1
RACHUNEK
PRAWDOPODOBIEŃSTWA
WYKŁAD 6.
Funkcję ϕ : R → C (zespoloną zmiennej rzeczywistej) określoną wzorem
( )
e e dF x t R E t t = X = itX =∫
itx ∈ ∞ ∞ − , ) ( ) ( ) ( ϕ ϕnazywamy funkcją charakterystyczną
3
Zatem dla zmiennej losowej skokowej o funkcji prawdopodobieństwa P(X = xk ) = pk
R
t
e
p
t
itxk k k∈
=
∑
,
)
(
ϕ
natomiast dla zmiennej losowej ciągłej o gęstości f(x) R t dx e x f t =
∫
itx ∈ ∞ ∞ − , ) ( ) (ϕ
5
Powyższy szereg i całka są bezwzględnie zbieżne do 1 (bo wartości modułu zmiennej losowej eitX , t∈R są równe 1 i odpowiednio
1 =
∑
k k p ,∫
( ) =1 ∞ ∞ − dx x f ), zatem funkcja charakterystyczna zawsze istnieje.Własności funkcji charakterystycznej.
a) ϕ(0) =1, ϕ (t) ≤1, t ∈R,
b) ϕ jest funkcją jednostajnie ciągłą, c) ϕaX+b(t) = eitbϕX(ta),
d)jeśli istnieje E X < ∞, k ≥1 k
, to ϕ jest funkcją klasy Ck oraz ϕ( )k (0) = ikEX k , czyli
( ) k k k k i m EX = =
ϕ
(0) ,e) jeśli istnieje i jest skończona pochodna
( ) ) 0 ( 2k ϕ to EX 2k < ∞, k ≥1 f) ϕX (t) = ϕX (−t) =ϕ−X (t)
g)jeśli X, Y - niezależne zmienne losowe to
) ( ) ( ) (t X t Y t Y X
ϕ
ϕ
ϕ
+ = ,h)funkcja charakterystyczna określa rozkład
7 Ad. b) ( )
(
)
(
1)
(
1) (
1)
0 ) ( ) ( 0 → +→
− = − ≤ − = = − = − + h ihX ihX itX ihX itX itX X h t i e E e e E e e E Ee Ee t h t ϕ ϕPonieważ ostatnie wyrażenie nie zależy od t to zbieżność jest jednostajna.
Ad. c)
( ) ( )
)
(t Eeit aX b eitbEeiatX eitb X ta
b
aX
ϕ
ϕ
= + = =9
Ad. d) dla zmiennej losowej ciągłej,
Ponieważ rozpatrywana funkcja jest jednostajnie ciągła to można różniczkować względem t pod znakiem całki i wtedy
dx e x xf i t
∫
itx ∞ ∞ − = ′( ) ( ) ϕ , stąd ϕ′(0) = i EXPrzez indukcję można pokazać, że
( )k t ik xk f x eitxdx
∫
∞ ∞ − = ( ) ) ( ϕ , stąd ( )k k k EX i = ) 0 ( ϕAd. g) ( )
(
)
) ( ) ( ) ( t t Ee Ee e e E Ee t Y X itY itX itY itX Y X it Y X ϕ ϕ ϕ = = = = = + +Funkcje charakterystyczne podstawowych rozkładów zostały podane w ich zestawieniu, wyprowadzimy niektóre z tych wzorów.
11
Przykład.
Wyznaczymy funkcję charakterystyczną rozkładu dwumianowego. P X k n k p q k n k ( = ) = − gdzie q = 1 – p k = 0, 1, 2, ... , n.
( )
(
it)
n n k k n k it n k itk k n k q pe q pe k n e q p k n t = + = =∑
∑
= − = − 0 0 ) ( ϕPrzykład.
Wyznaczymy funkcję charakterystyczną rozkładu wykładniczego. ≤ > = − 0 0 0 ) ( x x ae x f ax ( ) it a a dx e a dx e ae t ax itx it a x − = = = ∞
∫
− ∞∫
− 0 0 ) ( ϕ13 Przykład.
Wyznaczymy za pomocą funkcji charakterystycznej moment rzędu 4 zmiennej losowej X o rozkładzie N(0, 1).
Mamy 2 2 ) ( t e t = − ϕ , zatem 2 2 ) ( t te t = − − ′ ϕ ,
( )
2 2 2 1 ) ( t e t t = − − ′′ ϕ ,(
3)
2 2 3 ) ( t e t t t = − + − ′′ ′ ϕ , ( )4(
4 2)
2 2 3 6 ) ( t e t t t = − + − ϕ , ϕ( )4 (0) = 3, stąd 3 3 4 4 = = i m .Własność 1.
Jeśli funkcja charakterystyczna ϕ zmiennej losowej X jest bezwzględnie całkowalna, to X jest zmienną losową ciągłą i gęstość jej wyraża się wzorem
dt e t x f −itx ∞ ∞ −
∫
= ( ) 2 1 ) ( ϕ π15 Własność 2.
Jeśli funkcja charakterystyczna ϕ zmiennej losowej X jest okresowa o okresie 2π, to X jest zmienną losową skokową o wartościach całkowitych i jej funkcja prawdopodobieństwa wyraża się wzorem
dt e t k X P −itk −
∫
= = π π ϕ π ( ) 2 1 ) ( k - liczba całkowitaPrzykład.
Wyznaczymy rozkład prawdopodobieństwa
zmiennej losowej, której funkcja charakterystyczna ma postać ϕ(t) = e3it .
17
Jest to funkcja okresowa o okresie 2π, zatem X jest zmienną losową skokową o wartościach całkowitych i jej funkcja prawdopodobieństwa wyraża się wzorem
≠ = = = = =