第四章 大数定律与中心极限定理
4.1特征函数
内容提要
1. 特征函数的定义 设X是一个随机变量,称)()(itXeEt为X的特征函数,其表达式如下
(),()().(), 在离散场合， 在连续场合，itxiiitXitxxePXxtEetepxdx
由于1sincos22txtxeitx,所以随机变量X的特征函数)(t总是存在的.
2. 特征函数的性质
(1) 1)0()(t;
(2) ),()(tt其中)(t表示)(t的共 轭;
(3) 若Y=aX+b,其中a,b是常数.则);()(atetXibtY
(4) 若X与Y是相互独立的随机变量,则);()()(tttYXYX
(5) 若()lEX存在,则)(tX可l次求导,且对lk1,有);()0()(kkkXEi
(6) 一致连续性 特征函数)(t在),(上一致连续
(7) 非负定性 特征函数)(t是非负定的,即对任意正整数n,及n个实数nttt,,,21和n个复数nzzz,,21,有 ;0)(11jkjnknjkzztt
(8) 逆转公式 设F(x)和)(t分别为X的分布函数和特征函数,则对F(x)的任意两个点21xx,有
2)0()(2)0()(1122xFxFxFxF;)(21lim21dttiteeTTitxitxT
特别对F(x)的任意两个连续点21xx,有
;)(21lim)()(2112dttiteexFxFTTitxitxT
(9) 唯一性定理 随机变量的分布函数有其特征函数唯一决定； (10) 若连续随机变量X的密度函数为p(x),特征函数为).(t如果
dtt)(,
随机过程的特征函数
随机过程是指随机变量随着时间的推移而变化的一类数学模型。其中，随机过程的特征函数是它的一个重要概念。特征函数是一个函数，描述了随机变量的性质，它包含了随机变量的所有概率密度函数的信息。对于随机过程，特征函数描述了随机过程的一些重要特征，例如均值、方差和相关性等。
随机过程的特征函数是一个复值函数，通常用符号 $\phi(\omega)$ 表示。其中，$\omega$ 是一个实数，代表着时间。假设随机过程 $X(t)$ 的概率密度函数为 $p(x,t)$，则它的特征函数定义为：
$$ \phi(\omega, t) = \int_{-\infty}^\infty e^{i\omega x} p(x,t) dx $$
其中，$i$ 是虚数单位，$x$ 代表随机变量的取值。特征函数的实部和虚部分别表示了随机变量的偏度和峰度。特别地，当随机过程是稳定的时，它的特征函数可以表示为：
$$ \phi(\omega) = e^{-\alpha|\omega|^\beta} $$
其中，$\alpha$ 和 $\beta$ 是常数，分别代表着随机过程的尺度和红色噪声的程度。当 $\beta = 2$ 时，随机过程为标准布朗运动，其特征函数为：
$$ \phi(\omega) = e^{-\frac{1}{2}\omega^2} $$
特别地，当随机过程是高斯过程时，它的特征函数可以表示为：
$$ \phi(\omega) = e^{i\mu\omega - \frac{1}{2}\sigma^2\omega^2} $$
其中，$\mu$ 和 $\sigma^2$ 分别代表高斯过程的均值和方差。高斯过程是一种非常重要的随机过程，它具有很多优秀的性质，例如可重复性、正则性和可微性等。
综上所述，随机过程的特征函数是随机过程的一个重要概念，它描述了随机过程的一些重要特征，例如均值、方差和相关性等。对于不同类型的随机过程，它们的特征函数有着不同的形式和性质。
随机变量的特征函数
随机变量的特征函数是描述随机变量的一个重要工具，广泛应用于概率论和数理统计等领域。特征函数可以用于确定随机变量的分布、刻画随机过程的性质以及进行概率计算等。在本文中，我们将从定义、性质、应用等方面对随机变量的特征函数进行详细介绍。
一、定义
设X是一个随机变量，其概率密度函数（或概率质量函数）为f(x)，特征函数定义为：
ϕ(t) = E[e^(itX)]
其中，i是虚数单位（i^2=-1）。
特征函数是一个复数函数，其自变量t也是复数。特征函数的定义包含了随机变量本身的所有信息，因此可以通过特征函数来刻画随机变量的分布。
二、性质
1.偶函数性质
特征函数是一个偶函数，即ϕ(-t) = ϕ(t)。这是由特征函数定义中的e^(itX)的形式决定的。
2.边界性质
对于任意复数t，有，ϕ(t)，≤1、这是由特征函数的定义可以得到的结论。
3.一一对应性质 如果两个随机变量的特征函数相等，即ϕ1(t)=ϕ2(t)，则两个随机变量具有相同的分布。这个性质可以用来判定两个随机变量是否具有相同的分布。
4.完备性性质
特征函数在一些条件下具有完备性，即可以唯一决定分布。这个性质在数理统计中具有重要的应用。
三、应用
1.分布的确定
对于一个随机变量X，若其特征函数ϕ(t)已知，那么可以通过反演公式来求解X的分布。即X的分布函数可以通过特征函数的逆变换来确定。
2.随机过程的性质刻画
特征函数在随机过程中具有广泛的应用，可以用来刻画随机过程的独立性、平稳性、马尔可夫性等性质。
3.概率计算
特征函数在概率计算中也非常有用，可以通过特征函数来计算随机变量的数学期望、方差以及高阶矩等。
四、示例
为了更好地理解特征函数的应用，下面我们以一个简单的示例来说明。
假设一个随机变量X的概率密度函数为：
f(x)=1/π(1+x^2)，如果，x，≤1 那么该随机变量的特征函数为：
ϕ(t) = E[e^(itX)] = 1/π∫[−1,1]e^(itx)f(x)dx
随机变量特征函数
一、随机变量的概念及特征函数的引入
随机变量是概率论中的重要概念，在概率论与数理统计领域得到广泛的应用。一般地，我们可以把随机变量看作是一个函数，它将样本空间中的每一个样本点映射到一个实数上。随机变量可以是离散的，也可以是连续的。而随机变量的特征函数是描述随机变量性质的一种重要工具。
特征函数是随机变量的概率分布的一种表达方式，通过特征函数可以完整地描述随机变量的分布情况。特征函数的定义如下：
对于随机变量X，其特征函数定义为：
𝜙(𝑡)=𝐸[𝑒𝑖𝑡𝑋]
其中，t是一个实数，i是虚数单位。
二、特征函数的性质
特征函数具有一些重要的性质，这些性质使得特征函数成为研究随机变量分布的有力工具。下面是特征函数的一些性质：
1. 特征函数的存在性
对于任意的随机变量X，其特征函数总是存在的。
2. 特征函数的连续性
对于任意的t，特征函数𝜙(𝑡)在整个实数轴上都是连续的。
3. 特征函数的唯一性
对于一个随机变量X，它的特征函数是唯一确定的，即不同的随机变量具有不同的特征函数。 4. 特征函数的对称性
对于任意的随机变量X，有𝜙(−𝑡)=𝜙(𝑡)，其中𝜙(𝑡)表示特征函数的复共轭。
5. 泛函关系
对于任意的实数a和b，有𝜙(𝑎𝑡+𝑏)=𝑒𝑖𝑡𝑏𝜙(𝑎𝑡)。
6. 分布函数与特征函数的关系
如果两个随机变量具有相同的特征函数，那么它们的分布函数也是相同的。
三、特征函数的应用
特征函数在概率论与数理统计中有广泛的应用，下面介绍一些常见的应用场景。
1. 随机变量的矩生成函数
对于一个随机变量X，它的k阶矩定义为𝐸[𝑋𝑘]。特征函数在研究随机变量的矩时起到了重要的作用，特别是在计算高阶矩时，通过对特征函数进行求导可以得到各阶矩的值。
2. 中心极限定理
中心极限定理是概率论中的一个重要定理，它指出当随机变量的样本数足够多时，它们的和或平均值会趋向于一个服从正态分布的随机变量。特征函数在中心极限定理的证明中扮演了重要的角色。
