特征函数的性质及其应用(1)
随机变量的特征函数
第四章 大数定律与中心极限定理4.1特征函数内容提要1. 特征函数的定义 设X 是一个随机变量,称)()(itX e E t =ϕ为X 的特征函数,其表达式如下(),()().(), 在离散场合， 在连续场合，itx i iitX itx x e P X x t E e t e p x dx ϕ+∞-∞⎧=⎪==-∞<<+∞⎨⎪⎩∑⎰由于1sin cos 22=+=tx tx e itx ,所以随机变量X 的特征函数)(t ϕ总是存在的.2. 特征函数的性质 (1) 1)0()(=≤ϕϕt ;(2) ),()(t t ϕϕ=-其中)(t ϕ表示)(t ϕ的共 轭; (3) 若Y =aX +b ,其中a ,b 是常数.则);()(at e t X ibt Y ϕϕ=(4) 若X 与Y 是相互独立的随机变量,则);()()(t t t Y X Y X ϕϕϕ⋅=+(5) 若()l E X 存在,则)(t X ϕ可l 次求导,且对l k ≤≤1,有);()0()(k k k X E i =ϕ (6) 一致连续性 特征函数)(t ϕ在),(+∞-∞上一致连续(7) 非负定性 特征函数)(t ϕ是非负定的,即对任意正整数n ,及n 个实数n t t t ,,,21 和n 个复数n z z z ,,21,有 ;0)(11≥-∑∑==j k j nk nj k z z t t ϕ(8) 逆转公式 设F (x )和)(t ϕ分别为X 的分布函数和特征函数,则对F (x )的任意两个点21x x <,有=-+--+2)0()(2)0()(1122x F x F x F x F ;)(21lim21dt t it e e TT itx itx T ϕπ⎰-+∞→-特别对F (x )的任意两个连续点21x x <,有;)(21lim)()(2112dt t it e e x F x F TT itx itx T ϕπ⎰-+∞→-=-(9) 唯一性定理 随机变量的分布函数有其特征函数唯一决定；(10) 若连续随机变量X 的密度函数为p (x ),特征函数为).(t ϕ如果+∞<⎰+∞∞-dt t )(ϕ,则dt t e x p itx )(21)(ϕπ⎰∞+∞--=3. 常用的分布函数特征表习题与解答4.11. 设离散随机变量X 的分布列如下,试求X 的特征函数.解 t i t i it x e e e t 321.02.03.04.0)(+++=ϕ2. 设离散变量X 服从几何分布 .,2,1,)1()(1 =-===-k p p k X P k 试求X 的特征函数,并以此求E(X )和V a r(x ).解 记q =1-p , 则ititK itit k k itk itxqe pe q e pe p qe e E t -====∑∑+∞=+∞=-1)()()(111ϕ,()2'1)(it itqe ipe t -=ϕ,42'')1()1(2)1()(it itit it it it qe qe qe pe qe pe t -=----=ϕ, p q p i X E 1)1()0(1)(2'=-==ϕ,242''21)1()1(2)1()0(1)(pqq q pq q p i X E +=--+-==ϕ,22222)1(1)]([)()(p qp p q X E X E X Var =-+=-= 3．设离散随机变量X 服从巴斯卡分布 ,)1(11)(rk r p p r k k X P --⎪⎪⎭⎫ ⎝⎛--== ,1,k r r =+试求X 的特征函数.解 设r X X X ,,,21 是相互独立同分布的随机变量,且都服从参数为p 的几何分布Ge(p ),则由上一题知j X 的特征函数为,1)(X ititqepe t j -=ϕ 其中q =1-p . 又因为r X X X X +++= 21,所以X 的特征函数为∏=-==rj ritit x X qe pe t t j 1)1()()(ϕϕ. 4．求下列分布函数的特征函数,并由特征函数求其数学期望和方差.(1)dt e a x F x t a ⎰∞--=2)(1 (a >0); (2) dt a t a x F x⎰∞-+=2221)(π (a >0). 解 (1)因为此分布的密度函数为 ,2)(1xa e a x p -= .+∞<<∞-x 所以此分布的特征函数为010()22itx ax itxax a at e e dx ee dx ϕ+∞--∞=⋅+⋅⎰⎰(cos sin )(cos sin )22ax axa atx i tx e dx tx i tx e dx +∞--∞=+⋅++⋅⎰⎰=.cos 222ta a dx txea ax+=⎰+∞-又因为,)(2)(2222'1t a ta t +-=ϕ ,0)0('1=ϕ ,)()3(2)(322222''1t a a t a t +-=ϕ ,2)0(2''1a -=ϕ 所以 0,(0)1)('1==ϕi X E V a r(X )= .a2(0)1)(2''122==ϕi X E(2) 因为此分布的密度函数为 ,1)(222a x ax p +⋅=π .+∞<<∞-x 所以此分布的特征函数为,cos 2)(022222⎰⎰+∞+∞∞-+=+=dx ax txadx a x e ax itx ππϕ 又因为当t >0时,有(见菲赫金哥尔茨《微积分学教程》第二卷第三分册或查积分表).2cos 022⎰+∞-=+ate a dx ax tx π 所以当t >0时,有 .22)(2at ate e aa t --=⋅=ππϕ 而当t <0时,有 ,)()(22t a e t t -=-=ϕϕ所以.22)(2ta at e e aa t --=⋅=ππϕ 又因为)(2t ϕ在t =0处不可导,故此分布(柯西积分)的数学期望不存在.注：⎰+∞∞-+=dx ax e ax itx222)(πϕ也可利用复变函数中的留数理论来计算,方法如下：t >0时,⎪⎪⎭⎫ ⎝⎛=+⋅=+=⎰+∞∞-ai z a z e i adx a x e ax itz itx ,Res 2)(22222πππϕ ta taitz ai z e ai e ai ai z e i a--→==+⋅=22lim 2ππ5. 设),,(~2σμN X 试用特征函数的方法求X 的3阶及4阶中心矩. 解 因为正态分布),(2σμN 的特征函数为,)(2/22t t i e t σμϕ-=所以,)0('μϕi = ,)0()('μϕ==iX E,)0(22''σμϕ--= ,)0()(222''2σμϕ+==i X E ,3)0(23'''μσμϕi i --= ,3)0()(333'''3μσμϕ+==i X E,36)0(4224''''σσμμϕ++= .36)0()(42244''''4σσμμϕ++==iX E由此得X 的3阶及4阶中心矩为,0)(3)(3)())((2233=+-=-μμX E X E X E X E X E.3)(4)(6)(4)())((44343344σμμμμ=+-+-=-X E X E X E X E X E X E6. 试用特征函数的方法证明二项分布的可加性：若X ~ b (n , p),Y ~ b(m , p),且 X 与Y 独立,则X+Y ~ b(n + m, p).证 记q=1-p, 因为 n it X q pe t )()(+=ϕ, m it Y q pe t )()(+=ϕ, 所以由 X 与Y 的独立性得()()()()it n m X Y X Y t t t pe q ϕϕϕ++==+,这正是二项分布b(n + m, p)的特征函数,由唯一性定理知X+Y~b(n+m,P ).7. 试用特征函数的方法证明泊松分布的可加性：若X ~P (λ1),Y ~ P (λ2),且X与Y 独立,则X +Y ~P (λ1+λ2).证：因为 ,)(,)()1()1(21====it ite Y eX et e t λλϕϕ 所以由X 与Y 独立性得,)()()()1)2(-+==+it e et t t Y X Y X λλϕϕϕ这正是泊松分布 P (λ1+λ2).的特征函数,由唯一性定理知X +Y ~ P (λ1+λ2). .8. 试用特征函数的方法证明伽玛分布的可加性：若),,(~1λa Ga X),(~2λa Ga Y ,且X 与Y 独立,则),(~21λa a Ga Y X ++.证 因为 1)1()(a X it t --=λϕ,2)1()(a Y itt --=λϕ,所以由X 与Y 的独立性得)(21)1()()()(a a Y X Y X itt t t +-+-==λϕϕϕ,这正是伽玛分布),(21λa a Ga +的特征函数,由唯一性定理知),(~21λa a Ga Y X ++.9.试用特征函数的方法证明2χ分布的可加性：若)(~2n X χ,)(~2m Y χ,且X 与Y 独立,则).(~2m n Y X ++χ证 因为2)21()(nX it t --=ϕ,2)21()(mY it t --=ϕ,所以由X 与Y 的独立性得2)()21()()()(m n Y X Y X it t t t +-+-=+=ϕϕϕ,这正是2χ分布2χ(n+m)的特征函数,由唯一性定理知).(~2m n Y X ++χ10. 设i X 独立同分布,且n i Exp X i ,,2,1),(~ =λ.试用特征函数的方法证明:∑==ni i n n Ga X Y 1),(~λ.证 因为1)1()(--=λϕitt i X ,所以由诸i X 的相互独立性得n Y 的特征函数为n Y itt n--=)1()(λϕ,这正是伽玛分布),(λn Ga 的特征函数,由唯一性定理知),(~λn Ga Y n .11. 设连续随机变量X 服从柯西分布,其密度函数如下：+∞<<-∞-+⋅=x x x p ,)(1)(22μλλπ,其中参数+∞<<-∞>μλ,0,常记为),(~μλCh X ,(1) 试证X 的特征函数为{}t t i λμ-exp ,且利用此结果证明柯西分布的可加性；(2) 当1,0==λμ时,记Y =X,试证)()()(t t t Y X Y X ϕϕϕ=+,但是X 与不独立； (3) 若n X X X ,,,21 相互独立,且服从同一柯西分布,试证：)(121n X X X n+++ 与X i 同分布.证 (1) 因为μ-=X Y 的密度函数为+∞<<-∞+⋅=x yx p ,1)(22λλπ,由本节第4题(2)知Y 的特征函数为{}()exp ||Y t t φλ=-.由此得μ+=Y X 的特征函数{}{}t t i t t i t t Y Y X λμϕμϕϕμ-===+exp )(exp )()(.下证柯西分布的可加性: 设)2,1(=i X i 服从参数为i i λμ,的柯西分布,其密度函数为: 2,1,,)(1)(22=+∞<<-∞-+⋅=i x x x p i i μλλπ.若1X 与2X 相互独立,则(){}t t i t t t X X X X )(exp )()()(21212121λλμμϕϕϕ+-+==+,这正是参数为2121,λλμμ++柯西分布的特征函数.所以由唯一性定理知,21X X +服从参数为2121,λλμμ++的柯西分布.(2) 当1,0==λμ时有 {}t t X -=exp )(ϕ,{}t t Y -=exp )(ϕ,所以 )2()()(2t t t X X Y X ϕϕϕ==+{}{}{}t t t --=-=exp exp 2exp )()(t t Y X ϕϕ=. 由于Y=X,当然X 与Y 不独立.此题说明,由)()()(t t t Y X Y X ϕϕϕ=+不能推得X 与Y 独立.(3) 设i X 都服从参数为λμ,的柯西分布,则特征函数为{}t t i t λμϕ-=exp )(.由相互独立性得, ∑=n i i X n 11 的特征函数为 []{}t t i n t nλμϕ-=e x p )/(,即 ∑=n i i X n 11与X 1具有相同的特征函数,由唯一性定理知它们具有相同的分布.12.设连续随机变量X 的密度函数为p (x ),试证：p (x )关于原点对称的充要条件是它的特征函数是实的偶函数.证：记X 的特征函数为)(t X ϕ.先证充分性,若)(t X ϕ是实的偶函数,则)()(t t X X ϕϕ=-或)()(t t X X -=-ϕϕ,这表明X 与-X 有相同的特征函数,从而X 与-X有相同的密度函数,而-X 的密度函数为p (-x ),所以得p (x )=p (-x ),即p (x )关于原点是对称的.再证必要性.若p (x )=p (-x ),则X 与-X 有相同的密度函数,所以X 与-X 有相同的特征函数.由于-X 的特征函数为)(t X ϕ,所以)()(t t X X ϕϕ=-=________)(t X ϕ,故)(t X ϕ是实的偶函数.13.设n X X X ,,,21 独立同分布,且都服从N (2,σϕ)分布,试求∑==ni i X n X 1___1的分布.解：因为X j 的特征函数为2/22)(t t i j e t σϕϕ-=,所以由诸X i 互相独立得___X 的特征函数为)2/(22))/(()(n t t i n i X e n t t σϕϕϕ-==这是正态分布N (n /,2σϕ)的特征函数,所以由唯一性定理知∑==ni i X n X 1___1~N (n /,2σϕ)。
特征函数及其应用
特征函数及其应用
特征函数是概率论中一种重要的工具，用于描述随机变量的分布。
它是一个复数函数，定义为随机变量的各个值对应的指数函数的期望值。
特征函数具有许多有用的性质，例如可以用它来计算随机变量的矩、导数和卷积等。
特征函数在统计学、信号处理、物理学等领域中有着广泛的应用。
在统计学中，特征函数可以用于推导估计量的分布，检验假设以及构造置信区间等。
在信号处理中，特征函数可以用于对信号进行谱分析和滤波。
在物理学中，特征函数可以用于描述粒子的动力学特性和相互作用。
除了普通的特征函数，还有一些特殊的特征函数，例如矩母函数和累积分布函数的特征函数等，它们也具有广泛的应用。
在实际应用中，研究人员还可以根据需要构造自己的特征函数来解决特定的问题。
总之，特征函数是一种非常有用的工具，它不仅可以描述随机变量的分布，还可以用于推导估计量的分布、信号处理、粒子动力学等方面的应用。
- 1 -。
特征函数及其应用
特征函数及其应用特征函数是一种在机器学习中常用的数学工具，用于将输入数据映射到一个新的表示形式，以便更好地描述和分析数据。
特征函数的应用非常广泛，涉及许多不同领域，包括自然语言处理、计算机视觉、生物信息学等。
本文将介绍特征函数的定义、性质和在不同领域中的应用。
特征函数是一种将输入数据映射到实数域的函数。
在机器学习中，我们通常将输入数据表示为向量的形式，特征函数将向量映射到一个实数。
特征函数的定义可以根据具体问题的需求而有所变化，可以使用原始数据本身的特性，也可以使用一些先验知识。
特征函数的目标是将输入数据映射为一组能够更好描述和区分数据的特征。
特征函数的定义可以采用不同的形式。
一种常用的方式是将特征函数定义为指标函数，即只有在满足其中一种条件时取值为1，否则为0。
例如，在文本分类中，可以使用特征函数表示一些词汇是否在文本中出现，如果词汇出现，则特征函数为1，否则为0。
此外，特征函数还可以采用连续的形式，例如使用激活函数对输入数据进行变换。
特征函数有一些特点，使其在机器学习中应用广泛。
首先，特征函数可以将输入数据映射为实数，这样可以方便地进行数值计算和分析。
其次，特征函数可以将高维数据映射为低维特征，从而简化问题的复杂度和计算难度。
此外，特征函数还可以提取数据的本质特征，去除噪声和冗余信息，从而更好地描述数据。
特征函数在机器学习中有许多应用。
首先，在分类和回归问题中，特征函数可以用于描述输入数据的特征，用于建立模型和进行预测。
例如，在图像分类中，可以使用特征函数描述图像的纹理、颜色等特征，以便进行分类。
其次，在聚类和降维问题中，特征函数可以用于从输入数据中提取主要特征，以便进行数据分析和可视化。
例如，在文本聚类中，可以使用特征函数提取文本的关键词和主题，以便进行聚类分析。
此外，在异常检测和推荐系统中，特征函数可以用于描述输入数据的异常性和用户偏好等特征。
特征函数的应用还包括自然语言处理、计算机视觉、生物信息学等领域。
特征函数
回忆: 所谓可加性，是指若ξ与η相互独立，服从同一 类型分布，则其和ξ+η也服从该类分布，且其分布中 的参数是ξ与η的相应参数之和. 可加性也称再生性.
例8 设X和Y分别服从参数为1和2 的泊松分布, 且二者独立 试证X+Y服从参数为 1 2 的泊松分布.
f (t) 1 1 it
三、性质
性质1 f (t) f (0) 1 性质2 f (t) f (t) 性质3 设η= aξ+b, a,b是任意常数，则
f (t) eibt f (at)
性质4 若 1 , 2 ,, n 相互独立, 1 2 n ， i
的特征函数为 fi (t) ，则 f (t) f1 (t) f 2 (t) f n (t)
f (t ) e(eit 1) 例4 均匀分布U [a, b] 的特征函数
f (t) eitb eita (b a)it
例5 正态分布 N (, 2 ) 的特征函数
i t 2t 2
f (t) e 2 特别地,标准正态分布的特征函数为
t2
f (t) e 2
例6 指数分布 Exp() 的特征函数
(e it
e it ) =
1 eit 2
1 eit 2
这是分布列为
11/ 2
1/
12
的随机变量的特征函数.
一般，若能把f (t)写成 aneixnt 的形式，其中 an 0,
an 1,
n1
则f (t)是特征函数，它的分布列为 P( xn ) an , n 1,2,
关于分布函数的可加性
证明: 由泊松分布的特征函数知
f X (t ) e1(eit 1) ,
§1-4 特征函数
三、多元特征函数
多元特征函数的 性质
设随机向量(X1, …,Xn)的各个分量相互独立， 则
X ,, X (t1,, tn ) X (t1 ) X (tn )
1 n 1 n
二．特征函数的性质
二、特征函数的性质
特征函数的 性质
（1）有界性
X (t ) X (0) 1
（2）线性变换
aX b (t ) eibt X (at)
二、特征函数的性质
特征函数的 性质
（3）特征函数与原点矩的关系
（k） k k ( 0 ) i E ( X ) X
（k） E ( X k ) i k X (0)
1 n lim P {| X i μ | ε} 1 n n i 1
或
1 n lim P {| X i μ | ε} 0 n n i 1
二、特征函数的性质
例 题8
运用特征函数证明： Lindeberg – Levy 中心极限定理。
回顾：Lindeberg – Levy 中心极限定 理
（4）离散型随机变量 X 的特征函数为
(t ) E{eitX } pk eitx
k k
k
(costxk ) pk i (sin txk ) pk
k
一、特征函数的概念
(t ) E{eitX } pk eitx
k k
k
例 题1
(costxk ) pk i (sin txk ) pk
（2） X1 ,, X n (t1， ， tn ) ei(t1x1 tn xn ) dFX1 ,, X n ( x1 ,, xn )
特征函数的性质及应用
特征函数的性质及其应用摘 要：本文讨论了特征函数概念，特征函数的若干性质并进一步探讨特征函数在 各个方面的应用以及它们的证明过程。
关键词：特征函数；随机变量Some properties of characteristic functionand its applicationClass3, 2008, Department of Mathematics XueEndeAbstract : This paper discusses the concept of characteristic function characteristicfunction, some properties and further explore the characteristic functionVarious aspects of the application as well as their process of proofKeywords : The characteristic function of random variables;1引言特征函数在概率统计领域中是研究极限定理的强有力的工具，虽然它的作用不像分布函数那样明显，但是它却有着很好的分析性质。
广大数学工作者对此也进行了深入的探讨，得到了特征函数的一些性质以及在各个方面中的应用等一系列成果。
它不是单一的学科，与其它学科也有着重要的联系，特别是在物理学上各种热力学关系都以特征函数为基础，所以它在热力学中占有很重要的地位。
鉴于此，我们有必要进一步讨论特征函数的相关性质。
本文将主要针对特征函数的性质和应用进行分开讨论。
2特征函数的定义及性质为了讨论方便，先给出特征函数的概念2.1基本概念 我们称(),()it t Ee t ξϕ=-∞<<+∞是ξ的特征函数.（其中令ξ是任一随机变量）上面介绍了特征函数的概念，接下来讨论一下特征函数的一些性质.2.2特征函数的性质 性质1 令1,ξ2ξ的特征函数分别为12(),(),t t ϕϕ且1ξ与2ξ相互独立，那么12ξξ+的特征函数为12()()()t t t ϕϕϕ=.证明 设1,ξ2ξ是两个相互独立的随机变量，则1,ξ2ξ的特征函数1212(),()it it t Ee t Ee ξξϕϕ==中的1it e ξ与2it e ξ也相互独立.由数学期望的性质可得121212()12()()()(),it it it it it t Ee E e e Ee Ee t t ξξξξξξϕϕϕ+==⋅=⋅=故性质1得证.性质2 令随机变量ξ存在有n 阶矩，那么ξ的特征函数()t ϕ可以微分n 次，且若,k n ≤则(0).k k k i E ϕξ=证明 ().k k itx k k itxkd e i x e x dt=≤根据假定(),k x dF x +∞-∞<∞⎰故下式中在积分号下对t 求导n 次，于是对0k n ≤≤，有()()()kk k itx k k it t i x e p x dx i E e ξϕξ+∞-∞==⎰令t=0，即(0)()k k k i E ϕξ=.性质3 若()t ϕ是特征函数，则（1）()t ϕ-，（2）2(),t ϕ（3）[]()()nt n N ϕ+∈也是特征函数.证明 （1）若()t ϕ是随机变量ξ的特征函数，那么()t ϕ-可以看作是随机变量（ξ-）的特征函数.（2）若1ξ与2ξ独立同分布，其特征函数为()t ϕ，那么2()()()t t t ϕϕϕ=-是随机变量12ξξ-的特征函数.（3）若12,,,m ξξξ 独立同分布，其特征函数为()t ϕ，那么[]()nt ϕ是随机变量12m ξξξ+++ 的特征函数.性质4（唯一性）随机变量ξ的分布函数()F x 仅由特征函数()t ϕ决定. 证明 设x 是任取的()F x 的连续点.令z 设在F 的连续点趋近-∞，则有1()lim lim()2itz itxA Az A e e F x t dt itϕπ---→-∞→∞-=⎰. 根据分布函数左连续，并且F 的连续点在直线上稠密， 即对每个(,)x ∈-∞+∞有F 的连续点,m x x <m x x <. 从而F 由其连续点上的值唯一确定.性质5 当且仅当()iat t e ϕ=时，函数()t ϕ与1()t ϕ都是一个特征函数. 证明 若()t ϕ与1()t ϕ都是特征函数，设随机变量1ξ与2ξ相互独立，且1ξ与2ξ的特征函数分别是()t ϕ和1()t ϕ.因为12ξξ+的特征函数为1()1()t t ϕϕ=，所以12(0)1P ξξ+==. 故有[]21121211()()(,)()()()()()F x P x P x x P x P x P x P x F x ξξξξξξξ=<=<<-=<<-=<<=.因此必存在常数a ,使得0()1x aF x x a≤⎧=⎨≥⎩所以ξ服从单点分布()1,P a ξ==即()iat t e ϕ=.反过来，若()iat t e ϕ=，则1()iat e t ϕ-=也是特征函数. 所以当且仅当()iat t e ϕ=时，()t ϕ与1()t ϕ都是特征函数. 性质6 设a b ηξ=+（,a b 是任意常数），记η在Y Z =时条件特征函数为()k t ϕ，则()()ibt k k t e at ϕϕ=.证明()()()()()it a b itb itb itb k k t E e Y k E e Y k e e at ξξϕϕ+=/==/==. 3 特征函数的应用 3.1在证明极限定理的应用定理 1 （辛钦大数定律）设1,2,ξξ 是一列独立分布的随机变量，且数学期望存在(1,2,)i E a i ξ== ，则对任意的0ε>，有11n pi i a n ξ=−−→∑. 证明 因为1,2,ξξ 具有一样的分布，所以它们也有一样的特征函数.我们把这个特征函数记为()t ϕ，又由于i E a ξ=存在，从而特征函数()t ϕ有展开式()(0)(0)t t ϕϕϕ'=++ο()再由独立性知11n i i n ξ=∑的特征函数为()1m mt t t ia n n n ϕ⎡⎤⎡⎤=++ο()⎢⎥⎢⎥⎣⎦⎣⎦.对任意t 有lim ()lim 1m miat n n t t t ia e n n n ϕ→∞→∞⎡⎤⎡⎤=++ο()=⎢⎥⎢⎥⎣⎦⎣⎦.已知iate 是退化分布的特征函数，对应的分布函数为()I x a -.根据连续性定理11ni i n ξ=∑的分布函数弱收敛于()F x ，因为a 是常数，则有11n pi i a n ξ=−−→∑.定理2 （林德贝格——勒维定理）若1,2,ξξ 是一列独立同分布的随机变量，且22,(0)1,2,k k E a D k ξξσσ==>=则有22lim )nt kxn nap x e dt ξ--∞→+∞-≤=∑.证明 设k a ξ-的特征函数()t ϕ1nknk naξ=-=∑nϕ⎡⎤⎢⎥⎣⎦. 又因为2()0,(),k k E a D a ξξσ-=-=所以2(0)0,(0)ϕϕσ'''==-.于是特征函数()t ϕ的展开式222221()(0)(0)(0)()1()22t t t t t t ϕϕϕϕσ'''=+++ο=-+ο.从而对任意固定的t有221().2nnt t nn ϕ⎡⎤⎡⎤=-+ο⎢⎥⎢⎥⎣⎦⎣⎦ 而22t e-是(0,1)N 分布的特征函数，从而定理得证.3.2在计算数字特征上的应用.例 求2(,)N μσ分布的数学期望与方差. 解 根据2(,)N μσ分布的函数222(),t i tt eσμϕ=再由性质2(0)kkikE ϕξ=知2222(0),(0)iE i i E ξϕμξϕμσ'''====--. 因此222,()E D E E ξμξξξσ==-=. 3.3在证明函数的随机变量和分布中的应用.利用归纳法：我们可以把性质1进行推广到n 个独立随机变量的场合，令12,,,nξξξ 为n 个相互独立的随机变量，它们所对应的特征函数为12(),(),,(),n t t t ϕϕϕ 则1n i i ξξ==∑的特征函数为1()().ni i t t ϕϕ==∑例 设(1,2,,)i i n ξ= 为n 个相互独立的随机变量，且它们服从2(,)i N μσ分布的正态随机变量，试求1nii ξξ==∑的分布.解 由i ξ得分布为2(,)i N μσ，所以它们对应的特征函数为22().2i i ti t t eμσϕ=我们根据特征函数的性质1()()ni i t t ϕϕ==∑可知ξ的特征函数12222111()()()22n i i i i t nn i ti i i i i tt t Eeet μμσϕϕσ=⎡⎤⎢⎥⎢⎥⎣⎦==∑===+∑∑. 而它却是211(,)n ni ii i N μσ==∑∑分布的特征函数.从而根据分布函数与特征函数的一一对应关系即可知ξ服从211(,)nni ii i N μσ==∑∑分布.例 设随机变量12,,,n X X X 相互独立且分别服从为(1)k k m λ≤≤的普哇松分布，求1.nk K Y X ==∑解 对于任何一个k ，k X 服从参数为λ的普哇松分布，从而我们知道它的特征函数为1()(1)1()()nit k k n e k K t t eλϕϕ=-=∑==∑，而()t ϕ是参数为1nkK λ=∑的普哇松分布的特征函数，从而可知Y 服从参数为1nkK λ=∑的普哇松分布.。
CHP4[1].4 特征函数
![CHP4[1].4 特征函数](https://img.taocdn.com/s3/m/0e1e51086c85ec3a87c2c530.png)
利用性质5，我们 可以方便得求随机 变量的各阶矩 各阶矩。 各阶矩
由于 ξ 的 n 阶矩存在，故 可作下列积分号下的微分
∞
∫
∞
−∞
| x |k dF(x) < ∞ ，因而
∞ d k itx (k ) k f (t) = ∫ (e )dF(x) = i ∫ xk eitxdF(x) −∞ dt k −∞ 取 t = 0 ，即得结论成立。
可选足够大的 A 使右边的第一项任意小，然后选充 分小的 | h | 可使第二个积分也任意小，从而证明了定理 的结论。
机动 目录 上页 下页 返回 结束
性质3 性质 对于任意的正整数 n 及任意的实数 t1, t2 ,L, tn 及 复数 λ1, λ2 L, λn ，成立
∑∑ f (t
证明
k =1 j =1
f (t) = e
.
机动
ξ −a ξ =σ +a σ
上页 下页 返回 结束
目录
三 、逆转公式与唯一性定理
现在来证明特征函数和分布函数是相互唯一确定的， 由分布函数决定特征函数是显然的，剩下来的是证明可 由特征函数唯一决定分布函数。 引理 设 x1 < x2
g(T, x, x1, x2 ) =
则
π ∫0
iα
∫
α
0
e dx ≤ ∫ | eix | dx =| α |
ix 0
α
对 α ≤ 0 ，取共轭即知上式也成立。 因此
e−itx1 − e−itx2 itx e−itx2 (eit ( x2 −x1 ) −1) e ≤ ≤ x2 − x1. it it
机动 目录 上页 下页 返回 结束
交换 (*) 中两积分的积分顺序得到：
第08章特征函数
第八章特征函数第一节特征函数一、复随机变量1、定义：设与均为上的一维随机变量,称为上的复随机变量.2、的数学期望: ,若、均存在.3、相互独立：设()独立，称()独立.4、性质：(1),其中为复常数.证明：.(2).证明：.精彩文档精彩文档(3).证明：仅证离散型.设,则||||)(,,Z E p iy x p iy xlk kl l k lk kl l k∑∑=+≤+=.(4)|||1|x e ix≤-, R ∈∀x .证明：|||||1|0x dt edt e e xitx it ix=≤=-⎰⎰.(5)若k k k iY X Z +=独立,则. 证明：仅证明时成立即可.因独立,则与独立, 从而与,与,与,与,均独立.那么.(6)，必存在.证明：仅证连续型. 因 ,，故与存在,从而存在.精彩文档二、特征函数 1、定义:设为上的一维随机变量,,规定,称为的特征函数.显然：①.② 若为离散型,则.③ 若为连续型,则.2、性质： (1)；证明：.(2)；证明：.(3)在上一致连续；证明：R ∈∀t ,R ∈∀h ,|])1[(||||)()(|)(itX ihX itX X h t i X X e e E Ee Ee t h t -=-=-++ψψ⎰⎰+∞∞-+∞∞--≤-=dx x edx x e e ihxitxihx)(|1|)()1(ϕϕ⎰∞∞-=dx x hx)(2sin2ϕ 其中：2sin222|1|222hx ie eeex h i x h i x h i ihx=-=--;精彩文档由于 0>∀ε, 0>∃K ..t s ⎰>Kx dx x ||)(ϕε<, (因为1)(=⎰+∞∞-dx x ϕ收敛)取0>=Kεδ , 当δ<||h 时,⎰⎰->+≤-+KKK x X X dx x hxdx x hx t h t )(2sin 2)(2sin 2|)()(|||ϕϕψψ⎰⎰⎰-->+<+≤KKKKKx dx x K h dx x hx dx x )(||22)(||2)(2||ϕεϕϕεϕεε4)(22≤++<⎰-KKdx x .(4),为常数；证明：.(5)设()独立, 则.证明：仅证明时成立即可..(6),若存在.证明：因 .所以 .三、常见分布的特征函数1、离散型(1)退化分布：.证明：.(2)：,其中.证明：.(3):.证明：,服从参数为的(0-1)分布,且独立, , 所以.(3):.证明：.2、连续型(1)：.特别：①：；②：.精彩文档精彩文档证明：(2):.(3):.证明：.(4) ：.证明：222122221 221t t i it itz t t i edz eeσμσσσμπ--+∞-∞---==⎰.其中:.2222)(2σσσμσμσσμit it x x it x z +--⎪⎭⎫⎝⎛-=⎪⎭⎫ ⎝⎛--=精彩文档22222σμσμt it xit x -+-⎪⎭⎫ ⎝⎛-= 222221212t t i itx x z σμσμ+-+⎪⎭⎫ ⎝⎛--=- 下面计算 πσσ22222==⎰⎰-+∞-∞---it itz Lz dz edz e:,.,,在上, ,π2022=+→+=⎰⎰⎰⎰+∞∞---dx ex l xxL xx.第二节 唯一性定理一、逆转公式 1、预备知识 (1)设有函数，使得，，收敛,则在上一致收敛. 于是有；又若在上连续,则.华东师大《数学分析(下)》(2)狄里克莱积分: 华东师大《数学分析(下)》，.(3)设，,则2、逆转公式：设的分布函数为,特征函数为,又是的连续点，则证明: 不妨设，且,令，因为精彩文档.又收敛,则又因为存在,故. 所以.二、唯一性定理1、唯一性定理: 的分布函数由其特征函数为唯一确定.证明:在的每一个连续点上，取也为的连续点,于是有.因由其上连续点唯一确定，故由唯一确定.精彩文档精彩文档2、设,且,则⎰∞∞--='=dt t ex F x X itxX )(21)()(ψπϕ.证明: 因,故连续.,,有， 又 ，且 ,于是⎰⎰∞∞--+∞∞-∆+--→∆=∆-=dt t e dt t x it e e X itxX x x it itx x )(21)(lim 21)(0ψπψπ.注意为解析函数,.三、分布函数的再生性 1、，独立,则: . 证明：因，.由唯一性定理知, .2、，独立,则: .证明：因，.由唯一性定理知, .3、,独立,则: .证明：，,由唯一性定理知, .4、,独立,则: .证明：，, 由唯一性定理知, .第三节维随机变量的特征函数一、特征函数1、定义:设为上的维随机变量,,规定,称为精彩文档精彩文档的特征函数. 显然：① 若为离散型,则.② 若为连续型,则.注：∑==⎪⎪⎪⎪⎪⎭⎫ ⎝⎛='nk k k n n X t X X X t t t X t 12121) (M Λ2、性质： (1)；证明：.(2)；证明：.(3)在上一致连续； 证明：,,.其中：2121|||)()(|||X X t t X t '∆'∆≤'∆,注：∑=∆='∆nk k kX tX t 1,∑=∆∆=∆'∆nk k k t t t t 1,∑=='nk k k X X X X 1此式利用了许瓦兹不等式:精彩文档.因，由判别式可得.为方便起见,以下引入记号： ①，,.②，,特别记: ,.例： )4(}4,2{N I ⊂=,)1,0,1,0(1=I ,)0,1,0,0(11}3{3==.③ ,其中,.特别记,为单位矩阵.例： )4(}4,2{N I ⊂=,精彩文档⎪⎪⎪⎪⎪⎭⎫⎝⎛=1000000000100000I E , ⎪⎪⎪⎪⎪⎭⎫⎝⎛==0000010000000000}3{3E E .④ t E t I I =, 为t 的取有行的向量,I I I AE E A =, 为的取有行和列的矩阵,例： ),,,(4321t t t t t =,)4(}4,2{N I ⊂=,⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎭⎫⎝⎛=⎪⎪⎪⎪⎪⎭⎫ ⎝⎛==43214242100000000010000000),0,,0(t t t t t t t t t I ,⎝⎛⎪⎪⎪⎪⎪⎭⎫⎝⎛⎪⎪⎪⎪⎪⎭⎫ ⎝⎛=⎪⎪⎪⎪⎪⎭⎫⎝⎛=00000010000100000000010000000000000000000444342413433323124232221141312114422a a a a a a a a a a a a a a a a a a A I ④ ,，但均为非负整数. (4),为常量,为常矩阵. 证明：.精彩文档注：A B AB ''=')((5) 边缘分布：,, 特别，证明：.其中：X t E X E t X E E t X E t E X t I I I I I I I I )()()('='='='='(6),若存在,.说明：n kn kkkt t t t ∂∂∂=∂Λ2121二、逆转公式 1、逆转公式：设的分布函数为,特征函数为,在体面上概率为0,则⎰∏∈=---=-n kk k k x nk k b it a it X n dt it e e t a F b F R 1)()2(1)()(ψπ.2、唯一性定理:的分布函数由其特征函数唯一确定.⎰∏∈=---∞→-=n k k k k x nk k x it y it X n y dt it e e t x F R1)()2(1lim )(ψπ.三、独立性 1、设()独立, 则.证明：仅证明时成立即可.精彩文档.2、设为维随机变量，则 ，独立 ⇔ ∏==nk k X X t t k1)()(ψψ.证明:“”因为，独立，从而, 所以. “”因为,所以⎰∏∈=---∞→-=n kk k k x nk k x it y it X n y dt it e e t x F R1)()2(1lim )(ψπ⎰∏∈=---∞→-=n k kk k k x nk k X k x it y it n y dt t it e e R 1)()2(1lim ψπ ∏∏⎰==∈---∞→=-=nk k X nk t k k X k x it y it y x F dt t it e e k k k kk k k 11)()(21lim Rψπ.故，独立.第四节 n 维正态分布矩阵回顾：(1) 正定,记为; 非负定,记为.(2) ,.(3) 所有主子式存在,,使得存在,,使得.(4) 所有主子式存在,使得.(5) . 这时即的主子式.(6) ,则.(7) 对称合同于对角矩阵,即存在,,使得为对角矩阵.一、n维正态分布1、定义：设,,为阶正定矩阵，且,称服从维正态分布，记作.2、验算：验算确实是维随机变量的密度函数.(1)显然：,;(2)因，故存在,,使得，且.令,于是,这样,而，有,那么精彩文档,从而.于是.3、特别,当时, .二、特征函数1、的特征函数：.证明：，令,.由于,而,令，, 有,所以.精彩文档精彩文档2、I X 的特征函数： ,因此也是正态分布),(~I I I C N X μ. 其中,，为二次型的矩阵,也是正定矩阵.特别: ,.证明：.三、数字特征 1、设,则μ=EX .证明：因，从而,,所以.2、设,则. 因此有.预备工作： (1)设，为含自变量的可微函数,定义:.(2).证明：⎪⎪⎭⎫ ⎝⎛∂∂=⎪⎪⎭⎫ ⎝⎛∂∂=∂∂∑∑==)()(11n j jl kj nj jl kj B A t B A t t AB .(3)设，与无关,则精彩文档,.下面证明.证明：因)()()(202l k l k t l k X X X E X X E i t t t -==∂∂∂=ψ,又,而，,kl k l l k lk C C C t t Z -='-'-=∂∂∂111121212, lk Z k l Z k Z l l k X t t Z e t Z t Z e t Z e t t t t ∂∂∂+∂∂⎪⎪⎭⎫ ⎝⎛∂∂=⎪⎪⎭⎫ ⎝⎛∂∂∂∂=∂∂∂22)(ψ， 于是kl k l t l k X C i i t t t -=∂∂∂=))(()(02μμψ，从而,所以.四、独立性设,则独立,,证明：“”显然. “”因,,)(ex p()ex p()(221121kk k nk k k X C t it Ct t t i t -='-'=∑=μμψ∏∏===-=nk k X n k kkk k k t C t it k 11221)()ex p(ψμ. 所以 独立.精彩文档五、线性变换 1、,,,，则.证明：因})()( ex p{21t A AC t A t i ''-'=μ, 下面证明.因,，,故存在,,使得，且, 于是.可见.2、,,服从一维正态分布.证明：“”取,由1知.“”①先证明，当,,时., ,令，,,有,,已知,精彩文档那么.故 .显然，可见, 有,又X X k k 1'=服从一维正态分布,有0),cov(>==k k k kk DX X X C ,可知, 所以. ②再证明一般地也有.由于为实对称矩阵,故存在,,使得为对角矩阵.令,由条件知,,,,也服从一维正态分布, 而由知道,,,由①知,又,由1知.3、独立,),0(~E N X .证明:“”因,那么,故独立,.“”因,故,,服从一维正态分布.因此,又因独立,，所以.精彩文档作业：1、设nk X P X 1}{~==,.,,2,1n k Λ= 求)(t X ψ2、设X 服从几何分布,求)(t X ψ、EX 及DX .3、设||21)(~x e x X -=ϕ, 求)(t X ψ.4、已知itt X -=11)(ψ,求)(),(x x F ϕ.5、已知)1,0(~N X ,32+=X Y ,求)(t Y ψ.6、设X0 1 3P21 83 81 Y 01P 31 32 已知X 与Y 独立,求Y X Z +=的概率分布.7、已知),1,1,0,0(~ρN X ,求)(21X X E . 8、证明:若)(t k ψ,.,,2,1n k Λ=均为特征函数,则∏=nk kt 1)(ψ也是特征函数.9、已知)21,1,1,0,0(~N X ,⎩⎨⎧--=++=11211211X X Y X X Y ,求),(21y y Y ϕ.精彩文档作业：1、设nk X P X 1}{~==,.,,2,1n k Λ= 求)(t X ψ解: )1()1()(1)( 1111it t in it nk k it itn k ikt nk k itx itXX e n e e ene e n p eEet k--=====∑∑∑=-==ψ )1(1 --=-it tin e n e .2、设X 服从几何分布,求)(t X ψ、EX 及DX . 解:(1) qe p qe pe qepep qe Eet it it it k k it itk k ikt itXX -=-====-∞=-∞=-∑∑1)()(1111ψ. (2)由于kk k EX i X =)0()(ψ,而22)()()()(q e ipe i e q e p t it it itit X -=---='----ψ,精彩文档22)()()(2))(()(q e i e q e ipe q e i ipe t it it it it it it X ---⋅---=''------ψ32)(q e pe pqe it ti it ---=---. 于是 pq p i i EX X1)1()0(22=--='-=ψ. 又 2321)1()0(p q q p pq EX X +=----=''-=ψ, 从而 2222211)(p q p p q EX EX DX =-+=-=.3、设||21)(~x e x X -=ϕ, 求)(t X ψ.解: ⎰⎰⎰+∞∞-+∞∞-+∞∞-+===txdx x i txdx x dx x e Eet itxitXX sin )(cos )()()(ϕϕϕψ220||111)cos sin (cos cos 21t t tx tx t e txdx e txdx e x xx +=+-===+∞-+∞-+∞∞--⎰⎰.4、已知itt X -=11)(ψ,求)(),(x x F ϕ.解: 由于1111)(-⎪⎭⎫⎝⎛-=-=λψit it t X , 可见 )1(~Exp X .所以 ⎩⎨⎧≤>=- .0 ,0,0 ,)(x x e x x X ϕ⎩⎨⎧≤>-=- .0 ,0,0 ,1)(x x e x F x X精彩文档另解: ⎰⎰⎰∞∞--∞∞--∞∞--++=-==dt t e it dt it e dt t e x itxitx X itxX 21)1(21121)(21)(ππψπϕ ⎰⎰∞∞---∞∞--⎩⎨⎧≤>=+=+++= .0 ,0 ,0 ,121212122x x e iI I dt t te idt t e x itxitx ππ其中: ⎪⎩⎪⎨⎧≤>=- .0 ,21 ,0 ,211x e x e I xx⎪⎩⎪⎨⎧≤->=- .0 ,21 ,0 ,212x e x e iI x x 于是 ⎩⎨⎧≤>-=- .0 ,0 ,0 ,1)(x x e x F x X5、已知)1,0(~N X ,32+=X Y ,求)(t Y ψ. 解: 由于 2212221 )(t t t i X ee t --==σμψ,而)()(at e t X ibtb aX ψψ=+, 那么222212212323)2(3332)2()()(t t i t t i t t i X t i X Y e eee t e t t ---+=====ψψψ.可见 3=EY ,422==DY ,由唯一性定理知: )4,3(~N Y .6、设X0 1 3P21 83 81 Y 01P 31 32 已知X 与Y 独立,求Y X Z +=的概率分布. 解: 310818321)(⋅⋅⋅++==it it it itXX e e e Eet ψ, 103231)(⋅⋅+==it it itY Y e e Ee t ψ,因 X 与Y 独立, 于是精彩文档4321012124141241161)()()(⋅⋅⋅⋅⋅++++==it it it it it itX Y X Z e e e e e Ee t t t ψψψ， 所以,由唯一性定理知Z1234P612411 41 241 1217、已知),1,1,0,0(~ρN X ,求)(21X X E . 解: 由于) ex p()(21Ct t t i t X '-'=μψ,而 ⎪⎪⎭⎫⎝⎛=⎪⎪⎭⎫ ⎝⎛=0021μμμ, ⎪⎪⎭⎫ ⎝⎛=⎪⎪⎭⎫ ⎝⎛=1122212121ρρσσρσσρσσC , ()⎪⎪⎭⎫ ⎝⎛++=⎪⎪⎭⎫⎝⎛⎪⎪⎭⎫ ⎝⎛='211221212111)(t t t t t t t t t t Ct t ρρρρ222121212221212t t t t t t t t t t ++=+++=ρρρ, 于是 u t t t t X e eCt t t =='-=++-)2(2121222121)ex p()(ρψ因 ,而uu X e t t t t e t t )(222)(21211ρρψ+-=⎪⎭⎫ ⎝⎛+-=∂∂, )()()(1221212t t e t t e t t t u u X ρρρψ+++-=∂∂∂,所以 ρψ=∂∂∂-==021221)()(t X t t t X X E .精彩文档8、证明:若)(t k ψ,.,,2,1n k Λ=均为特征函数,则∏=nk kt 1)(ψ也是特征函数.证明: 设k X 的特征函数为)(t k ψ,.,,2,1n k Λ=且独立,则∑==n k k X X 1的特征函数为=∏=n k X t k 1)(ψ∏=nk k t 1)(ψ.因此∏=nk kt 1)(ψ也是特征函数.9、已知)21,1,1,0,0(~N X ,⎩⎨⎧--=++=11211211X X Y X X Y ,求),(21y y Y ϕ.解: 由于b AX Y +=,因 })()( ex p{)()()(21t A AC t A t i e t A e t t bt i X b t i b AX Y ''-'='==''+μψψψ,})()( ex p{21t A AC t b A t i ''-+'=μ, 由唯一性定理知 ),(~A AC b A N Y '+μ.而 ⎪⎪⎭⎫ ⎝⎛-=1111A ,⎪⎪⎭⎫ ⎝⎛-=11b ,⎪⎪⎭⎫⎝⎛=11ρρC ， 有 b b A =+μ,⎪⎪⎭⎫ ⎝⎛-+=⎪⎪⎭⎫ ⎝⎛-⎪⎪⎭⎫ ⎝⎛⎪⎪⎭⎫ ⎝⎛-='ρρρρ2200221111111111A AC , 从而 1,121-==y y μμ,0,)1(2,)1(22121=-=+=y y y y ρρσρσ,于是 ⎥⎥⎦⎤⎢⎢⎣⎡-+++---=ρρρπϕ1)1(1)1(412212221141),(y y ey y2)1(6)1(2221321+---=y y eπ.参考:精彩文档,⎥⎥⎦⎤⎢⎢⎣⎡-+-------=2222212121212)())((2)()1(21221121),(σμσσμμρσμρρσπσϕy y x x ey x .。
特征函数证明中心极限定理
特征函数证明中心极限定理中心极限定理是概率论中的重要定理之一，它给出了在大样本条件下，随机变量的和服从正态分布的性质。
在证明中心极限定理时，我们使用到了特征函数这一重要工具。
本文将详细介绍特征函数的定义，性质及其在证明中心极限定理中的应用。
一、特征函数的定义及性质1. 定义特征函数指的是一个随机变量的复数函数，定义为：φ(t) =E(e^(itX))，其中X为随机变量，i为虚数单位。
特征函数是一个对随机变量的完全描述，可以唯一地确定随机变量的分布函数。
2. 性质特征函数具有以下性质：（1）φ(0) = 1，即特征函数在t=0时等于1；（2）φ(t)是连续的，且具有线性性，即对任意实数a、b，有φ(at+b) = e^(ibt)φ(t)；（3）若随机变量X和Y相互独立，则它们的特征函数之积等于它们的和的特征函数之积，即φX+Y(t) = φX(t)φY(t)。
二、特征函数在证明中心极限定理中的应用中心极限定理指出，对于独立同分布的随机变量序列X1，X2，...，Xn，它们的和Sn = X1 + X2 + ... + Xn在n很大时，服从正态分布。
证明中心极限定理时，我们使用到了特征函数。
设X1，X2，...，Xn为独立同分布的随机变量序列，且E(Xi)=μ，Var(Xi)=σ^2，则它们的和Sn的特征函数为：φS(t) =φX1(t)φX2(t)...φXn(t) = [φ(t)]^n，其中φ(t)为每个随机变量的特征函数。
将特征函数经过复数域上的变换可以得到一个新的特征函数：φ((t-nμ)/σ√n)，即将Sn与其期望nμ和标准差σ√n标准化。
这个函数在n很大时趋近于e^(-t^2/2)，也就是标准正态分布的特征函数。
因此，Sn在n很大时近似于正态分布，其期望为μn，方差为σ^2n。
三、总结特征函数是描述随机变量的重要工具，它唯一地确定了随机变量的分布函数。
在证明中心极限定理中，我们将随机变量的特征函数相乘后通过变换得到新的特征函数，并以此证明了Sn在n很大时服从正态分布的性质。
概率分布的特征函数
概率分布的特征函数概率分布的特征函数（characteristic function）是一个重要的数学工具，它在概率论和统计学中被广泛应用。
概率分布的特征函数是指一个复数变量的函数，其定义为概率分布的随机变量的期望值的指数函数的复合函数。
在这篇文章中，我们将深入探讨概率分布的特征函数的各种特性和应用。
一、定义和性质概率分布的特征函数是指一个复数变量的函数，其定义为：$$\varphi_X(t) = E(e^{itX}),\quad t\in \mathbb{R},$$其中$X$是一个随机变量，$i$是虚数单位，$t$也是一个实数。
注意到上式中的$e^{itX}$是一个复数，其模长为1，因此特征函数是一个复合函数，其在实数轴（$t\in \mathbb{R}$）上的定义域是唯一的。
接下来，我们将探讨概率分布的特征函数的若干重要性质：1.特征函数的连续性。
如果随机变量$X$有一个概率密度函数$f_X(x)$，那么$\varphi_X(t)$对于所有的$t\in \mathbb{R}$都是连续的函数。
2.特征函数的对称性。
对于任意的$t\in \mathbb{R}$，都有$\varphi_X(-t) =\overline{\varphi_X(t)}$，其中$\overline{z}$表示$z$的共轭复数。
3.特征函数的独特性。
一个概率分布的特征函数唯一地决定了这个概率分布，换句话说，没有两个不同的概率分布可以具有相同的特征函数。
4.特征函数的归一性。
对于任意的$t = 0$，都有$\varphi_X(0) = E(e^{i0X}) = E(1) = 1$。
5.特征函数的反演公式。
如果特征函数$\varphi_X(t)$存在一个连续导函数$\varphi_X'(t)$，并且对于所有的$t\in \mathbb{R}$，都有$$ \lim_{u\to\infty}\int_{-u}^u {\varphi_X(t+iy) - \varphi_X(t-iy) \over 2iy} e^{-ity} dy = f_X(t), $$那么随机变量$X$的概率密度函数$f_X(x)$可以表示为：其中$-\infty < x < \infty$。
随机变量特征函数
随机变量特征函数随机变量特征函数是概率论中的一个重要概念，它在描述随机变量的性质和特征上起着至关重要的作用。
特征函数是指一个随机变量的复数形式的函数，可以完整地描述该随机变量的分布特性。
在本文中，我们将深入探讨随机变量特征函数的定义、性质以及应用。
一、随机变量特征函数的定义随机变量特征函数是指对于一个随机变量X，其特征函数被定义为一个复数函数φ(t)，其中t为实数。
特征函数φ(t)的表达式为E(e^(itX))，即随机变量X的期望值e^(itX)的复数形式。
1. 对于任意实数t，特征函数φ(t)的值为复数；2. 对于任意实数t1和t2，特征函数φ(t1+t2)等于φ(t1)φ(t2)的乘积；3. 特征函数φ(0)等于1；4. 若两个随机变量X和Y具有相同的特征函数φ(t)，则它们的分布函数相同；5. 若一个随机变量X的特征函数φ(t)处处有界，则X的分布是有界的。
三、随机变量特征函数的应用1. 利用特征函数可以求得随机变量的矩和矩母函数。
通过对特征函数进行n次求导并令t=0，可以得到随机变量的n阶矩。
2. 利用特征函数可以推导出随机变量的分布。
由于特征函数与分布函数之间存在一一对应的关系，因此通过特征函数可以确定随机变量的分布。
3. 利用特征函数可以进行随机变量的卷积运算。
对于两个随机变量X和Y的卷积运算，可以通过将它们的特征函数相乘得到结果的特征函数，从而确定卷积运算的分布。
四、随机变量特征函数的实例分析以二项分布为例，假设一个试验中成功的概率为p，失败的概率为1-p，进行n次独立重复试验，成功的次数X服从二项分布B(n,p)。
我们可以求出X的特征函数为φ(t)=(e^(itp))^n。
对于一个服从参数为n和p的二项分布的随机变量X，它的特征函数为φ(t)=(e^(itp))^n。
我们可以利用特征函数来计算X的矩和矩母函数。
例如，X的一阶矩为E(X)=φ'(0)，即特征函数在t=0处的一阶导数。
特征函数知识点总结归纳
特征函数知识点总结归纳一、定义及用处1. 定义特征函数是描述输入数据特征的函数，其作用是将输入数据映射到输出数据的过程中。
特征函数可以是简单的数学函数，也可以是复杂的复合函数，其形式通常由具体的问题和建模任务所决定。
特征函数在统计学和机器学习中有着广泛的应用，它是数据建模和分析中不可或缺的组成部分。
2. 用处特征函数在机器学习和统计建模中有着重要的作用，它可以用于描述输入数据的特征，帮助模型更好地理解和理解数据。
通过特征函数，我们可以将原始数据映射到模型可理解和可处理的特征空间中，从而提高模型的表达能力和泛化能力。
此外，特征函数还可以帮助模型更好地适应现实世界中复杂多变的数据分布，从而提高模型的预测精度和鲁棒性。
二、常见类型特征函数的类型多种多样，根据其在模型中的位置和作用不同，可以将其划分为输入特征函数、隐变量特征函数、输出特征函数等不同类型。
下面我们分别对这几种常见的特征函数进行介绍和分析。
1. 输入特征函数输入特征函数是描述输入数据特征的函数，其作用是将原始输入数据映射到模型可理解和可处理的特征空间中。
输入特征函数通常用于对原始数据进行预处理和特征提取，帮助模型更好地理解和利用数据。
输入特征函数的形式多种多样，可以是简单的数学函数，也可以是复杂的数据转换算法。
常见的输入特征函数包括多项式特征、核函数特征、傅立叶变换特征等。
2. 隐变量特征函数隐变量特征函数是描述隐变量特征的函数，其作用是将隐变量映射到模型可理解和可处理的特征空间中。
隐变量特征函数通常用于隐变量模型的建模和推断，帮助模型更好地理解和解释数据。
隐变量特征函数的形式多种多样，可以是简单的数学函数，也可以是复杂的变分推断算法。
常见的隐变量特征函数包括指数族分布特征、隐变量模型特征、潜在变量特征等。
3. 输出特征函数输出特征函数是描述输出数据特征的函数，其作用是将模型预测的输出数据映射到可观测的特征空间中。
输出特征函数通常用于对模型输出进行后处理和特征解释，帮助模型更好地理解和利用预测结果。
随机变量的特征函数
随机变量的特征函数随机变量的特征函数是描述随机变量的一个重要工具，广泛应用于概率论和数理统计等领域。
特征函数可以用于确定随机变量的分布、刻画随机过程的性质以及进行概率计算等。
在本文中，我们将从定义、性质、应用等方面对随机变量的特征函数进行详细介绍。
一、定义设X是一个随机变量，其概率密度函数（或概率质量函数）为f(x)，特征函数定义为：ϕ(t) = E[e^(itX)]其中，i是虚数单位（i^2=-1）。
特征函数是一个复数函数，其自变量t也是复数。
特征函数的定义包含了随机变量本身的所有信息，因此可以通过特征函数来刻画随机变量的分布。
二、性质1.偶函数性质特征函数是一个偶函数，即ϕ(-t) = ϕ(t)。
这是由特征函数定义中的e^(itX)的形式决定的。
2.边界性质对于任意复数t，有，ϕ(t)，≤1、这是由特征函数的定义可以得到的结论。
3.一一对应性质如果两个随机变量的特征函数相等，即ϕ1(t)=ϕ2(t)，则两个随机变量具有相同的分布。
这个性质可以用来判定两个随机变量是否具有相同的分布。
4.完备性性质特征函数在一些条件下具有完备性，即可以唯一决定分布。
这个性质在数理统计中具有重要的应用。
三、应用1.分布的确定对于一个随机变量X，若其特征函数ϕ(t)已知，那么可以通过反演公式来求解X的分布。
即X的分布函数可以通过特征函数的逆变换来确定。
2.随机过程的性质刻画特征函数在随机过程中具有广泛的应用，可以用来刻画随机过程的独立性、平稳性、马尔可夫性等性质。
3.概率计算特征函数在概率计算中也非常有用，可以通过特征函数来计算随机变量的数学期望、方差以及高阶矩等。
四、示例为了更好地理解特征函数的应用，下面我们以一个简单的示例来说明。
假设一个随机变量X的概率密度函数为：f(x)=1/π(1+x^2)，如果，x，≤1那么该随机变量的特征函数为：ϕ(t) = E[e^(itX)] = 1/π∫[−1,1]e^(itx)f(x)dx将概率密度函数代入上式并计算积分，得到：ϕ(t) = 1/π∫[−1,1]e^(itx)/π(1+x^2)dx这个积分可以使用复变函数的技巧来求解，最终可以得到：ϕ(t)=e^(-，t，)由此，我们可以判定该随机变量X服从柯西分布。
特征函数和特征值
特征函数和特征值特征函数和特征值是线性代数中的重要概念，它们在矩阵的理论和应用中都有着广泛的应用。
本文将围绕特征函数和特征值展开，介绍它们的定义、性质、求解方法及其在实际问题中的应用。
一、特征函数和特征值的定义1. 特征函数特征函数是指对于一个n阶方阵A，存在一个非零向量x，使得Ax=kx成立，其中k为一个标量。
这个方程称为矩阵A关于k的特征方程，而k则称为矩阵A的一个特征值。
由此可见，特征函数是与矩阵相关联的一个函数。
2. 特征值根据上述定义可知，矩阵A关于k的特征方程Ax=kx成立时，k即为矩阵A的一个特征值。
每个n阶方阵都有n个特征值。
二、特征函数和特征值的性质1. 特殊性质（1）如果一个n阶方阵A有n个不同的特征值，则它一定可以被对角化。
（2）如果两个n阶方阵A、B相似，则它们具有相同的特征值。
（3）如果一个n阶方阵A是实对称矩阵，则它的特征值都是实数。
（4）如果一个n阶方阵A是正定矩阵，则它的特征值都是正数。
2. 求解方法求解矩阵的特征值和特征向量有多种方法，下面介绍两种常用的方法。
（1）特征多项式法设A为n阶方阵，I为n阶单位矩阵，则其特征多项式为f(λ)=det(A-λI)，其中λ为变量。
由于f(λ)是一个n次多项式，因此有n个根，即为A的n个特征值。
（2）幂法幂法是一种迭代算法，通过不断迭代矩阵与向量的乘积来逼近特征向量。
假设有一个初始向量x0，通过不断迭代可以得到x1=Ax0、x2=Ax1=AAx0、x3=Ax2=AAAx0……直到收敛为止。
此时，xk即为A的最大特征值所对应的特征向量。
三、特征函数和特征值在实际问题中的应用1. 特殊结构问题在计算机图形学中，对于一个三维物体进行旋转时，可以使用特征值和特征向量来计算旋转矩阵。
此外，在工程中，特征值和特征向量还可以用于求解桥梁、建筑物等结构的振动频率和振动模态。
2. 数据分析问题在数据分析领域，特征值和特征向量可以用于PCA（Principal Component Analysis）降维算法。
特征函数
it n
= k = ) • Poisson分布的特征函数 P ( X
λk
k!
e−λ
ϕ (t ) = e
λ ( e it −1)
• 均匀分布的特征函数
it
X ~ U [0,1]
n
e −1 ϕ (t ) = it
一些特殊分布的特征函数：
• 指数分布的特征函数 f ( x ) = e
θ
1
− x
θ
ϕ (t ) = (1 − iθ t )
性质4: 设 r.v. ξ 的n阶矩存在，则 ξ 的特征 函数可微分n次，且对任意 k ≤ n ，有
ϕ
即
(k )
(0) = i
ϕ
k
Εξ
k
Εξ =
k
(k )
(0)
i
k
特征函数的定理
定理1 逆转公式.
设分布函数F(x)的特征函数为g(t)，又x1,x2是 F(x)的两个连续点，则
1 F ( x1 ) − F ( x2 ) = lim T →∞ 2π e −itx1 − e −itx2 ∫−T it g (t )dt
这里ϕ（t） 表示ϕ (t )的共轭
性质2: η = aξ + b 的特征函数，
ibt ( ) ϕ η t = e ϕ ξ (at )
性质3: 设
ξ1 , ξ 2 的特征函数分别为 ϕ1 (t ), ϕ 2 (t )
，
又 ξ1 , ξ 2 相互独立，则 η = ξ1 + ξ 2 的特征函数为
ϕη (t ) = ϕ1 (t )ϕ 2 (t )
= eitx cos(tx) + i sin(tx) (1) 欧拉公式：
(2) 复数的共轭： a + bi =a − bi (3) 复数的模：
特征函数及其应用
特征函数及其应用1 引言在概率论和数理统计中，我们学习了特征函数，发现了它可以更高级、优越、方便的表示出一般的随机变量的统计规律．是研究随机变量的重要工具．本文将向大家详细的阐述特征函数的基本概念，性质以及特征函数的应用和一些相关定理的证明．2 特征函数2.1 特征函数的定义设ξ是定义在样本空间上的随机变量．称ξ的复值函数it eξ=cos ()t ξ+i sin ()t ξ的数学期望E ()it e ξ=E ()()cos t ξ+i E ()()sin t ξ t -∞<<+∞其中，i =ξ的特征函数，记为()t ϕ．特征函数()t ϕ一般为实变量t 的复值函数，它对一切t 有定义．事实上，当ξ是连续型随机变量时，对(),t ∀∈-∞+∞，总有()()1itx e dF x dF x +∞+∞-∞-∞==⎰⎰若ξ为离散型随机变量，则1kitx k kep =∑因此，任一随机变量ξ，必有特征函数存在．2.2 特征函数的性质()1 有界性：()()()01,,t t ϕϕ≤=∀∈-∞+∞ ()2 一致连续性：()t ϕ在(),-∞+∞上一致连续 ()3 非负定[]()1181P 性：对1n ∀>个实数1t ，，n t 及复数1z ，，n z ，总有()0s rs r rstt z z ϕ-≥∑∑()4 ()t ϕ-=()t ϕ，这里()t ϕ表示()t ϕ的共轭()5 若a b ηξ=+，a ，b ，为常数，则()t ηϕ=ibt e ()at ξϕ⋅()6 设12,ξξ的特征函数分别为()1t ϕ，()2t ϕ，又1ξ与2ξ相互独立，则12ξξξ=+的特征函数为()()()12t t t ϕϕϕ=⋅2.3 特征函数与矩的关系在以前的学习中，我们发现求随机变量的各阶矩往往需要作繁难的求无穷级数和或无穷积分的计算，有时应用一定的技巧方可计算出结果．现在我们有了特征函数这一优越的工具后，可以通过对特征函数()t ϕ求导的方法来计算随机变量的矩．设随机变量ξ有l 阶矩存在，则ξ的特征函数()t ϕ可微分l 次，且对k l ≤，有()()0k k k i E ϕξ=设ξ有密度函数()p x ，则()t ϕ=()itx e p x dx +∞-∞⎰由于ξ的l 阶矩存在，即有()lx p x dx +∞-∞<∞⎰从而()itx e p x dx +∞-∞⎰可以在积分号下对t 求导l 次，于是对0k l ≤≤，有()()k t ϕ=()()k k itx k k it i x e p x dx i E e ξξ+∞-∞=⎰令0t =即得()()0k k k i E ϕξ=当ξ是离散型随机变量时，证明也是类似的．由这个性质，在求ξ的各阶矩（如果他们存在的话），只要对ξ的特征函数求导即可．而从定义出发是要计算积分的，大家都知道，求导一般总是要比求积分简单的多，所以可以这样说：特征函数提供了一条求各阶矩的捷径[]()2175176P -．2.4 几种常见分布的特征函数()1 单点分布 设ξ服从单点分布，即()1P c ξ==，则()()()it itc itc t E e e P c e ξϕξ==⋅==()2 两点分布 设()~1,B p ξ，即 ()1P p ξ==，()01P p q ξ==-=，则()01it it it t e q e p q pe ϕ⋅⋅=⋅+⋅=+()3 二项分布 设()k k n k n P k p q C ξ-==，0k n ≤≤，则()t ϕ=0nikt k k n k n k e p q C -=∑()nitpe q=+()4 普哇松分布 设ξ为普哇松分布，即()!kP k e k λλξ-==，0k =，1，2则()t ϕ=0!itkikte k ee e e k λλλλ∞--==⋅∑()5 均匀分布 设ξ在[]0,1上均匀分布，即()011,0,x p x ≤≤⎧=⎨⎩其它则()t ϕ=()1itx itx e p x dx e dx +∞-∞=⎰⎰1it e it-=()6 指数分布 设ξ服从参数为λ的指数分布，即 ()0,0,x x e p x x λλ->⎧=⎨≤⎩故()t ϕ=itx x e e dx λλ∞-⎰由数学分析知道 220sin x ttxe dx t λλ∞-=+⎰22cos x txe dx tλλλ∞-=+⎰由此可得()t ϕ=11it λ-⎛⎫- ⎪⎝⎭()7 正态分布 设ξ服从()2,N μσ分布，把()2,N μσ分布的密度函数代入()t ϕ=()itx e p x dx +∞-∞⎰中，即有()t ϕ=()222x itx edx μσ--+∞-∞⎰222t i t eσμ-=22it zit edz σσ∞---∞-⎰222t i t e σμ-=其中22it zit edz σσ∞---∞-⎰=是利用复变函数中的围道积分求得的．例1 求()2,Nμσ分布的数学期望和方差解 已知()2,Nμσ分布的特征函数为()t ϕ=222t i t eσμ-于是由()()0k k k i E ϕξ= 有()0iE i ξϕμ'==()22220i E ξϕμσ''==--由此即得()222,E D E E ξμξξξσ==-=从这里我们可以看出用特征函数求正态分布的数学期望和方差，要比从定义去证更方便[]()31P ．2.5 特征函数与分布函数的关系逆转公[]()2177P 式 设随机变量ξ的分布函数为()F x ，特征函数为()t ϕ，又1x 与2x 为()F x 的任意两个连续点，则有()()()12121lim2itx itx TT T e e F x F x t dt it ϕπ---→∞--=⎰其中，当0t =时，按连续性延拓定义1221itx itx e e x x it---=- 由特征函数的定义可知，随机变量的分布函数唯一的确定了它的特征函数．反过来，由唯一性定理可知特征函数可以唯一地确定它的分布函数．从而由特征函数来确定分布函数的式子也常常称为“逆转公式”．唯一性定[]()2178P 理 随机变量的分布函数由其特征函数唯一确定．3 特征函数的应用3.1 特征函数在求独立随机变量和的分布上的应用设1ξ，2ξ的特征函数分别为()1t ϕ，()2t ϕ，又1ξ与2ξ相互独立，则12ξξξ=+的特征函数为()()()12t t t ϕϕϕ=⋅因为1ξ与2ξ相互独立，由以前的知识我们知道1it e ξ与2it eξ也相互独立，于是由数学期望的性质即得()t ϕ=()12it Ee ξξ+()12it it E e e ξξ=⋅12it it EeEe ξξ=⋅()()12t t ϕϕ=⋅利用归纳法，不难把上述性质推广到n 个独立随机变量的场合，若1ξ，2ξ，n ξ是n 个相互独立的随机变量，相应的特征函数为()1t ϕ，()2t ϕ，…，()n t ϕ 则ξ1ni i ξ==∑的特征函数为()t ϕ=()1ni i t ϕ=∏例2 设jξ(1j =，2，)n 是n 个相互独立的，且服从()2,j j N a σ分布的正态随机变量，试求ξ1nj j ξ==∑的分布．解 已知j ξ的分布为()2,j j N a σ，故相应的特征函数为()222j j t ia t j t eσϕ-=由特征函数的性质()t ϕ=()1nj j t ϕ=∏ 可知ξ的特征函数为()t ϕ=()1n j j t ϕ=∏2222111221nnj j j j j j t i a t t nia t j eeσσ==⎛⎫⎛⎫ ⎪ ⎪--⎪ ⎪⎝⎭⎝⎭=∑∑==∏而这是211,n n j j j j N a σ==⎛⎫ ⎪⎝⎭∑∑分布的特征函数，由分布函数与特征函数的一一对应关系即知ξ服从211,n n j j j j N a σ==⎛⎫⎪⎝⎭∑∑分布．这正是我们所熟知的可加性，这里用特征函数作为工具证明了这个可加性．3.2 在普哇松分布收敛于正态分布上的应用连续性定[]()2205P 理 分布函数列(){}n F x 弱收敛于分布函数()F x 的充要条件是相应的特征函数列(){}nx ϕ收敛于()F x 的特征函数()t ϕ．例3 若λξ是服从参数为λ的普哇松分布的随机变量，证明：22lim t xP x e dt λ--∞→∞⎫<=⎪⎭证明 已知λξ的特征函数为()x λϕ()1it e eλ-=，故λη= 的特征函数为()1g t e eλλλϕ⎛⎫⎪ ⎪-⎝⎭==对于任意的t ，有2112!t o λλ⎛⎫=-+ ⎪⎝⎭，λ→∞于是221122t t eo λλλ⎛⎫⎛⎫--=-+⋅→- ⎪ ⎪ ⎪⎝⎭⎝⎭，λ→∞ 从而对任意的点列n λ→∞，有()22lim n n t g t eλλ-→∞=但是22te-是()0,1N分布的特征函数，由连续性定理即知有22limntxP x e dtλξλ--∞→∞⎛⎫-<=⎪⎪⎭成立，因为nλ是可以任意选取的，这就意味着22limtxP x e dtλ--∞→∞⎫<=⎪⎭成立．即“普哇松分布收敛与正态分布”．3.3在证明辛钦大数定律上的应用若1ξ，2ξ…是独立同分布随机变量序列，且(iE a iξ==1，2，)则11npiianξ=−−→∑，n→∞证明因为1ξ，2ξ…有相同的分布，所以也有相同的特征函数，记这个特征函数为()tϕ，又因为iEξ存在，从而特征函数()tϕ有展开式()()0tϕϕ=+ϕ'()()0t o t+()1iat o t=++再由独立性知11niinξ=∑的特征函数为1n nt t tia on n nϕ⎡⎤⎡⎤⎛⎫⎛⎫=++⎪ ⎪⎢⎥⎢⎥⎝⎭⎝⎭⎣⎦⎣⎦对任意取定的t，有lim lim1n niatn nt t tia o en n nϕ→∞→∞⎡⎤⎡⎤⎛⎫⎛⎫=++=⎪ ⎪⎢⎥⎢⎥⎝⎭⎝⎭⎣⎦⎣⎦已知iate是退化分布的特征函数，相应的分布函数为()1,0,x aF xx a>⎧=⎨≤⎩由连续性定理知11niinξ=∑的分布函数弱收敛于()F x，因a是常数，则有11n pi i a n ξ=−−→∑ 故辛钦大数定律成立．3.4 在证明二项分布收敛于正态分布上的应用在n 重贝努里试验中，事件A 在每次试验中出现的概率为()01P p <<，n μ为n 次试验中事件A 出现的次数，则22lim t xn P x e dt --∞→∞⎛⎫<=⎪⎪⎭要证明这个式子我们只需证明下面的这个式子，因为它是下面的式子的一个特例，证明了下面的式子，也就证明了它．若1ξ，2ξ，…是一列独立同分布的随机变量， 且 k E a ξ=，()220k D ξσσ=>，k =1，2，…则有22lim n t k xn na P x e dt ξ--∞→∞⎛⎫- ⎪⎪<=⎪⎪⎝⎭∑证明 设k a ξ-的特征函数为()t ϕ，则nknk naξ=-=∑的特征函数为nϕ⎡⎤⎢⎥⎣⎦又因为()0k E a ξ-=，()2k D a ξσ-=，所以ϕ'()00=，ϕ''()20σ=-于是特征函数()t ϕ有展开式()()0t ϕϕ=+ϕ'()0t +ϕ''()()2202t o t +()222112t o tσ=-+从而对任意固定的t，有2212nnt ton nϕ⎡⎤⎡⎤⎛⎫=-+⎢⎥⎪⎢⎥⎝⎭⎣⎦⎣⎦22te-−−→，n→∞而22te-是()0,1N分布的特征函数，由连续性定理知22limntkxnnaP x e dtξ--∞→∞⎛⎫-⎪⎪<=⎪⎪⎝⎭∑成立，证毕．我们知道在22limtxnP x e dt--∞→∞⎛⎫<=⎪⎪⎭中nμ是服从二项分布()k k n kn nP k p qCμ-==，0k n≤≤的随机变量，如上3.2中称22limtxP x e dtλ--∞→∞⎫<=⎪⎭为“普哇松分布收敛与正态分布”，我们把上面证明的式子常常称为“二项分布收敛于正态分布”．[]()2210211P-通过上文的讨论，我们加深了对特征函数的认识，对于特征函数的应用也有了大概的了解，而随着理论和实践的不断发展，对特征函数的研究也将会不断深化．。
14特征函数讲解
(3) 性质3
如果矩E
(1k1
k2 2
E
(
k1 1
k2 2
kn n
)
kn n
)存在，则
n
k j i j1
k1
f ( k2 kn t1k1 t2k2
t1
,
t2 ,
t
kn n
,
tn
)
t1 t2 tn 0
(4) 性质4
若(1,2 , ,n )的特征函数为f (t1, t2 , , tn )， 则k(k n)维随机向量(1,2 , ,k )的特征函数为 f1,2, ,k (t1 , t2 , , tk ) f (t1 , t2 , , tk , 0, , 0)
2) E(eitX )是实变量t 的函数.
定义 设X是定义在(Ω,F, P )上的随机变量,称
g(t ) E(eitX )
为X 的特征函数.
当X 是连续型随机变量
g(t ) e itx f ( x)dx;
当X 是离散型随机变量 g(t) eitxk pk .
k
Ex.1 单点分布 PX c 1,
P(X k) k!
k 0,1,2,
peit q ( peit q)n
e (eit 1)
分布
概率密度
特征函数
U(a,b)
E() N(, 2)
f
(
x)
b
1
a
,
a x b,
0,
其它
ex , x 0,
f (x) 0,
其它
特征函数及其应用
∑∑ ϕ (t
k =1 j =1
n
n
k
− t j )z k z j ≥ 0 .
证明 设 X 是连续随机变量，其密度函数为 p (x ) ，则有
∑∑ ϕ (tk − t j )zk z j = ∑∑ z k z j
k =1 j =1 k =1 j =1
+∞ n
n
n
n
n
∫
+∞ i t −t x k j
−∞
2
− ∞ < x < +∞ .
所以特征函数为
1 ϕ ( x) = 2π
∫
+∞ itx−
−∞
e
x2 2
dx = e
+∞ −it
−
t2 2
1 2∞
∫
+∞
−∞
e
−
(x − it )2 dx
2
=e 其中
+ ∞ −it −
−
t2 2
1 2π
∫
− ∞ −it
e
−
t2 2
dz = e
−
t2 2
.
∫
−∞ − it
e
∫
+∞
−∞
eitx p( x )dx 可 以 对 t 求 导 L 次 ， 于 是 对
ϕ (k ) (t ) = ∫ i k x k eitx p( x )dx = i k Ε( X k e itX ) ,
−∞
+∞
令 t =0 即得
ϕ (k ) (0) = i k Ε( X k ) .
6、一致连续性 随机变量 X 的特征函数ϕ (t ) 在（ − ∞, +∞ ）上一致连续. 证明 设 X 是连续随机变量（离散随机变量的证明是类似的） ，其密度 函数为 p (x ) ，则对任意实数 t ， h 和正数 a >0,有
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
湖北大学
硕士学位论文
特征函数的性质及其应用姓名：阚兴莉
申请学位级别：硕士
专业：基础数学
指导教师：田范基
20100401
特征函数的性质及其应用
作者：阚兴莉
学位授予单位：湖北大学
1.由丽丽特征函数及其应用[学位论文]2009
2.陈维.CHEN Wei概率论中事件的分割思想及其应用[期刊论文]-大学数学2011,27(2)
3.刘晓鹏.邵吉光.LIU Xiaopeng.SHAO Jiguang特征函数与分布函数中若干问题之探讨[期刊论文]-北京交通大学学报2011,35(3)
4.王淑云.WANG Shu-yun特征函数及其应用[期刊论文]-邯郸学院学报2008,18(3)
本文链接：/Thesis_Y1736934.aspx。