Характеристичні функції випадкових величин та їх властивості
Означення 22.1. Характеристичною функцією випадкової величини називається математичне сподівання комплексно значної випадкової величини
, де
– будь-яке дійсне число,
, тобто
. (22.1)
Для дискретних випадкових величин формула (22.1) розписується так:
, (22.2)
а для неперервної випадкової величини із щільністю розподілу
характеристична функція
. (22.3)
При проведенні деяких досліджень розумно домовитись позначати праві частини у формулах (22.2) та (22.3) однаково, використовуючи функцію розподілу випадкової величини
, а саме
. (22.4)
Неважко побачити, що характеристична функція є перетворення Фур’є функції розподілу
.
Із курсу математичного аналізу відомі формули оберненого перетворення, тобто щільність розподілу неперервної випадкової величини дорівнює
,
а для дискретної випадкової величини можна записати
.
Таким чином, визначення випадкової величини за допомогою характеристичної функції еквівалентне визначенню через щільність розподілу у неперервному випадку або ряд розподілу у дискретному.
Наведемо основні властивості характеристичних функцій.
1. Характеристична функція будь-якої випадкової величини в нулі набуває значення 1, тобто
.
2. Модуль характеристичної функції не перевищує одиниці
.
Доведення. Проведемо доведення для характеристичних функцій неперервних випадкових величин.
.
3. Характеристична функція є рівномірно неперервною функцією на всій осі.
Доведення. Для доведення зробимо оцінку
.
Права частина цієї нерівності не залежить від . Перший та третій інтеграли можна зробити як завгодно малими за рахунок вибору числа
, а другий інтеграл можна зробити як завгодно малими за рахунок вибору величини
.
4. Якщо випадкова величина , де
та
– сталі величини, то
.
Доведення. За означенням характеристичної функції (22.1) та властивостями математичного сподівання маємо
.
5. Характеристична функція суми двох незалежних випадкових величин та
дорівнює добутку їх характеристичних функцій
.
Доведення. Якщо випадкові величини та
незалежні, то випадкові величини
і
також будуть незалежними. Отже, математичне сподівання добутку цих величин дорівнює добутку математичних сподівань
.
Цю властивість неважко узагальнити на суму незалежних у сукупності випадкових величин
.
6. Між початковими моментами випадкової величини та її характеристичною функцією існує такий зв’язок
.
Доведення. Оскільки інтеграл збігається рівномірно на всій числовій осі, то можлива операція диференціювання під знаком інтегралу, тобто
.
Звідси маємо
.
7. За характеристичною функцією можна знаходити числові характеристики випадкової величини.
Доведення. Дійсно, з властивості 6 маємо, що математичне сподівання випадкової величини дорівнює
.
Відповідно дисперсію випадкової величини знайдемо за формулою
.
8. .
Доведення.
9. Характеристична функція випадкової величини є дійсно значною лише тоді і тільки тоді, коли розподіл випадкової величини є симетричним відносно нуля.
Доведення. Доведення проведемо для неперервної випадкової величини. Враховуючи, що , характеристичну функцію можна записати так
.
Якщо закон розподілу випадкової величини є симетричним відносно нуля, то щільність розподілу
– парна функція, тоді
і
,
тобто є дійсно значною функцією. Якщо ж за припущенням характеристична функція є дійсно значною, то за 8 властивістю
,
тобто характеристична функція є парною, отже, закон розподілу випадкової величини
є симетричним відносно нуля.
Приклад 22.1.Знайти щільність розподілу ймовірностей випадкової величини
, характеристична функція якої має вигляд:
.
Розв’язання. Закон розподілу випадкової величини знайдемо за формулою (4.10):
=
.
Для обчислення інтеграла застосуємо теорему про лишки.
При х < 0
.
Аналогічно при х > 0
.
Остаточно маємо: =
. Розподіл, який має таку щільність, називається розподілом Лапласа.
22.2. Характеристичні функції деяких розподілів
Наведемо приклади характеристичних функцій деяких законів розподілу.
1. Біномний розподіл. За формулою (22.2)
2. Розподіл Пуассона.
.
3. Геометричний розподіл.
.
4. Рівномірний розподіл на . За формулою (22.3)
.
Зокрема, якщо проміжок симетричний відносно 0, наприклад, , то характеристична функція набуває вигляду
.
5. Закон Гаусса .
Розглянемо показник підінтегральної функції і виділимо в ньому повний квадрат
.
Записуємо характеристичну функцію так
.
Інтеграл, що входить до правої частини є інтеграл Пуассона, який дорівнює . Отже,
.
6. Показниковий розподіл.
.
Приклад 22.2. Обчислити другий початковий момент випадкової величини
розподіленої за біномним законом.
Розв’язання. Для обчислення другого початкового моменту випадкової величини , яка розподілена за біномним законом, використаємо характеристичну функцію цього закону та властивість 6 характеристичних функцій, тоді
.
Знайдемо другу похідну від характеристичної функції
Отже, .
Приклад 22.3.Скласти композицію двох нормальних законів розподілу та
відповідно.
Розв’язання. Нехай випадкова величина має нормальний закон розподілу з параметрами
, а
– нормальний закон розподілу з параметрами
. Треба знайти закон розподілу суми незалежних випадкових величин
. За властивістю 5 характеристична функція суми незалежних випадкових величин дорівнює
.
Отже, з цієї формули випливає , що це – характеристична функція нормального закону з параметрами . Результат задачі показує, що закон Гаусса стійкий.
Приклад 22.4. Скласти композицію двох законів Бернуллі з параметрами та
відповідно.
Розв’язання. Аналогічно характеристична функція суми двох незалежних випадкових величин, розподілених за біномним законом дорівнює
.
Очевидно, розподіл суми буде біномним тільки тоді, коли . В цьому випадку
, тобто параметри розподілу суми будуть
.
Дата добавления: 2017-02-20; просмотров: 5283;