独立同分布随机变量期望求解：E(e^{tX}/e^{tY})计算疑问

问题背景 #

已知X和Y是独立同分布（i.i.d.）随机变量，其矩生成函数为$M(t)=E(e^{{tX})$，$ -\infty<t<\infty$，求$E\left(\dfrac{e}{tX}}{e^{tY}}\right)$的结果，选项为：

• (A) $M(t)M(-t)$
• (B) $1$
• (C) $(M(t))^2$
• (D) $\frac{M(t)}{M(-t)}$

核心疑问 #

能否因X、Y独立同分布就约去$e^{tX}$与$e{tY}$，得到$E(1)=1$？

解答与分析 #

先给你明确结论：绝对不能直接约去$e^{tX}$和$e{tY}$，这是对期望运算规则的典型误解——期望是对随机变量的所有可能取值求加权平均，不是代数意义上的直接约分，哪怕变量独立同分布也不行。

我们一步步推导正确结果：

1. 先把原式变形：$E\left(\dfrac{e^{tX}}{e{tY}}\right) = E\left(e^{tX} \cdot e^{-tY}\right)$
2. 因为X和Y是独立随机变量，根据独立变量的期望性质：$E[g(X)h(Y)] = E[g(X)]E[h(Y)]$，这里取$g(X)=e^{{tX}$，$h(Y)=e}{-tY}$
3. 代入矩生成函数的定义：$E[e^{{tX}]=M(t)$，而$E[e}{-tY}] = E[e^{(-t)Y}] = M(-t)$（Y和X同分布，矩生成函数完全一致）
4. 最终结果就是$M(t)M(-t)$，对应选项(A)

举个直观的例子帮你理解为啥不能约分：假设X和Y都是0-1分布，$P(X=1)=P(Y=1)=0.5$，取$t=1$：

• $\dfrac{e^{X}}{e{Y}}$的可能取值为：1、$1/e$、$e$、1
• 计算期望：$0.251 + 0.25(1/e) + 0.25e + 0.251 ≈ 1.317$，明显不等于1，直接约分的错误一目了然。

内容的提问来源于stack exchange，提问作者DSR