この問題では、指数分布のモーメント母関数について理解を深めます。モーメント母関数は確率分布の特性を完全に記述する強力な数学的ツールで、分布の同定、モーメントの計算、独立性の証明など多方面で活用されます。
モーメント母関数：分布特性の統一的記述
モーメント母関数（MGF：Moment Generating Function）は、確率分布のすべての情報を含む関数で、19世紀にラプラスによって導入されました。分布の「指紋」とも呼べる特別な役割を持ちます。
Step 1: モーメント母関数の理論的定義
確率変数$X$のモーメント母関数は以下で定義されます：
$M_X(t) = E[e^{tX}] = \int_{-\infty}^{\infty} e^{tx} f(x) dx$
ここで：
- $t$：実数パラメータ（収束域内）
- $E[\cdot]$：期待値演算子
- $f(x)$：確率密度関数
モーメント母関数の重要性
- 分布の一意性：MGFが存在すれば分布を一意に決定
- モーメント生成：$\frac{d^k}{dt^k}M_X(t)|_{t=0} = E[X^k]$
- 独立性の証明：独立な変数の和のMGFは個別MGFの積
- 収束定理：分布収束の強力な判定法
Step 2: 指数分布の数学的特性
指数分布$\text{Exp}(\lambda)$は以下の性質を持ちます：
$f(x) = \lambda e^{-\lambda x}, \quad x \geq 0, \lambda > 0$
指数分布の特徴：
- メモリレス性：$P(X > s+t | X > s) = P(X > t)$
- 生存解析：故障時間、待ち時間のモデル
- ポアソン過程：事象間の時間間隔
- 最大エントロピー：指定された平均での最大エントロピー分布
Step 3: モーメント母関数の詳細計算
指数分布のMGFを計算します：
\begin{align}M_X(t) &= E[e^{tX}] \\&= \int_0^{\infty} e^{tx} \cdot \lambda e^{-\lambda x} dx \\&= \lambda \int_0^{\infty} e^{tx} e^{-\lambda x} dx \\&= \lambda \int_0^{\infty} e^{(t-\lambda)x} dx\end{align}
Step 4: 収束条件と積分評価
積分$\int_0^{\infty} e^{(t-\lambda)x} dx$が収束するためには：
$t - \lambda < 0 \Rightarrow t < \lambda$
この条件下で積分を計算：
\begin{align}\lambda \int_0^{\infty} e^{(t-\lambda)x} dx &= \lambda \left[\frac{e^{(t-\lambda)x}}{t-\lambda}\right]_0^{\infty} \\&= \lambda \left[\frac{0 - 1}{t - \lambda}\right] \quad (\because t < \lambda) \\&= \lambda \cdot \frac{-1}{t - \lambda} \\&= \frac{\lambda}{\lambda - t}\end{align}
Step 5: 結果の検証と解釈
$M_X(t) = \frac{\lambda}{\lambda - t}, \quad t < \lambda$
結果の数学的検証
| 検証項目 | 計算 | 結果 |
|---|
| 1次モーメント | $\frac{d}{dt}M_X(t)|_{t=0}$ | $E[X] = \frac{1}{\lambda}$ |
| 2次モーメント | $\frac{d^2}{dt^2}M_X(t)|_{t=0}$ | $E[X^2] = \frac{2}{\lambda^2}$ |
| 分散 | $E[X^2] - (E[X])^2$ | $\text{Var}(X) = \frac{1}{\lambda^2}$ |
実際のモーメント計算例
Step 6: 導関数によるモーメント生成
1次モーメント（期待値）：
\begin{align}\frac{d}{dt}M_X(t) &= \frac{d}{dt}\left(\frac{\lambda}{\lambda - t}\right) \\&= \lambda \cdot \frac{1}{(\lambda - t)^2} \\\Rightarrow E[X] &= \frac{d}{dt}M_X(t)\Big|_{t=0} = \frac{\lambda}{\lambda^2} = \frac{1}{\lambda}\end{align}
2次モーメント：
\begin{align}\frac{d^2}{dt^2}M_X(t) &= \frac{d}{dt}\left(\frac{\lambda}{(\lambda - t)^2}\right) \\&= \frac{2\lambda}{(\lambda - t)^3} \\\Rightarrow E[X^2] &= \frac{d^2}{dt^2}M_X(t)\Big|_{t=0} = \frac{2\lambda}{\lambda^3} = \frac{2}{\lambda^2}\end{align}