Do tej pory zajmowaliśmy się zmiennymi losowymi o wartościach w bądź, ogólniej, w przestrzeniach metrycznych (bez żadnej dodatkowej struktury). W tym rozdziale ważną rolę będą pełniły zmienne losowe o wartościach w
.
Załóżmy, że jest przestrzenią probabilistyczną. Funkcja
jest zmienną losową, jeśli jest zmienną losową przy utożsamieniu
- innymi słowy, jeśli
jest zmienną losową w
. Jeśli
oraz
są całkowalne (co jest równoważne temu, że
), to definiujemy
. Bez trudu dowodzimy, iż mają miejsce następujące fakty.
(i) Mamy .
(ii) Zachodzi twierdzenie Lebesgue'a o zmajoryzowanym przejściu do granicy pod znakiem wartości oczekiwanej.
(iii) Dla dowolnych i dowolnych zespolonych zmiennych losowych
takich, że
istnieją, mamy
![]() |
Przechodzimy do definicji głownego pojęcia tego rozdziału.
(i) Załóżmy, że jest rozkładem prawdopodobieństwa w
. Funkcję
![]() |
nazywamy funkcją charakterystyczną .
(ii) Załóżmy, że jest zmienną losową o wartościach w
, określoną na
. Wówczas
nazywamy funkcją charakterystyczną (rozkładu) zmiennej losowej
.
Uwaga: Z twierdzenia o zamianie zmiennych wynika, iż
Bezpośrednio z definicji widzimy, że funkcja charakterystyczna zmiennej losowej zależy tylko od rozkładu tej zmiennej.
Własności funkcji charakterystycznych.
1) Załóżmy, że jest
-wymiarową zmienną losową. Wówczas
jest dobrze określona na całym
, ponadto
oraz
![]() |
2) Załóżmy, że jest
-wymiarową zmienną losową. Wówczas
jest jednostajnie ciągła na
; istotnie, dla
,
![]() |
gdy .
3) Załóżmy, że jest
-wymiarową zmienną losową. Wówczas
jest dodatnio określona, tzn. dla wszystkich
oraz
,
![]() |
Istotnie, mamy
![]() |
Powstaje naturalne pytanie: kiedy funkcja jest funkcją charakterystyczną pewnego rozkładu? Odpowiedź jest zawarta w
następującym twierdzeniu.
Funkcja jest funkcją charakterystyczną pewnego rozkładu prawdopodobieństwa w
wtedy i tylko wtedy, gdy jest ciągła, dodatnio określona oraz
.
4) Załóżmy, że jest
-wymiarową zmienną losową,
jest macierzą
oraz
. Wówczas
![]() |
W szczególności, . Oznacza to, iż jeśli
(rozkład zmiennej jest symetryczny), to
jest rzeczywista.
5) Załóżmy, że jest rzeczywistą zmienną losową taką, że
dla pewnej liczby całkowitej dodatniej
. Wówczas
ma
-tą pochodną ciągłą i
![]() |
W szczególności, .
Weźmy najpierw . Mamy
![]() |
Zauważmy, że oraz
![]() |
zatem z twierdzenia Lebesgue'a wynika teza. Dla dowód jest analogiczny, opierający się na indukcji.
Zachodzi następujący ogólniejszy fakt: jeśli jest
-wymiarową zmienną losową taką, że
, to
ma ciągłe pochodne cząstkowe
-tego rzędu i
![]() |
6) Jeśli zmienne ,
,
,
są niezależne, to
![]() |
Istotnie, mamy, iż są niezależne, skąd
![]() |
(I) Załóżmy najpierw, że jest
-wymiarową zmienną losową o rozkładzie skokowym i niech
oznacza zbiór atomów. Bezpośrednio z definicji mamy, iż
![]() |
W szczególności:
1) Jeśli ,
, to
. Co więcej, jeśli
, to
.
2) Załóżmy, że Pois
,
. Mamy
![]() |
3) B
. Niech
będą niezależnymi zmiennymi losowymi o tym samym rozkładzie
. Ponieważ
ma ten sam rozkład co
, to
![]() |
(II) Załóżmy teraz, że jest
-wymiarową zmienną losową o rozkładzie ciągłym z gęstością
. Z definicji mamy, iż
![]() |
W szczególności:
4) Jeśli jest rozkładem jednostajnym na przedziale
, to
![]() |
Jeśli , to
jest funkcją rzeczywistą i
.
5) Jeśli ,
, to
![]() |
oraz
![]() |
(*) |
(w szczególności, dla standardowego rozkładu normalnego, dostajemy ).
Istotnie, weźmy jak wyżej. Zmienna
ma standardowy rozkład normalny i
![]() |
Zatem wystarczy udowodnić wzór (*) dla rozkładu . Załóżmy więc, że
ma ten rozkład i zauważmy najpierw, że
jest funkcją rzeczywistą, gdyż rozkład
jest symetryczny. Zatem
![]() |
oraz
![]() |
Dodatkowo, jak wiemy, : stąd
.
Ogólniej, jeśli ma
-wymiarowy rozkład normalny z gęstością
![]() |
(gdzie to pewna macierz
symetryczna i dodatnio określona, a
jest pewnym wektorem z
), to
![]() |
Dowód tego faktu przeprowadzimy nieco później.
Przejdziemy teraz do twierdzenia o jednoznaczności: okazuje się, że funkcja charakterystyczna wyznacza rozkład jednoznacznie.
Jeśli ,
są rozkładami prawdopodobieństwa w
takimi, że
dla wszystkich
, to
.
Zanim podamy dowód, najpierw sformułujmy wniosek.
Zmienne losowe są niezależne wtedy i tylko wtedy, gdy
![]() |
(*) |
dla wszystkich .
Mamy
![]() |
gdzie w przedostatnim przejściu korzystaliśmy z twierdzenia Fubiniego.
Korzystając z przed chwilą udowodnionej implikacji, możemy zapisać (*) w postaci
![]() |
a więc twierdzenie o jednoznaczności daje
![]() |
czyli niezależność zmiennych .
W dowodzie twierdzenia o jednoznaczności będziemy potrzebować następującego pomocniczego faktu.
Załóżmy, że jest ciągłą funkcją okresową. Wówczas istnieje ciąg
wielomianów trygonometrycznych o tym samym okresie co
, zbieżny jednostajnie do
. (wielomian trygonometryczny o okresie
to funkcja
postaci
)
Wystarczy udowodnić, że dla dowolnej funkcji mamy
![]() |
(*) |
Z założenia, (*) zachodzi dla funkcji ,
, przy każdym ustalonym
. Zatem, z liniowości, powyższa równość ma miejsce dla dowolnego wielomianu trygonometrycznego; mamy bowiem
,
. Na mocy twierdzenia Weierstrassa, (*) jest prawdziwa dla dowolnej funkcji ciągłej okresowej. Niech teraz
będzie dowolną funkcją ciągłą i ograniczoną. Istnieje ciąg
funkcji ciągłych i okresowych o następującej własności:
![]() |
Mamy, na mocy nierówności trójkąta,
![]() |
gdy . Stąd otrzymujemy tezę. W przypadku ogólnym (tzn. dla
) dowód jest bardzo podobny; rolę twierdzenia Weierstrassa pełni ogólniejsze twierdzenie Stone'a-Weierstrassa.
Rozkłady Gaussa (rozkłady normalne) w . Załóżmy, że
ma rozkład normalny w
, o wartości ozekiwanej
i macierzy kowariancji
. Udowodnimy, że
![]() |
Istotnie, niech ,
,
,
będą niezależnymi zmiennymi losowymi o standarowym rozkładzie normalnym na
i niech
, gdzie
jest macierzą
i
. Mamy
![]() |
![]() |
Zauważmy, że jest macierzą symetryczną, nieujemnie określoną. Co więcej, każda macierz symetryczna
nieujemnie określona da się ta zapisać; stąd, dla dowolnej nieujemnie określonej symetrycznej macierzy
o wymiarach
i dowolnego wektora
, funkcja
![]() |
jest funkcją charakterystyczną dokładnie jednego rozkładu prawdopodobieństwa w . Rozkłady tej postaci nazywamy rozkładami Gaussa w
. Zauważmy, że niektóre rozkłady Gaussa nie mają gęstości.
Bezpośrednio z definicji dostajemy następujące wnioski.
Załóżmy, że ma rozkład Gaussa w
, a
jest macierzą
i
. Wówczas
ma rozkład Gaussa w
.
Jeśli ,
są niezależnymi zmiennymi losowymi o rozkładach Gaussa w
o wartościach oczekiwanych
,
oraz macierzach kowariancji
,
, odpowiednio, to
ma rozkład Gaussa w
o wartości średniej
oraz macierzy
.
Przechodzimy do kolejnego bardzo ważnego faktu, łączącego zbieżność według rozkładu ze zbieżnością funkcji charakterystycznych.
Załóżmy, że (
) są rozkładami prawdopodobieństwa w
.
(i) Jeśli , to dla każdego
,
(ii) Jeśli dla każdego mamy
, gdzie
-pewna funkcja ciągła w
, to
dla pewnego rozkładu
i
.
(i) Z definicji zbieżności według rozkładu mamy, dla dowolnego ,
![]() |
(ii) Zacznijmy od pomocniczego faktu.
Jeśli dla
należących do pewnego otoczenia
i
jest ciągła w
, to rodzina
jest ciasna.
Wprowadźmy oznaczenie . Przypuśćmy, wbrew tezie, że rodzina
nie jest ciasna. Wówczas istnieje
o tej własności, iż przy każdym
mamy
dla pewnego
. Zauważmy, iż
; istotnie, w przeciwnym razie pewna liczba
znalazłaby się w ciągu
nieskończenie wiele razy, co prowadziłoby do nierówności
; sprzeczność.
Ponieważ jest ciągła w
, to Re
także ma tę własność; ponadto, na mocy zbieżności punktowej, Re
. Wobec tego istnieje takie
, że dla każdego
mamy
oraz Re
. Dalej,
![]() |
![]() |
gdzie
![]() |
Ustalmy teraz . Istnieje współrzędna
punktu
większa co do modułu niż
, zatem
![]() |
Stąd
![]() |
Ale na mocy twierdzenia Lebesgue'a, ; stąd sprzeczność:
.
Przechodzimy do dowodu części (ii) twierdzenia Levy-Cramera. Powyższy lemat oraz twierdzenie Prochorowa dają istnienie miary probabilistycznej na
oraz podciągu
zbieżnego słabo do
. Na mocy części (i) twierdzenia Levy-Cramera, mamy
, skąd
. Pozostaje jeszcze tylko udowodnić, że
. Przypuśćmy przeciwnie, iż dla pewnej funkcji
mamy
; stąd, dla pewnego podciągu
,
![]() |
(*) |
Ale na mocy lematu, rodzina także jest ciasna, stąd z twierdzenia Prochorowa istnieje podciąg
oraz miara probabilistyczna
taka, że
. Zatem, korzystając z (i),
, czyli
. Sprzeczność z (*) kończy dowód.
Na zakończenie zaprezentujemy twierdzenie o odwróceniu, pozwalające odczytać gęstość rozkładu za pomocą jego funkcji charakterystycznej. Analogiczny fakt dla zmiennych dyskretnych jest treścią zadania 10 poniżej.
Załóżmy, że jest rozkładem prawdopodobieństwa w
o funkcji charakterystycznej
. Wówczas jeśli
, to
ma ciągłą ograniczoną gęstość
daną wzorem
![]() |
Rozważmy funkcję
![]() |
gdzie w trzecim przejściu skorzystaliśmy z twierdzenia Fubiniego (dzięki czynnikowi wyrażenie podcałkowe jest całkowalne), a w czwartym użyliśmy faktu, iż wewnętrzna całka to funkcja charakterystyczna rozkładu
w punkcie
. Jak widać, ostatnie wyrażenie to splot rozkładu
z rozkładem
, w punkcie
; innymi słowy, jeśli
,
są niezależnymi zmiennymi o rozkładach
i
, odpowiednio, to
ma rozkład z gęstością
. Na mocy całkowalności funkcji charakterystycznej
i twierdzenia Lebesgue'a, mamy
dla każdego
. Wykażemy teraz, że
. Oczywiście, na mocy lematu Fatou,
. By udowodnić nierówność przeciwną, weźmy
oraz taką liczbę
, by
. Ponieważ
, to
![]() |
i
z dowolności dostajemy, iż
jest gęstością. Wystarczy teraz skorzystać z zadania 7 z pierwszego rozdziału: punktowa zbieżność
pociąga za sobą, iż
zbiega, przy
, do rozkładu o gęstości
; stąd teza.
1. Rozstrzygnąć, czy podane niżej funkcje są funkcjami charakterystycznymi i jeśli tak, podać odpowiedni rozkład.
![]() |
2. Niech ,
,
,
będą
funkcjami charakterystycznymi pewnych rozkładów. Udowodnić, iż
dowolna kombinacja wypukła tych funkcji jest funkcją
charakterystyczną pewnego rozkładu.
3. Dany jest ciąg niezależnych zmiennych losowych o tym
samym rozkładzie. Zmienna losowa
jest od nich niezależna i
ma rozkład Poissona z parametrem
. Wyznaczyć funkcję
charakterystyczną zmiennej
.
4. Niech będzie funkcją charakterystyczną pewnego
rozkładu. Rostrzygnąć, czy
![]() |
są funkcjami charakterystycznymi.
5. Zmienne są niezależne, przy czym
oraz
mają rozkłady normalne. Udowodnić, że
ma rozkład normalny lub
jest stała p.n..
6. Zmienne losowe są niezależne, przy czym
ma
rozkład jednostajny
, a
ma rozkład zadany przez
![]() |
Wyznaczyć rozkład zmiennej .
7. Zmienne losowe są niezależne i
mają ten sam rozkład,
przy czym zmienna
ma rozkład normalny
. Wyznaczyć rozkład zmiennych
.
8. Zmienna losowa ma rozkład jednostajny
. Czy
istnieje niezależna od niej zmienna
taka, że rozkłady zmiennych
oraz
są takie same?
9. Funkcja charakterystyczna zmiennej losowej ma drugą
pochodną w zerze. Udowodnić, że
.
10. Zmienna losowa przyjmuje wartości całkowite. Udowodnić, że
![]() |
11. Udowodnić, że dla funkcja
nie jest funkcją charakterystyczną żadnego rozkładu.
12. Udowodnić, że jest funkcją charakterystyczną rozkładu Cauchy'ego w
, tzn. rozkładu o gęstości
![]() |
13. Niech ,
,
będą niezależnymi zmiennymi losowymi o rozkładzie jednostajnym na przedziale
. Zdefiniujmy
![]() |
gdzie jest ustalone. Udowodnić, że ciąg
![]() |
jest zbieżny według rozkładu i wyznaczyć funkcję charakterystyczną rozkładu granicznego.
14. Udowodnić, że jeśli (
) są rozkładami Gaussa w
i
, to
jest rozkładem Gaussa.
15. Rzucamy monetą, dla której prawdopodobieństwo wypadnięcia orła wynosi , aż do momentu, gdy uzyskamy
orłów (łącznie, niekoniecznie pod rząd). Niech
oznacza liczbę rzutów. Udowodnić, że
jest zbieżny według rozkładu gdy
.
16. Niech będzie zmienną losową o funkcji
charakterystycznej
. Udowodnić, że następujące warunki są
równoważne.
(i) Istnieje takie, że
.
(ii) Istnieją takie, że zmienna
jest skoncentrowana
na zbiorze
.
17. Dany jest ciąg niezależnych zmiennych losowych o tym samym rozkładzie, zadanym przez
. Wykazać, że szereg
jest zbieżny p.n. i wyznaczyć rozkład sumy tego szeregu.
18. Dla , niech
![]() |
Dla jakich wartości parametru funkcja
jest funkcją charakterystyczną rozkładu pewnej zmiennej losowej?
19. Załóżmy, że jest rozkładem prawdopodobieństwa o funkcji charakterystycznej
. Udowodnić, że dla dowolnego
zachodzi nierówność
![]() |
oraz
![]() |
Treść automatycznie generowana z plików źródłowych LaTeXa za pomocą oprogramowania wykorzystującego LaTeXML.
strona główna | webmaster | o portalu | pomoc
© Wydział Matematyki, Informatyki i
Mechaniki UW, 2009-2010. Niniejsze materiały są udostępnione bezpłatnie na licencji Creative Commons Uznanie autorstwa-Użycie niekomercyjne-Bez utworów zależnych 3.0 Polska.
Projekt współfinansowany przez Unię Europejską w ramach
Europejskiego Funduszu Społecznego.
Projekt współfinansowany przez Ministerstwo Nauki i Szkolnictwa Wyższego i przez Uniwersytet Warszawski.