大家好,欢迎来到IT知识分享网。
- 特征函数
- 逆转公式
- 多元特征函数
- 习题
特征函数
定义 若 \(\xi\) 为实随机变量,则称
为 \(\xi\) 的特征函数;因此,离散型随机变量的特征函数为
连续型随机变量的特征函数为
若有密度函数 \(p(x)\) ,则
性质
- \(|f(t)|\le f(0) = 1,\ f(-t) = \overline{f(t)}\) .
- \(f(t)\) 非负定.
- 若 \(\xi_1,\cdots,\xi_n\) 相互独立,特征函数为 \(f_1(t),\cdots,f_n(t)\) ,记 \(\eta = \xi_1+\cdots+\xi_n\) 则有
由于相互独立,则
- 若 \(E\xi^n\) 存在,则 \(f(t)\) 是 \(n\) 次可微的,且 \(f^{(k)}(0) = i^kE\xi^k\) .
- 设 \(\eta = a\xi+b\) ,则 \(f_{\eta}(t) = e^{ibt}f(at)\) .
- \(f(t)\) 为特征函数 \(\Leftrightarrow\) \(f(t)\) 非负定,连续且 \(f(0)=1\) .
逆转公式
唯一性定理 分布函数可由特征函数唯一确定.
逆傅里叶变换 对于特征函数 \(f(t)\) ,若 \(\int_{-\infty}^{\infty}|f(t)|dt<\infty\) ,则分布函数 \(F(x)\) 有连续导数,且
对于离散型非负整数随机变量 \(\xi\) , \(P(\xi=k)=p_k,\ k=0,1,\cdots\) ,则有特征函数
利用逆傅里叶变换及
则有
也就是说,如果 \(f(t)\) 有上面的求和形式,实际上可以直接反推分布列,需要注意系数 \(p_k>0,\ \sum_kp_k = 1\) .
多元特征函数
设随机向量 \(\mathbf{\xi} = (\xi_1,\cdots,\xi_n)^T\) 的分布函数为 \(F(x_1,\cdots,x_n)\) ,称
- \(\eta = a_1\xi_1+\cdots+a_n\xi_n\) 的特征函数为
- \(N(\mathbf{a},\mathbf{B})\) 的数学期望向量为 \(\mathbf{a}\) ,协方差矩阵为 \(\mathbf{B}\) .
- 设 \(\mathbf{\xi} = (\xi_1,\cdots,x_n)^T\sim N(\mathbf{a},\mathbf{B}),\ \mathbf{C} = (c_{ij})_{m\times n}\) 矩阵,则 \(\mathbf{\eta} = \mathbf{C}\mathbf{\xi}\) 服从 \(m\) 元正态分布 \(N\left(\mathbf{Ca},\mathbf{CBC^T}\right)\) .
习题
- 设 \(\xi_1,\xi_2\) 相互独立且服从 \(N(a,\sigma^2)\) ,则 \(E\max(\xi_1,\xi_2)=a+\sigma/\sqrt{\pi}\) .
使用技巧
且有 \(E(\xi_1+\xi_2) = 2a,\ \xi_1-\xi_2\sim N(0,2\sigma^2)\) ,则有
其中 \(p(x)\) 是对应于 \(N(0,2\sigma^2)\) 的密度函数.
- 袋中有 \(n\) 张卡片,号码记为 \(1,2,\cdots,n\) ,从中有放回地抽出 \(k\) 张卡,求所得号码之和 \(\mu\) 的数学期望和方差.
令 \(X_i\) 为第 \(i\) 次取得的号码,则它们独立同分布
由于独立同分布,方差可以直接求和,即得.
- 满足均匀分布的赔款,类别记为 \(k\) ,最大赔款为 \(X_k\sim U(0,L_k)\) ,保单数为 \(n_k\) ,则总赔款 \(S\) 的数学期望和方差.
注意题中可能有发生事故的概率 \(p\) ,因此还需要乘 \(p\) .
- 设 \(\xi,\eta\) 都是只取两个值的随机变量,若它们不相关,则它们独立.
不妨令
则 \(E\xi^*\eta^* = E\xi^*E\eta^*\) ,而
从而有 \(P(\xi=a,\eta=b) = P(\xi=a)P(\eta=b)\) ,类似可证其它三种情况,即证.
- 设 \(\xi\sim U[0,1],\ \eta=\ln\xi\) ,则特征函数
注意需要根据密度函数改写定义域;此时 \(\eta\) 类似于指数分布
事实上 \(-\eta\sim E(1)\) .
- 若 \(\varphi(t)\) 是 \(\xi\) 的特征函数,则
- \([\varphi(t)]^n\) 是 \(\eta = \xi_1+\cdots+\xi_n\) 的特征函数
- \(\varphi(t)(\sin at)/at\) 是 \(\xi+\eta,\ \eta\sim U[-a,a]\) 的特征函数
- 使用逆傅里叶变换求解密度函数
则根据特征函数有
补 设 \(\xi_1,\cdots,\xi_n\) 相互独立,都服从 \(N(a,\sigma^2)\) ,则 \(\xi = (\xi_1,\cdots,\xi_n)^T\) 的分布有联合密度函数
- 设 \(\xi=(\xi_1,\xi_2)^T\sim N(\mathbf{0},\mathbf{I})\) ,则给定 \(\xi_1+\xi_2 = x_1+x_2\) 时 \(\xi_1\) 的条件分布.
添加一个额外变量,有 \(\eta_1 = \xi_1+\xi_2,\ \eta_2 = \xi_1\) ,则有变换矩阵
从而有 \((\eta_1,\eta_2)^T\sim N(\mathbf{0},\mathbf{B})\) ,有密度函数 \(p(y_1,y_2)\) ;又 \(\eta_1 = \xi_1+\xi_2\sim N(0,2)\) ,则有已知 \(\eta_1 = x_1+x_2\) 时 \(\eta_2\) 的条件密度
其中 \(p_{\eta_1}\) 是 \(N(0,2)\) 的密度函数.
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/30909.html