【随机过程】第一章考特征函数

随机变量的特征函数及其作用

定义

随机变量的特征函数是其概率分布的傅里叶变换，定义为：

$$g(t)=E[e^{itX}]$$

其中，$X$ 是随机变量，$i$ 是虚数单位，$t$ 是实数参数。特征函数能够唯一确定随机变量的分布，不同的分布对应不同的特征函数。

主要作用

1. 唯一确定分布
   特征函数与概率分布一一对应，不同的分布具有不同的特征函数，反之亦然[4]。

2. 分析独立性与和的分布
   若随机变量 $X_1,X_2,\dots ,X_n$ 独立，则它们的和 $X=X_1+X_2+\dots +X_n$ 的特征函数为各自特征函数的乘积[4]。

3. 计算矩
   特征函数在零点的各阶导数与随机变量的矩相关联，例如：
   $$E[X]=\frac{g^{(1)}(0)}{i},E[X^2]=-g^{(2)}(0)$$
   这使得特征函数在计算均值、方差等矩时非常有用[4]。

4. 处理连续与离散变量
   特征函数适用于连续型和离散型随机变量，具有广泛的适用性。

5. 在随机过程中的应用
   特征函数在分析平稳过程的相关函数和功率谱密度时发挥重要作用，帮助提取信号中的有用信息[5]。

总结

特征函数不仅是概率分布的另一种表达形式，更是分析随机变量性质、独立性、和及其矩的有力工具，广泛应用于概率论和随机过程的分析中。

例题