जवाबों:
सबसे पहले हम संबोधित करते हैं । अंत में मनमाना लिए (आसान) सामान्यीकरण है ।
आंतरिक उत्पाद को देखने से शुरू होता है IID चर का योग, उनमें से प्रत्येक दो स्वतंत्र सामान्य चर का उत्पाद है , जिससे बाद के mgf को खोजने के लिए सवाल कम हो जाता है, क्योंकि योग का mgf एक योग है mgfs का उत्पाद।
एमजीएफ को एकीकरण द्वारा पाया जा सकता है, लेकिन इसका एक आसान तरीका है। जब और मानक सामान्य होते हैं,
दो स्वतंत्र स्केल ची-वर्ग भिन्न का अंतर है। (स्केल फैक्टर क्योंकि बराबर का वैरिएशन। क्योंकि ची-स्क्वेयर्ड वेरिएंट का mgf , mgf है। in है और mgf का है । गुणा करने पर, हम पाते हैं कि वांछित mgf बराबर है ।
(बाद के संदर्भ के लिए, ध्यान दें कि जब और द्वारा पुन: व्यवस्थित किए जाते हैं , तो उनके उत्पाद को , whence द्वारा स्केल किया जाना चाहिए , भी।)
यह परिचित दिखना चाहिए: कुछ निरंतर कारकों और एक संकेत तक, यह डिग्री की स्वतंत्रता के साथ एक छात्र टी वितरण के लिए संभावना घनत्व जैसा दिखता है । (वास्तव में, अगर हम mgfs के बजाय विशेषता कार्यों के साथ काम कर रहे थे, तो हम , जो कि एक छात्र t PDF के भी करीब है।) कोई बात नहीं। एक छात्र के रूप में dfs के साथ - यह सब मायने रखता है कि पड़ोस में mgf विश्लेषणात्मक हो और यह स्पष्ट रूप से (द्विपद प्रमेय द्वारा) है।
यह इन के भीतरी उत्पाद के वितरण आईआईडी इस प्रकार गाऊसी तुरंत कि -vectors एमजीएफ के बराबर है , इस एमजीएफ के गुना उत्पाद
तक को देख छात्र टी वितरण की विशेषता समारोह, हम (बीजगणित का एक छोटा सा या एक एकीकरण के साथ सामान्य निरंतर खोजने के लिए) अनुमान है कि पीडीएफ से ही दिया जाता है
( एक बेसेल फ़ंक्शन है)।
उदाहरण के लिए, यहाँ उस पीडीएफ का एक प्लॉट है, जो ऐसे आंतरिक उत्पादों के यादृच्छिक नमूने के हिस्टोग्राम पर स्थित है, जहां और :
एक सिमुलेशन से mgf की सटीकता की पुष्टि करना कठिन है, लेकिन ध्यान दें (द्विपद प्रमेय से)
जिससे हम क्षण भर में पढ़ सकते हैं (भाज्य द्वारा विभाजित)। बारे में समरूपता के कारण , केवल क्षण भी मायने रखता है। लिए हम इस सिमुलेशन के कच्चे क्षणों की तुलना में निम्नलिखित मान प्राप्त करते हैं:
k mgf simulation/k!
2 0.09375 0.09424920
4 0.00732422 0.00740436
6 0.00053406 0.00054128
8 0.00003755 0.00003674
10 2.58 e-6 2.17 e-6
जैसा कि उम्मीद की जा रही है, सिमुलेशन के उच्च क्षण एमजीएफ द्वारा दिए गए क्षणों से प्रस्थान करना शुरू कर देंगे; लेकिन कम से कम दसवें क्षण के माध्यम से, उत्कृष्ट समझौता है।
संयोग से, जब वितरण द्वि-घातीय है।
सामान्य मामले को संभालने के लिए, ध्यान दें कि आंतरिक उत्पाद एक समन्वय-स्वतंत्र वस्तु है। इसलिए हम निर्देशांक के रूप में के प्रमुख दिशा-निर्देश (eigenvectors) ले सकते हैं । इन निर्देशांक में आंतरिक उत्पाद स्वतंत्र सामान्य चर के स्वतंत्र उत्पादों का योग है , प्रत्येक घटक इसके संबंधित आइगेनवैल्यू के बराबर विचरण के साथ वितरित किया जाता है। इस प्रकार, ईगेंवल्यूल्स को ( ) के साथ देने से, mgf बराबर है
यह पुष्टि करने के लिए कि मैंने इस तर्क में कोई त्रुटि नहीं की है, मैंने एक उदाहरण पर काम किया है जहाँ मैट्रिक्स है
और गणना की है कि इसके eigenvalues हैं
संख्यात्मक फ़ंक्शन के फूरियर ट्रांसफ़ॉर्म का आंकलन करके पीडीएफ की गणना करना संभव था (जैसा कि यहां दिए गए एमजीएफ सूत्र से लिया गया है): इस पीडीएफ का एक प्लॉट निम्न आकृति में एक लाल रेखा के रूप में दिखाया गया है। उसी समय, मैंने iid को नॉर्मल डिस्ट्रीब्यूशन से और दूसरा iid को उसी तरह से किया, और डॉट प्रोडक्ट्स । साजिश इन डॉट उत्पादों के हिस्टोग्राम को दिखाती है (कुछ सबसे चरम मूल्यों को छोड़ते हुए - सीमा से ):
पहले की तरह, समझौता उत्कृष्ट है। इसके अलावा, क्षण आठवें और यथोचित रूप से दसवें पर भी अच्छी तरह से मेल खाते हैं:
k mgf simulation/k!
2 1.45313 1.45208
4 2.59009 2.59605
6 5.20824 5.29333
8 11.0994 11.3115
10 24.4166 22.9982
(9 अगस्त 2013 को जोड़ा गया।)
विचरण-गामा वितरण का एक उदाहरण है , जिसे मूल रूप से "सामान्य विचरण-मतलब मिश्रण के रूप में परिभाषित किया गया था जहां मिश्रण घनत्व गामा वितरण है।" इसका एक मानक स्थान ( ), एसिमेट्री पैरामीटर (यह सममित है), स्केल पैरामीटर , और आकार पैरामीटर (विकिपीडिया पैरामीटर के अनुसार) है।