概率论与数理统计_第4章1节.ppt

分布函数及其密度无疑是描述随机变量概率规律的最有力工具，尤其是它具有明确的概率含义，故运用分布函数可方便地解决许多与随机变量有关的概率问题. 但是，在今后的某些问题中，分布函数又表现出某些不足.例如： （1）分布函数本身的分析性质不太好，它只是一个单边连续的有界非降函数. （2）独立随机变量和的分布函数等于各分布函数的卷积，这在计算上带来不少麻烦. 数字特征也只反映了概率分布的某些侧面.下面介绍的特征函数，既能完全决定分布函数，又具有良好的分析性质. 第四章 特征函数与母函数 §4.1 一维特征函数的定义及其性质 特征函数是处理许多概率论问题的有力工具. 它能把寻求独立随机变量和的分布的卷积运算转换成乘法运算. 它能把求分布的各阶原点矩 积分运算 转换成微分运算. 它能把寻求随机变量序列的极限分布转换成一般的函数极限问题. 它能完全决定分布函数. 它具有良好的分析性质． 为了定义特征函数，我们需要拓广一下随机变量的概念，引进复随机变量. 定义 如果 与 都是概率空间 上的实值随机变量，则称 为复随机变量. 对复随机变量的研究本质上是对实二维随机变量的研究. 如果二维随机变量 与 相互独立，则称复随机变量 与 相互独立. 定义复随机变量 的数学期望为 对于复随机变量，可平行地定义或得到一系列结果.例如: 2 若 是相互独立的，则 又如，若 是一个博雷尔可测函数，而 则 这里常用欧拉公式 以后，随时引用这类结果而不再加以说明. 定义 若实随机变量 的分布函数为 ，则称 为 的特征函数 显然特征函数只与分布函数有关，因此又称某一分布函数的特征函数. characteristic function . 离散情形与连续情形下的特征函数 设连续型r.v. 的密度函数为 x ,则其特征函数为 同时我们注意到，连续型随机变量的特征函数 t 是密度函数 x 的傅立叶变换. 一般情况下的特征函数可以看作是这种傅立叶变换的推广. 傅立叶变换是数学中一种非常有用的工具，它在许多数学分支中都起了重大作用. 常见分布的特征函数 【退化分布】 【二项分布】 【0-1分布】 【泊松分布】 【均匀分布】 【标准正态分布】 即 【指数分布】 特征函数的性质 性质1 证明 性质2 证明 【正态分布】 证明 性质3 特征函数在 -?,? 上一致连续. 性质4