特征函数解释了世界的哪个环节?

概率论中,任何随机变量特征函数(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:

  1. 任意分布跟他的特征函数一一对应。
  2. 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。
  3. 特征函数在0点附近收敛 <==> 分布函数弱收敛 (Levi continuous theroem)
  • Reference

  1. 矩母函数和特征函数
  2. 如何理解统计中的特征函数?
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值