Cumulant Generating Function

Overview

Cumulant generating function (CGF)은 Moment Generating Function에 logarithm을 취한 것이다.

CGF의 Taylor 전개 계수가 바로 cumulant들이며, 이들은 독립적인 확률 시행에서 additive 특성을 가진다.

왜 중요한가?

• Random walk에서 N번 step 후의 통계적 성질을 간단히 계산 가능
• Normal diffusion의 scaling 직접 유도
• Central Limit Theorem의 수학적 기반

Symbol Table

Symbol	Meaning
	Moment generating function (characteristic function)
	Cumulant generating function
	-th moment:
	-th cumulant
	Variance =

Definition

Moment Generating Function (복습)

전개하면:

Cumulant Generating Function

Taylor 전개:

Cumulant 추출

-th cumulant는 에서의 -th 미분:

Moment와 Cumulant의 관계

Exponential 관계식

양변을 Taylor 전개하고 계수를 비교하면:

1st Cumulant: Mean

2nd Cumulant: Variance

계수 비교:

따라서:

이게 바로 variance!

Higher Cumulants

Additivity: 가장 중요한 특성

Convolution → Product → Sum 체인

Step 1: Real space에서 independent random variables

가 독립이고 이면, PDF는:

Convolution!

Step 2: Fourier space로 가면 Product

Convolution theorem:

곱셈 연산!

Step 3: Logarithm 취하면 Sum

덧셈 연산!

Random Walk에서의 Additivity

N번의 IID (Independent Identically Distributed) steps:

각 step의 CGF가 이면:

따라서 모든 cumulant가 N에 비례:

구체적 예: Variance (2nd cumulant)

Standard deviation:

이게 바로 normal diffusion의 square-root scaling!

Why Logarithm? 왜 Log를 취하는가?

1. 물리적으로 의미있는 양

Cumulant	Physical Meaning
	평균 (center of mass)
	분산 (width of distribution)
	비대칭성 (skewness)
	꼬리의 두께 (kurtosis)

Moment ()는 평균을 빼지 않아서 해석이 애매함.

2. Additivity = 분석 용이

Independent systems를 다룰 때:

• Moment: 은 복잡한 조합
• Cumulant: (깔끔!)

3. Central Limit Theorem 구조 명확화

에서 고차 cumulant 무시 가능 → Gaussian!

Key Points

1. 정의:
2. Cumulant 추출:
3. 물리적 의미: = mean, = variance, …
4. Additivity (핵심!):
   • Real space: 누적되는 각 step(변위)의 확률분포들이 Convolution 되어 최종 도착지의 PDF가 결정된다. ()
   • Fourier space: real space의 convolution은 Fourier space에서 Product 이다 ()
   • Log space: Fourier space의 함수에 로그를 취하면 product가 Sum 이 된다. ()
   • 결과: 각 step의 cumulants들은 더해진다.
5. Normal diffusion:

Questions & Insights

Q1: Moment로는 안 되고 왜 Cumulant를 써야 하나?

• Moment는 additivity 없음:
• Cumulant는 깔끔한 additivity:

Q2: Cumulant가 무한대이면?

• Fat-tailed distribution (Lévy flights)
• CGF가 근처에서 analytic하지 않음
• Anomalous diffusion 발생

Related Concepts

• Moment Generating Function
• Central Limit Theorem
• Brownian Motion Properties

References

• MIT OCW 18.366, Lecture 2 (Bazant)
  Lecture 2 Moments, Cumulants, and Scaling.pdf

Notes from Claude

Cumulant의 additivity는 CTRW 이론의 핵심입니다.

Normal diffusion (전체 앙상블):

• IID steps →
• MSD

Subdiffusion (survival bias):

• Steps correlated → Additivity 깨짐
• ,
• MSD ,

Day 4의 Montroll-Weiss equation은 바로 이 “깨진 additivity”를 다루는 도구입니다!

Convolution → Product → Sum 체인은 random walk 이론 전체를 관통하는 핵심 아이디어입니다. 이게 완벽히 이해되면 CTRW도 쉽게 이해될 겁니다!