S.P.特徵函數
特徵函數可以算是概率論中的一個工具,其本質是分佈的一個傅里葉變換。
1.復值隨機變量
當Z1和Z2相等時,協方差就退化成方差。
以上的定義保持了期望的線性性,但協方差關於Z1是線性的,關於Z2是共軛線性的。
2.特徵函數與矩母函數
學了《概率論》我們知道,分佈函數能刻畫隨機變量的統計規律性,但分佈函數的分析性質不太好,只是一個右連續的單調非降函數,它不一定連續,更不一定可導。所以我們就引入一些等價的刻畫方式:特徵函數、矩生成函數、矩母函數(非負整數集上的R.V.)等。但在隨機過程這門課中只用到特徵函數。
可以看作是隨機變量函數的數學期望進行計算。
一個隨機變量的矩母函數不一定存在,但是特徵函數一定存在。
隨機變量與特徵函數存在一一對應的關係。
3.常見概率分佈的數字特徵推導
3.1 離散型概率分佈
3.1.1 退化/單點分佈(Degenerate Distribution)
3.1.2 二項分佈(Binomial Distribution)
3.1.3 泊松分佈(Poisson Distribution)
3.1.4 幾何分佈(Geometric Distribution)
3.2 連續型概率分佈
3.2.1 均勻分佈(Uniform Distribution)
3.2.2 指數分佈(Exponential Distribution)
3.2.3 正態分佈(Normal Distribution)
4.特徵函數的性質
性質(1)說明分佈函數與特徵函數相互唯一確定,並給出了隨機變量分佈相同的充分必要條件;
性質(2)可以看出一個實隨機變量的特徵函數總是存在的,且一致連續(證明時是將離散和連續統一在一起的);
性質(3):特徵函數的非負定性;
性質(4)是對隨機變量作線性變換;
性質(5):隨機變量k階矩存在的性質;
性質(6):獨立的隨機變量的和的特徵函數,等於特徵函數的卷積。