-
特徵函數
(概率學術語)
鎖定
特徵函數,是指在概率論中,任何隨機變量完全定義了它的概率分佈的函數。
特徵函數函數定義
用矩母函數MX(t)來表示(如果它存在),特徵函數就是iX的矩母函數,或X在虛數軸上求得的矩母函數。
與矩母函數不同,特徵函數總是存在。
如果FX是累積分佈函數,那麼特徵函數由黎曼-斯蒂爾切斯積分給出:
如果隨機變量的概率密度函數存在,概率密度函數為,上述積分可以簡化為:
其中
是隨機變量X的概率密度函數。
特徵函數函數性質
特徵函數具有以下基本性質:
勒維連續定理
如果兩個隨機變量具有相同的特徵函數,那麼它們具有相同的概率分佈; 反之, 如果兩個隨機變量具有相同的概率分佈, 它們的特徵函數也相同(顯然)。
反演定理
在累積概率分佈函數與特徵函數之間存在雙射。也就是説,兩個不同的概率分佈不能有相同的特徵函數。
給定一個特徵函數φ,可以用以下公式求得對應的累積概率分佈函數F:
博赫納-辛欽定理/公理化定義
任意一個函數
是對應於某個概率律
的特徵函數,當且僅當滿足以下三個條件:
計算性質
特徵函數對於處理
特徵函數對於處理獨立隨機變量的函數特別有用。例如,如果X1、X2、……、Xn是一個獨立(不一定同分布)的隨機變量的序列,且
其中ai是常數,那麼Sn的特徵函數為:
特別地,
。這是因為:
注意我們需要
和
的獨立性來確立第三和第四個表達式的相等性。
另外一個特殊情況,是
且
為樣本平均值。在這個情況下,用
表示平均值,我們便有:
特徵函數函數應用
由於連續定理,特徵函數被用於中心極限定理的最常見的證明中。
矩
特徵函數還可以用來求出某個隨機變量的矩。只要第n個矩存在,特徵函數就可以微分n次,得到:
例如,假設X具有標準柯西分佈。那麼
。它在 t=0處不可微,説明柯西分佈沒有期望值。另外,注意到
個獨立的觀測的樣本平均值
具有特徵函數
,利用前一節的結果。這就是標準柯西分佈的特徵函數;因此,樣本平均值與總體本身具有相同的分佈。
一個例子
具有尺度參數θ和形狀參數k的伽瑪分佈的特徵函數為:
假設我們有:
其中X和Y相互獨立,我們想要知道X+Y的分佈是什麼。X和Y特徵函數分別為:
根據獨立性和特徵函數的基本性質,可得:
這就是尺度參數為θ、形狀參數為k1+k2的伽瑪分佈的特徵函數,因此我們得出結論:
這個結果可以推廣到n個獨立、具有相同尺度參數的伽瑪隨機變量: