적률생성함수 (moment generating function)

한 줄 정의: 확률변수의 평균, 분산 등 모든 적률(모멘트)을 하나의 함수 속에 압축해서 담아내는 수학적 도구입니다.

쉽게 풀면

택배 상자 하나에 여러 물건을 겹치지 않게 차곡차곡 담아 보내는 상황을 떠올려봅시다. 적률생성함수는 확률변수에 관한 여러 정보(1차 적률인 평균, 2차 적률과 관련된 분산, 그 이상의 고차 정보까지)를 하나의 함수 상자 안에 모두 담아버리는 방법입니다. 이 함수를 한 번 미분해서 특정 값을 대입하면 평균이 나오고, 두 번 미분해서 대입하면 분산을 구하는 데 필요한 값이 나옵니다. 즉 매번 복잡한 적분을 다시 계산하지 않고도, 이 함수 하나만 만들어두면 필요한 통계량을 미분이라는 간단한 연산으로 꺼내 쓸 수 있는 것입니다.

왜 중요한가

적률생성함수는 확률분포의 형태 자체를 다루지 않고도 평균, 분산, 왜도 등 분포의 핵심 특성을 대수적으로 다룰 수 있게 해주기 때문에 이론 통계와 확률론 논문에서 자주 등장합니다. 특히 중심극한정리 증명이나 여러 확률변수의 합의 분포를 유도하는 과정에서 적분 계산을 미분과 곱셈 연산으로 대체할 수 있어 증명을 크게 단순화합니다. 이런 성질 때문에 확률과정, 통계적 추론, 금융공학 등 확률변수의 합이나 극한 거동을 다루는 다양한 분야의 이론적 토대로 쓰입니다.

논문에서는 이렇게 쓰입니다

"두 확률변수의 합의 분포를 유도하기 위해 각 변수의 적률생성함수를 곱한 뒤 역변환을 수행하였다."

이 문장은 독립인 두 확률변수를 더했을 때 나오는 새로운 분포가 무엇인지 직접 확률분포를 계산하는 대신, 각각의 적률생성함수를 곱하는 훨씬 간단한 방법으로 구했다는 뜻입니다. 확률변수의 합이나 극한분포를 다루는 이론 통계 논문에서 흔히 쓰이는 기법입니다.

"제안한 추정량의 점근적 성질을 증명하기 위해 적률생성함수가 특정 구간에서 존재함을 먼저 보이고, 이를 바탕으로 대수의 법칙을 적용하였다."

추정량의 극한 성질을 다루는 통계적 추론 논문에서는 적률생성함수의 존재 여부 자체가 이후 증명의 전제조건이 되는 경우가 많습니다. 이 문장은 그 존재성을 먼저 확립한 뒤 다음 단계 증명으로 넘어갔다는 뜻입니다.

"옵션 가격결정 모형에서 기초자산 수익률의 적률생성함수를 이용해 위험중립측도 하에서의 기대값을 계산하였다."

금융공학 논문에서는 자산 수익률 분포의 적률생성함수를 활용해 옵션 가격이나 파생상품의 기대수익을 해석적으로 계산하는 경우가 흔합니다.

조금 더 깊게 보면

적률생성함수가 존재하지 않는 분포(예: 코시분포처럼 꼬리가 두꺼운 경우)를 다룰 때는 항상 존재하는 특성함수(characteristic function)나, 양의 확률변수에 대해 정의되는 라플라스 변환을 대신 사용합니다. 또한 적률생성함수는 분포를 유일하게 결정하는 성질(uniqueness property)을 가지므로, 두 확률변수의 적률생성함수가 일치하면 두 분포도 같다는 논리로 분포의 동치를 증명하는 데도 활용됩니다. n차 적률은 적률생성함수를 원점에서 n번 미분한 값으로 얻어지며, 이 과정에서 테일러 전개와의 연결이 자연스럽게 드러납니다.

주의할 점

모든 확률분포가 적률생성함수를 갖는 것은 아닙니다. 일부 분포는 적분이 발산해 적률생성함수가 정의되지 않으며, 이 경우 대신 항상 존재하는 특성함수(characteristic function)를 사용합니다. 또한 결합확률분포와 주변확률분포처럼 여러 변수를 함께 다룰 때는 결합적률생성함수라는 확장된 형태를 씁니다.