在概率论中,任何随机变量的特征函数(缩写:ch.f,复数形式:ch.f’s)完全定义了它的概率分布。
特征函数能够唯一确定随机变量的概率分布,如果随机变量的概率密度函数f(x)存在,特征函数相当 f(x)的傅里叶变换。
概率论中,矩母函数(Moment-generating Function)和特征函数(Characteristic Function)是定义 概率分布函数的另一种形式。
傅立叶变换有这样的性质:两个函数卷积的变换等于变换的乘积。在概率论中,它的厉害之处体现在:
- 任意分布跟他的特征函数一一对应。
- 两个独立随机变量之和的特征函数就是他们俩特征函数的积。
- 特征函数在0点附近收敛 <==> 分布函数弱收敛 (Levi continuous theroem)