什么是实值特征函数
在概率论中,任何随机变量的特征函数(缩写:ch.f,复数形式:ch.f's)完全定义了它的概率分布。在实直线上,它由以下公式给出,其中X是任何具有该分布的随机变量:
用矩母函数MX(t)来表示(如果它存在),特征函数就是iX的矩母函数,或X在虚数轴上求得的矩母函数。
与矩母函数不同,特征函数总是存在。
如果FX是累积分布函数,那么特征函数由黎曼-斯蒂尔切斯积分给出:
如果随机变量的概率密度函数存在,概率密度函数为,上述积分可以简化为:
其中
是随机变量X的概率密度函数。
如果X是一个向量值随机变量,我们便取自变量t为向量,tX为数量积。
反演定理
在累积概率分布函数与特征函数之间存在双射。也就是说,两个不同的概率分布不能有相同的特征函数。
给定一个特征函数φ,可以用以下公式求得对应的累积概率分布函数F:
。
一般地,这是一个广义积分;被积分的函数可能只是条件可积而不是勒贝格可积的,也就是说,它的绝对值的积分可能是无穷大。 [2]
博赫纳-辛钦定理/公理化定义
任意一个函数
是对应于某个概率律
的特征函数,当且仅当满足以下三个条件:
是连续的;
;
是一个正定函数(注意这是一个复杂的条件,与
不等价)。
计算性质
特征函数对于处理
特征函数对于处理独立随机变量的函数特别有用。例如,如果X1、X2、……、Xn是一个独立(不一定同分布)的随机变量的序列,且
其中ai是常数,那么Sn的特征函数为:
特别地,
。这是因为:
。
注意我们需要
和
的独立性来确立第三和第四个表达式的相等性。
另外一个特殊情况,是
且
为样本平均值。在这个情况下,用
表示平均值,我们便有:
。
2024-11-30 广告