De la Wikipedia, enciclopedia liberă.
În teoria probabilității , funcția caracteristică a unei distribuții de probabilitate generice definită pe linia reală , un concept sistematizat în principal de Lukacs , este în mod generic orice funcție de tip:
- {\ displaystyle \ phi _ {X} (t) = \ operatorname {E} \ left (e ^ {itX} \ right) = \ int _ {\ mathbb {R}} e ^ {itx} \, dF_ {X } (x) = \ int _ {- \ infty} ^ {+ \ infty} f_ {X} (x) \, e ^ {itx} \, dx.}
unde este {\ displaystyle X} este orice variabilă aleatorie cu distribuția în cauză, {\ displaystyle t} este un număr real , E este valoarea așteptată și {\ displaystyle F} este funcția de distribuție cumulativă . A doua definiție este o integrală Riemann-Stieltjes și este valabilă indiferent de existența funcției densității probabilității , în timp ce ultima este valabilă dacă densitatea există.
De sine {\ displaystyle X} este o variabilă vectorială aleatorie, argumentul poate fi luat în considerare {\ displaystyle t} ca vector e {\ displaystyle tX} ca produs dot .
Descriere
Există o funcție caracteristică pentru fiecare variabilă aleatorie. Mai mult, există o bijecție între funcțiile de distribuție cumulative și funcțiile caracteristice. Cu alte cuvinte, două distribuții de probabilitate nu au niciodată aceeași funcție caracteristică, dacă nu coincid.
Având o funcție caracteristică {\ displaystyle \ phi} , este posibilă reconstituirea funcției de distribuție {\ displaystyle F} :
- {\ displaystyle F_ {X} (y) -F_ {X} (x) = {\ frac {1} {2 \ pi}} \ int _ {- \ infty} ^ {+ \ infty} {\ frac {e ^ {- itx} -e ^ {- ity}} {it}} \, \ phi _ {X} (t) \, dt.}
În general, aceasta este o integrală necorespunzătoare ; funcția integrand poate fi, de asemenea, integrabilă condițional, mai degrabă decât integrabilă Lebesgue , adică integralul valorii sale absolute poate fi infinit.
De asemenea, este posibil să accesați, dacă există, funcția densității probabilității, acționând după cum urmează
- {\ displaystyle {\ frac {F_ {X} (x + \ xi) -F_ {X} (x- \ xi)} {2 \ xi}} = {\ frac {1} {2 \ pi}} \ int _ {- \ infty} ^ {+ \ infty} {\ frac {e ^ {- it (x- \ xi)} - e ^ {- it (x + \ xi)}} {2it \ xi}} \, \ phi _ {X} (t) \, dt \, = {\ frac {1} {2 \ pi}} \ int _ {- \ infty} ^ {+ \ infty} {\ frac {e ^ {it \ xi} -e ^ {- it \ xi}} {2it \ xi}} \, e ^ {- itx} \ phi _ {X} (t) \, dt \,}
Astfel apare definiția sinusului în interiorul integralului
- {\ displaystyle {\ frac {F_ {X} (x + \ xi) -F_ {X} (x- \ xi)} {2 \ xi}} = {\ frac {1} {2 \ pi}} \ int _ {- \ infty} ^ {+ \ infty} {\ frac {sin (t \ xi)} {t \ xi}} \, e ^ {- itx} \ phi _ {X} (t) \, dt \ ,}
A face limita {\ displaystyle \ xi \ rightarrow 0} noi obținem
- {\ displaystyle \ lim _ {\ xi \ rightarrow 0} {\ frac {F_ {X} (x + \ xi) -F_ {X} (x- \ xi)} {2 \ xi}} = f_ {X} (x) = {\ frac {1} {2 \ pi}} \ int _ {- \ infty} ^ {+ \ infty} e ^ {- itx} \ phi _ {X} (t) \, dt \, }
Funcțiile caracteristice sunt utilizate în cea mai comună dovadă a teoremei limitei centrale .
Funcțiile caracteristice pot fi folosite și pentru a găsi momentele unei variabile aleatorii. A oferit momentul {\ displaystyle n} -a există, funcția caracteristică poate fi derivată {\ displaystyle n} ori și
- {\ displaystyle \ operatorname {E} \ left (X ^ {n} \ right) = (- i) ^ {n} \, \ phi _ {X} ^ {(n)} (0) = (- i) ^ {n} \, \ left [{\ frac {d ^ {n}} {dt ^ {n}}} \ phi _ {X} (t) \ right] _ {t = 0}.}
Noțiunile conexe includ funcția de generare a momentului și funcția de generare a probabilității .
Funcția caracteristică este strâns legată de transformata Fourier : Funcția caracteristică a unei distribuții cu funcție de densitate {\ displaystyle f} este proporțională cu transformata Fourier inversă a {\ displaystyle f} .
Funcțiile caracteristice sunt deosebit de utile în tratarea funcțiilor variabilelor aleatoare independente . De exemplu, dacă {\ displaystyle X_ {1}, X_ {2}, \ ldots, X_ {n}} este o succesiune de variabile aleatoare independente și
- {\ displaystyle S_ {n} = \ sum _ {i = 1} ^ {n} a_ {i} X_ {i},}
unde {\ displaystyle a_ {i}} sunt constante, atunci funcția caracteristică pentru {\ displaystyle S_ {n}} este dat de
- {\ displaystyle \ phi _ {S_ {n}} (t) = \ prod _ {i = 1} ^ {n} \ phi _ {X_ {i}} (a_ {i} t)}
Bibliografie
- Giorgio Dall'Aglio, Calculul probabilităților , Zanichelli, Bologna, 2003
Elemente conexe