【特征函數(shù)怎么求】在概率論和統(tǒng)計(jì)學(xué)中，特征函數(shù)是一個(gè)非常重要的工具，用于研究隨機(jī)變量的分布性質(zhì)。它與概率密度函數(shù)（PDF）或概率質(zhì)量函數(shù)（PMF）之間存在一一對(duì)應(yīng)關(guān)系，因此在分析隨機(jī)變量時(shí)具有廣泛的應(yīng)用。
本文將總結(jié)如何求解特征函數(shù)，并通過(guò)表格形式清晰展示不同常見(jiàn)分布的特征函數(shù)公式。
一、什么是特征函數(shù)？
對(duì)于一個(gè)隨機(jī)變量 $ X $，其特征函數(shù)定義為：
$$
\phi_X(t) = \mathbb{E}[e^{itX}
$$
其中 $ i $ 是虛數(shù)單位，$ t \in \mathbb{R} $。特征函數(shù)可以看作是概率分布的“傅里葉變換”，能夠唯一確定一個(gè)分布。
二、如何求特征函數(shù)？
1. 離散型隨機(jī)變量：
若 $ X $ 是離散型隨機(jī)變量，取值為 $ x_1, x_2, \dots $，對(duì)應(yīng)的概率為 $ p_1, p_2, \dots $，則特征函數(shù)為：
$$
\phi_X(t) = \sum_{k=1}^{\infty} p_k e^{itx_k}
$$
2. 連續(xù)型隨機(jī)變量：
若 $ X $ 是連續(xù)型隨機(jī)變量，概率密度函數(shù)為 $ f(x) $，則特征函數(shù)為：
$$
\phi_X(t) = \int_{-\infty}^{\infty} e^{itx} f(x) dx
$$
3. 使用數(shù)學(xué)工具：
在實(shí)際計(jì)算中，可以借助積分技巧、級(jí)數(shù)展開(kāi)、對(duì)稱性等方法來(lái)簡(jiǎn)化計(jì)算。
三、常見(jiàn)分布的特征函數(shù)匯總
| 分布名稱 | 概率密度函數(shù) / 質(zhì)量函數(shù) | 特征函數(shù) $ \phi(t) $ |
| 伯努利分布 | $ P(X=k) = p^k(1-p)^{1-k} $ | $ (1-p) + pe^{it} $ |
| 二項(xiàng)分布 | $ P(X=k) = C_n^k p^k(1-p)^{n-k} $ | $ [(1-p) + pe^{it}]^n $ |
| 泊松分布 | $ P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!} $ | $ e^{\lambda(e^{it} - 1)} $ |
| 正態(tài)分布 | $ f(x) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}} $ | $ e^{i\mu t - \frac{1}{2}\sigma^2 t^2} $ |
| 指數(shù)分布 | $ f(x) = \lambda e^{-\lambda x} $ (x ≥ 0) | $ \frac{\lambda}{\lambda - it} $ |
| 均勻分布 | $ f(x) = \frac{1}{b-a} $ (a ≤ x ≤ b) | $ \frac{e^{itb} - e^{ita}}{it(b - a)} $ |
四、注意事項(xiàng)
- 特征函數(shù)在原點(diǎn)處總是等于1，即 $ \phi_X(0) = 1 $。
- 如果兩個(gè)隨機(jī)變量的特征函數(shù)相同，則它們的分布也相同。
- 對(duì)于多維隨機(jī)變量，特征函數(shù)可以推廣為多元特征函數(shù)。
五、總結(jié)
特征函數(shù)是一種強(qiáng)大的數(shù)學(xué)工具，可以幫助我們從另一個(gè)角度理解隨機(jī)變量的分布特性。無(wú)論是離散還是連續(xù)分布，只要知道其概率函數(shù)，就可以通過(guò)定義直接計(jì)算出特征函數(shù)。同時(shí)，掌握一些常見(jiàn)分布的特征函數(shù)公式，有助于快速進(jìn)行概率分析和統(tǒng)計(jì)推斷。
如需進(jìn)一步了解特征函數(shù)的性質(zhì)或應(yīng)用，可參考概率論與數(shù)理統(tǒng)計(jì)相關(guān)教材或論文。
