Ominaisuusfunktio (todennäköisyydet)
In matematiikan ja erityisesti todennäköisyys teoria ja tilastoja , karakteristinen funktio on satunnainen muuttuja todellinen X on numero, joka yksilöllisesti määrittää sen todennäköisyysjakauman . Jos tällä satunnaismuuttujalla on tiheys , ominaisfunktio on tiheyden käänteinen Fourier- muunnos. Ominaisfunktion peräkkäisten johdannaisten nolla-arvot mahdollistavat satunnaismuuttujan momenttien laskemisen .
Ominaisfunktiota kutsutaan joskus ensimmäiseksi ominaisfunktioksi, kun taas toinen ominaisfunktio (tai myös toinen ominaisfunktio ) on sen logaritmimuunnos .
Lause, Bochner ja lause Khintchine antaa tarpeelliset ja riittävät olosuhteet toiminto on karakteristinen funktio satunnaismuuttuja.
Määritelmät
Todelliselle muuttujalle
Karakteristinen funktio todellinen satunnainen muuttuja X on moni- arvostettu funktio määritellään mukaan
R{\ displaystyle \ mathbb {R}}
φX(t)=E[eitX]=E[cos(tX)]+i E[synti(tX)].{\ displaystyle {\ begin {tasattu} \ varphi _ {X} (t) & = \ mathbb {E} \ left [\ operaattorin nimi {e} ^ {\ mathrm {i} tX} \ right] \\ & = \ mathbb {E} \ vasen [\ cos (tX) \ oikea] + \ mathrm {i} \ \ mathbb {E} \ vasen [\ sin (tX) \ oikea]. \ end {tasattu}}}- Jos tällä satunnaismuuttujalla on tiheys , sano sitten f X
φX(t)=∫RfX(x)eitxdx.{\ displaystyle \ varphi _ {X} (t) = \ int _ {\ mathbb {R}} f_ {X} (x) \ operaattorin nimi {e} ^ {\ mathrm {i} tx} \, \ mathrm {d } x.}
Siten satunnaisen muuttujan, jolla on tiheys, ominaisfunktio on tiheyden käänteinen
Fourier- muunnos (enintään
2π- kertoimeen eksponentissa sopimuksen mukaan). Todennäköisesti tästä syystä sattuu, että valitaan toinen käytäntö eli . On huomattava, että vaikka todennäköisyystekijöiden käytön on puhuttava Fourier-muunnoksesta, kyse on ehdottomasti
käänteisestä Fourier-muunnoksesta .
φX(t)=E[e2iπtX]{\ displaystyle \ varphi _ {X} (t) = \ mathbb {E} [\ operaattorin nimi {e} ^ {2 \ mathrm {i} \ pi tX}]}
φX(t)=∑k=0∞P(X=k)eitk=GX(eit){\ displaystyle \ varphi _ {X} (t) = \ summa _ {k = 0} ^ {\ infty} \ mathbb {P} (X = k) e ^ {\ mathrm {i} tk} = G_ {X } (e ^ {\ mathrm {i} t})}
missä
G X tarkoittaa yleistettyä
todennäköisyyksien muodostamistoimintoa monimutkaiseksi parametriksi.
Euklidisen avaruuden muuttujalle
Yleisemmin karakteristinen funktio satunnaismuuttujan X kanssa arvot on funktio monimutkaisia arvot määritetään mukaan
Rd{\ displaystyle \ mathbb {R} ^ {d}}Rd{\ displaystyle \ mathbb {R} ^ {d}}
φX(u)=E[ei⟨u,X⟩]{\ displaystyle \ varphi _ {X} (u) = \ mathbb {E} \ left [\ operaattorin nimi {e} ^ {\ mathrm {i} \ langle u, X \ rangle} \ right]}jossa on piste tuote on U kanssa X .
⟨u,X⟩{\ displaystyle \ langle u, X \ rangle}
Jakamistoiminnolle
Ominaisuus funktio kertymäfunktio F on moni- arvostettu funktio määritellään mukaan
R{\ displaystyle \ mathbb {R}}
φF(t)=∫-∞+∞eitzdF(z){\ displaystyle \ varphi _ {F} (t) = \ int _ {- \ infty} ^ {+ \ infty} {\ textrm {e}} ^ {\ mathrm {i} tz} \, \ mathrm {d} F (z)}missä integraali on Stieltjesin integraali .
Ominaisuudet
- Ominaisfunktio määrää ainutkertaisesti satunnaismuuttujan lain siinä mielessä, että " φ X = φ Y " (toimintojen tasa-arvo) vastaa " X: llä ja Y: llä on sama laki".
- Jos X ja Y ovat kaksi satunnaismuuttujaa riippumaton , φ X + Y = φ X φ Y . Yleisemmin, jos X 1 , ..., X n ovat riippumattomia satunnaismuuttujia kokonaisuutena, niin φ X 1 + ... + X n = φ X 1 ... φ X n . Soveltamalla Fourier-muunnosta φ X + Y se auttaa löytämään X + Y- lain .
- Momenttien ja satunnaismuuttujan ominaisfunktion välillä on suhde . Kun minkä tahansa asteen momentteja on ja niiden eksponentiaalisella generoivalla sarjalla on nollasta poikkeava konvergenssisäde R :
φX(t)=∑k=0∞ikE[Xk]k!tk ∀t∈]-R,R[{\ displaystyle \ varphi _ {X} (t) = \ summa _ {k = 0} ^ {\ infty} {\ frac {\ mathrm {i} ^ {k} \ mathbb {E} [X ^ {k} ]} {k!}} t ^ {k} ~~~ \ kaikki t \ sisällä \ vasemmalla] -R, R \ oikea [}.
Esittely
Joko , meillä on
.
t∈[0,R[{\ displaystyle t \ kohdassa [0, R [}φX(t)=E[eitX]=E[∑k=0∞(itX)kk!]=∑k=0∞ikk!tkE[Xk]{\ displaystyle \ varphi _ {X} (t) = \ mathbb {E} \ left [\ operaattorin nimi {e} ^ {\ mathrm {i} tX} \ right] = \ mathbb {E} \ left [\ sum _ {k = 0} ^ {\ infty} {\ frac {(\ mathrm {i} tX) ^ {k}} {k!}} \ oikea] = \ summa _ {k = 0} ^ {\ infty} { \ frac {\ mathrm {i} ^ {k}} {k!}} t ^ {k} \ mathbb {E} \ vasen [X ^ {k} \ oikea]}
Summan ja odotuksen välisen inversion perustelemiseksi riittää osoittamaan, että se on äärellinen, ja soveltamaan Fubinin teoreemaa. Huomaa, että kaikesta :
∑k=0∞E[|X|k]k!tk{\ displaystyle \ summa _ {k = 0} ^ {\ infty} {\ frac {\ mathbb {E} [| X | ^ {k}]} {k!}} t ^ {k}}k≥0{\ displaystyle k \ geq 0}
E[|X|2k+1]=E[|X|2k+11|X|≤1]+E[|X|2k+11|X|>1]≤1+E[X2k+2]{\ displaystyle \ mathbb {E} [| X | ^ {2k + 1}] = \ mathbb {E} [| X | ^ {2k + 1} \ mathbf {1} _ {| X | \ leq 1}] + \ mathbb {E} [| X | ^ {2k + 1} \ mathbf {1} _ {| X |> 1}] \ leq 1+ \ mathbb {E} [X ^ {2k + 2}]}.
Joten meillä on kaikesta :
t∈[0,R[{\ displaystyle t \ sisään \ vasen [0, R \ oikea [}
∑k=0∞E[|X|k]k!tk≤et+2∑k=0∞E[X2k](2k)!t2k≤et+2∑k=0∞|E[Xk]|k!tk<+∞{\ displaystyle \ summa _ {k = 0} ^ {\ infty} {\ frac {\ mathbb {E} [| X | ^ {k}]} {k!}} t ^ {k} \ leq e ^ { t} +2 \ summa _ {k = 0} ^ {\ infty} {\ frac {\ mathbb {E} [X ^ {2k}]} {(2k)!}} t ^ {2k} \ leq e ^ {t} +2 \ summa _ {k = 0} ^ {\ infty} {\ frac {| \ mathbb {E} [X ^ {k}] |} {k!}} t ^ {k} <+ \ infty}.
Viimeinen summa on todellakin yhteneväinen, koska tiedämme, että koko sarja on ehdottoman lähentynyt lähentymislevynsä sisätiloissa. Jatkamme sitten samalla tavalla .
t∈]-R,0]{\ displaystyle t \ sisään \ vasen] -R, 0 \ oikea]}
- Tätä suhdetta käytetään joskus laskemaan odotus (järjestyshetki 1) ja satunnaismuuttujan varianssi . Tarkemmin:
φX(k)(0)=ikE[Xk]{\ displaystyle \ varphi _ {X} ^ {(k)} (0) = \ mathrm {i} ^ {k} \ mathbb {E} [X ^ {k}]}
siksi :
E[X]=-iφX′(0){\ displaystyle \ mathbb {E} [X] = - \ mathrm {i} \ varphi _ {X} ^ {\ prime} (0)}
E[X2]=-φX′′(0){\ displaystyle \ mathbb {E} \ vasen [X ^ {2} \ right] = - \, \ varphi _ {X} ^ {\ prime \ prime} (0)}
Var(X)=-φX′′(0)+(φX′(0))2{\ displaystyle {\ textrm {Var}} (X) = - \, \ varphi _ {X} ^ {\ prime \ prime} (0) + \ left (\ varphi _ {X} ^ {\ prime} (0 ) \ oikea) ^ {2}}.
- Seuraavaa relaatiota käytetään esimerkiksi pienennetyn keskitetyn muuttujan ominaisfunktion laskemiseen lähtömuuttujan ominaisfunktiosta:
φkloX+b(t)=φX(klot)eitb{\ displaystyle \ varphi _ {aX + b} (t) = \ varphi _ {X} (at) \, \ operaattorin nimi {e} ^ {\ mathrm {i} tb}}.
- Levy lähentyminen lauseen sanoo, että lähentyminen jakelussa vastaa yksinkertaisen lähentyminen on Ominaisfunktion missään vaiheessa.
Toinen ominaisuusfunktio
Määritelmä
Todellisen satunnaismuuttujan X toinen ominaisfunktio on kompleksin arvoinen funktio, jonka määrittelee
ψX(t)=Hirsi φX(t)=Hirsi E[eitX]{\ displaystyle \ psi _ {X} (t) = {\ text {Log}} \ varphi _ {X} (t) = {\ text {Log}} \ mathbb {E} [e ^ {\ mathrm {i } tX}]}missä Log tarkoittaa logaritmin päähaaraa, joka on määritelty ja holomorfinen kompleksitasolla, jolta on poistettu negatiivisten tai nollatodellisuuksien puolilinja ja joka on yhtä suuri kuin 0 in 1.
Koska ominaisfunktio on aina jatkuva ja on yhtä suuri kuin 1 0: ssa, toinen ominaisuusfunktio on aina hyvin määritelty 0: n naapurustossa.
Yhteys kumulanttien generaattoritoimintoon
Viitteet
-
(in) Eugene Lukacz, luonteenomaisia toimintoja , Lontoo, Griffin,1970, s. 27
Aiheeseen liittyvä artikkeli
Momenttia tuottava toiminto
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">