存在 ⇒ 唯一确定分布——"MGF 相同 ⇔ 同分布"（判定抽样分布身份的法庭）。
- 独立和的 MGF：$M_{X+Y}(t)=M_X(t)M_Y(t)$（独立时期望拆积）——乘法封闭性是 CLT 证明与 χ²/t/F 推导的核心杠杆（kp-012/017）。
- 常用 MGF：正态 $e^{\mu t+\sigma^2t^2/2}$；泊松 $e^{\lambda(e^t-1)}$；指数 $\frac{\lambda}{\lambda-t}$（t<λ）。
- 特征函数（CF）：$\varphi(t)=E[e^{itX}]$——MGF 的存在性升级版（恒存在、复值），理论分析（严格 CLT）用它；本库以 MGF 为主、CF 记为背景。
原理与机制
为什么"求导出矩"可行：$M(t)=\sum E[X^k]\frac{t^k}{k!}$（期望的级数展开）——这就是幂级数（微积分 kp-020 的生成函数思想）：MGF 是分布的生成函数，系数打包了全部矩。kp-020 的"生成函数"思想在概率里的原生形态。
为什么独立和的 MGF 是乘积：$M_{X+Y}(t)=E[e^{tX}e^{tY}]=E[e^{tX}]E[e^{tY}]$（独立性拆期望）——和的难题变积的便利。例如 n 个独立 N(μ,σ²) 之和的 MGF $=e^{n\mu t+n\sigma^2t^2/2}$ = N(nμ,nσ²) 的 MGF ⇒ 和仍正态（MGF 唯一性判决）。
为什么会有"无 MGF"的分布：重尾（对数正态、柯西 kp-030/011）的 $E[e^{tX}]$ 对任何 t>0 发散——矩/MGF 体系在重尾世界失明；此时用特征函数或直接分位数（kp-030 的肥尾实践）。
图示
矩: E[Xᵏ] → μ, σ², 偏度, 峰度 (分布的摘要词汇)
MGF: M(t)=E[e^{tX}] ; M⁽ᵏ⁾(0)=E[Xᵏ] (求导工厂)
唯一性: MGF(邻域存在) ⇔ 分布
独立和: M_{X+Y}=M_X·M_Y (乘法封闭 → CLT/抽样分布引擎)
正态: M(t)=e^{μt+σ²t²/2} ; 泊松: e^{λ(e^t−1)}
重尾警告: 对数正态/柯西 无 MGF (矩体系失明)直观类比
MGF 像"函数的条形码"：扫描它就能读出全部矩（各阶导数），且条形码唯一对应一个"分布商品"。独立和的条形码是各条形码的乘积——扫码即知和的品种。
实例或案例
- 证明 $\chi^2_n=\sum_{i=1}^nZ_i^2$（Z 标准正态）：$M_{Z^2}(t)=(1-2t)^{-1/2}$ → n 个之积 $=(1-2t)^{-n/2}$ 恰是 χ²ₙ 的 MGF——MGF 法则完成身份认定（kp-017 的燃料生产线）。
- 偏度读财报：收益率分布负偏度=极端亏损更远——风险建模的矩诊断。
- 保险精算：复合泊松的 MGF = exp(λ(M_X(t)−1))——总赔付分布的代数推导。
常见误区
- 误区一："MGF 总存在"。重尾分布无 MGF（柯西连均值都没有）；"用 MGF 判分布"前先确认存在性（否则换特征函数）。
- 误区二："矩相同=分布相同"。矩序列不总唯一决定分布（对数正态的 Stieltjes 类反例）；唯一性必须通过 MGF/CF 的存在性通道。
- 误区三："偏度峰度随手算不标准化"。未标准化的三阶矩带量纲无法跨分布比较——偏度/峰度是标准化后的无量纲版本。
与其他知识点的关系
自测题
- 求 Bernoulli(p) 的 MGF 并验证均值方差。
答：$M(t)=1-p+pe^t$；M′(0)=p、M″(0)=p → Var=p−p²=p(1−p) ✓。
- X~Pois(λ)：MGF 推导泊松的可加性。
答：$M=e^{\lambda(e^t-1)}$；独立 λ₁+λ₂ 的 MGF $=e^{(\lambda_1+\lambda_2)(e^t-1)}$ = Pois(λ₁+λ₂) ✓。
- 为什么柯西分布没有 MGF？
答：$E[e^{tX}]=\int\frac{e^{tx}}{\pi(1+x^2)}dx$ 在 t>0 时因 e^{tx} 指数增长而发散——重尾压不住指数。
延伸阅读
- Blitzstein & Hwang 第 6 章（矩与 MGF 的完整章）。
- Casella & Berger《Statistical Inference》§2.3–2.4。
- Wasserman《All of Statistics》§3.8（生成函数视角）。