Generating Function in Random Walks

Overview

Generating function은 probability density function 를 Fourier transform한 이다

뭘 generate 하냐면… 를 미분하면 의 moments가 만들어진다.

부분이 거슬린다면 이렇게 이해하던지. 통째로 미분하는 것이더.

는 이름이 많다. Characteristic function 혹은 moment-generating function이라고 불린다.
이를 “moment-generating function”이라고도 부르는 이유는,
근처에서 Taylor 전개했을 때의 계수가 바로 moment들이기 때문이다.

핵심 아이디어: Fourier transform에서 사용되는 exponential function 를 Taylor 전개하면, 자연스럽게 moment들이 추출된다.

Symbol Table

Symbol	Meaning
	위치 의 확률밀도함수 (PDF)
	Characteristic function or moment-generating function (Fourier transform of )
	-th moment:
	Fourier space의 wave vector

Key Derivation: 왜 테일러 전개를 했는데 형태가 나오는가?

Step 1: Fourier Transform 정의

Step 2: Exponential을 Taylor 전개

적분 안의 를 전개:

Step 3: 적분 안으로 삽입

적분과 합의 순서를 바꾸면 (절대수렴 가정):

Step 4: Moment 등장!

적분 부분이 바로 -th moment:

따라서:

전개하면:

Physical Interpretation

왜 이 나오는가?

은 단순히 “복소수라서”가 아니라, Fourier transform의 구조적 결과이다:

1. Fourier transform은 라는 oscillating function 사용
2. 로 미분할 때마다 가 내려옴:
   
3. 번 미분 → → 로 평균 →

물리적 의미:

• Real space의 정보 ()를 k-space로 encoding
• Phase structure (의 복소수 성질) 반영
• Moment 추출을 위한 자연스러운 도구

Key Points

• Characteristic function = Moment-generating function: 의 Taylor 계수가 moments
• factor: Fourier transform 정의에서 자연스럽게 유도됨
• Convolution → Product: Fourier space에서 independent steps의 곱셈으로 변환
• 유용성: Random walk에서 번 step 후 위치 분포 계산 시 convolution 대신 곱셈 사용 가능

Questions & Insights

• Q1: Moment가 무한대이거나 존재하지 않으면 (fat-tailed distribution)?
  • 가 근처에서 analytic하지 않음
  • Anomalous diffusion과 관련

Related Concepts

이 함수에 로그를 취하며 뭐가 되게!
Cumulant Generating Function

• Fourier Transform of Gaussian Distribution
• Central Limit Theorem
• Brownian Motion Properties
• Diffusion Equation Derivation from Random Walks

References

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