特征函數的概念及意义.doc

特征函数的概念及意义 目录： 一．特征函数的定义。 二．常用分布的特征函数。 三．特征函数的应用。 四．绪论。 一．特征函数的定义 设是一个随机变量，称 , , 为的特征函数. 因为，所以总是存在的，即任一随机变量的特征函数总是存在的. 当离散随机变量的分布列为，则的特征函数为 , . 当连续随机变量的密度函数为,则的特征函数为 , . 与随机变量的数学期望，方差及各阶矩阵一样，特征函数只依赖于随机变量的分布，分布相同则特征函数也相同，所以我们也常称为某分布的特征函数. 二．常用分布的特征函数 1、单点分布：其特征函数为 2、分布：，其特征函数为 ，其中. 3、泊松分布：，k=0,1，，其特征函数为 . 4、均匀分布：因为密度函数为 所以特征函数为 . 5、标准正态分布：因为密度函数为 ， . 所以特征函数为 =. 其中 . 三．特征函数的应用 1、在求数字特征上的应用 求分布的数学期望和方差. 由于的分布的特征函数为, 于是由得， , , 由此即得 . 我们可以看出用特征函数求正态分布的数学期望和方差, 要比从定义计算方便的多. 2、 在求独立随机变量和的分布上的应用 利用归纳法, 不难把性质4推广到个独立随机变量的场合,而是个相互独立的随机变量, 相应的特征函数为的特征函数为. 设是个相互独立的，且服从正态分布的正态随机变量. 试求的分布. 由于的分布为，故相应的特征为. 由特征函数的性质的特征函数为 . 而这正是的特征函数. 由分布函数与特征函数的一一对应关系即知服从. 3、 在证明二项分布收敛于正态分布上的应用 在重贝努力实验中，事件A每次出现的概率为p(0p1)，为次试验中事件A出现的次数，则 . 要证明上述结论只需证明下面的结论，因为它是下面的结论一个特例. 若是一列独立同分布的随机变量，且则有 . 证明 设的特征函数为则 的特征函数为 又因为所以 于是特征函数有展开式 . 从而对任意的t有， . 而是分布的特征函数，由连续定理可知 . 成立，证毕. 我们知道在是服从二项分布. . 的随机变量，为“泊松分布收敛于正态分布” , 我们把上面的结论常常称为“ 二项分布收敛于正态分布”. 4、在求某些积分上的应用 我们知道可以用递推法，现在我们用特征函数来解决随机变量服从，其密度函数为：， 其特征函数为：， 故 ， 所以 , 由特征函数的性质 ， 又 ， 故 . 即 四．结论 从上面的内容可以看出：特征函数并不是一个抽象概念，在概率论与数理统计的许多问题中，无论是证明还是应用，通过构造特征函数，比如在求分布的数学期望和方差；在求独立随机变量和的分布上的应用，利用独立随机变量和的特征函数为特征函数的积性质推广，往往能使问题得到简化；在证明二项分布收敛于正态分布上的应用，可以从特例到一般问题，从而使问题迎刃而解；在求某些积分上的时候，可以通过构造特征函数使问题简单.