En la mayoría de los cursos básicos de teoría de probabilidad, las funciones generadoras de momentos contados (mgf) son útiles para calcular los momentos de una variable aleatoria. En particular la expectativa y la varianza. Ahora, en la mayoría de los cursos, los ejemplos que proporcionan para la expectativa y la variación pueden resolverse analíticamente utilizando las definiciones.
¿Existen ejemplos de distribuciones en la vida real en los que encontrar las expectativas y la varianza es difícil de hacer analíticamente y, por lo tanto, era necesario el uso de mgf? Lo pregunto porque siento que no veo exactamente por qué son importantes en los cursos básicos.
Hay muchos problemas en los que es difícil encontrar la media y la varianza utilizando sus fórmulas estándar como una suma / integral sobre la masa / densidad. Un ejemplo donde esto es difícil, pero no imposible, es la distribución del colector de cupones , que tiene una función de masa de probabilidad:
donde la función denota los números de Stirling del segundo tipo . Si intenta usar el método estándar aquí, terminará con una fórmula recursiva que involucra los números de Stirling, y es complicado trabajar con ella. Un método más simple para obtener la media y la varianza es derivar la función generadora acumulativa (logaritmo de la función generadora de momentos) que ya no contiene los números de Stirling. Entonces es relativamente simple obtener los acumulantes de la distribución. Le recomiendo que pruebe este ejercicio a través de ambos métodos para ver a qué me refiero.S
fuente