离散概率质量函数的矩生成函数求解咨询

没问题，我来一步步帮你推导这个离散分布的矩生成函数，咱们从你已经得到的求和式开始拆解：

首先先明确矩生成函数（MGF）的核心定义：
$$M(t) = E\left[e^{tX}\right] = \sum_{k=1}^{\infty} e^{tk} \cdot p(k)$$

代入题目给出的PMF $p(k) = -\frac{p^k}{k \ln(1-p)}$（其中$0 < p < 1$，$k=1,2,3,\dots$），就得到了你已经写出的求和形式：
$$M(t) = \sum_{k=1}^{\infty} e^{tk} \cdot \left(-\frac{p^k}{k \ln(1-p)}\right)$$

第一步：整理求和式的常数项 #

我们可以把和$k$无关的常数项提到求和符号外面，让式子更简洁：
$$M(t) = -\frac{1}{\ln(1-p)} \sum_{k=1}^{\infty} \frac{(p e^t)k}{k}$$

这里注意到$e^{tk}pk = (p e^t)k$，这是合并项的关键。

第二步：利用泰勒级数展开化简求和 #

这一步是核心，我们需要用到一个经典的泰勒级数结论：对于满足$|x| < 1$的实数$x$，有
$$\sum_{k=1}^{\infty} \frac{x^k}{k} = -\ln(1 - x)$$

对于咱们的问题，只要$p e^t < 1$（也就是$t < -\ln p$，因为$0 < p < 1$，$-\ln p$是正数），这个级数就收敛，完全符合展开条件。

把$x = p e^t$代入上面的级数公式，就能得到：
$$\sum_{k=1}^{\infty} \frac{(p e^t)k}{k} = -\ln(1 - p e^t)$$

第三步：代入化简得到最终结果 #

把上面的结果代回之前的MGF表达式：
$$M(t) = -\frac{1}{\ln(1-p)} \cdot \left(-\ln(1 - p e^t)\right)$$

两个负号抵消后，就得到了最终的矩生成函数：
$$M(t) = \frac{\ln(1 - p e^t)}{\ln(1 - p)}$$

最后补充一下定义域：这个MGF仅在$t < -\ln p$时有效，超出这个范围级数会发散，无法定义。

内容的提问来源于stack exchange，提问作者user318508