Funció característica (teoria de la probabilitat)
De Viquipèdia
En teoria de la probabilitat, la funció característica d'una variable aleatòria real és una eina matemàtica que proporciona informació completa sobre la distribució de probabilitat de la variable aleatòria i sovint en facilita l'estudi. A més, amb les funcions característiques es disposa, gràcies al teorema de continuïtat de Lévy, d'un mètode senzill i potent per estudiar la convergència en distribució d'una successió de variables aleatòries.
Donada una variable aleatòria real definida sobre un espai de probabilitat
, la seva funció característica és la funció
(és a dir de valors complexos) definida, per a tot real t, per la relació següent (on
, i2 = − 1 i
denota l'operador esperança) :
![\varphi_X(t) = \operatorname{E}\left(\mathrm{e}^{i\, t\, X}\right) = \operatorname{E}\left(\cos\, (t\, X)\right) + i\, \operatorname{E}\left(\sin\, (t\, X)\right)](../../../../math/9/3/3/93373016d4c9136df88856f5b15fb0ed.png)
[edita] Expressions de la funció característica
[edita] Expressions integrals generals
Per definició de :
Denotant per la distribució de probabilitat de la variable aleatòria X :
- (segons el teorema de la mesura imatge)
Remarques :
- es tracta aquí d'integrals de Lebesgue ;
- la definició (1) té sentit perquè per a tot real t, la variable aleatòria complexa
-
- és fitada (té mòdul 1) i per tant és integrable respecte a la mesura de probabilitat
;
- l'equació (2) significa que la funció característica d'una variable aleatòria real X és la transformada de Fourier de la seva distribució de probabilitat
, mesura de probabilitat sobre l'espai mesurable (o probabilitzable)
, on
és la sigma-àlgebra de Borel de
[edita] Casos particulars importants
- Quan X és discreta, amb valors xk tals que per a tot k,
aleshores :
- (suma finita o sèrie absolutament convergent)
- Quan X és absolutament contínua, amb funció de densitat de probabilitat fX aleshores :
- (integral de Lebesgue ; en els casos usuals coincideix amb la integral de Riemann)
[edita] Propietats elementals
La funció característica d'una variable aleatòria real X :
- compleix la relació :
- és fitada :
- és uniformement contínua en
- és hermítica :
(on
és el conjugat del nombre complex z)
- compleix la identitat :
- i en particular :
;
- per tant si X i − X tenen la mateixa distribució (dita simètrica), la funció
és parella amb valors reals
(la tercera propietat es dedueix del teorema de la convergència dominada ; les altres són immediates)
i per tant :
;
.
Ara bé :
- i a més
Aleshores pel teorema de convergència dominada (atès que la variable aleatòria constant amb valor 2 és integrable):
.
[edita] Exemples clàssics
[edita] Distribució degenerada
Si la variable aleatòria X segueix la distribució degenerada de valor μ (és a dir : ; X és constant quasi segurament) aleshores :
[edita] Distribució binomial
Si la variable aleatòria X segueix la distribució binomial (on
) aleshores :
d'on es dedueix (fórmula del binomi de Newton):
[edita] Distribució de Bernoulli
En particular, si la variable aleatòria X segueix la distribució de Bernoulli (on
) aleshores :
[edita] Distribució geomètrica
Si la variable aleatòria X segueix la distribució geomètrica (on
) aleshores :
[edita] Distribució de Poisson
Si la variable aleatòria X segueix la distribució de Poisson (on
) aleshores :
[edita] Distribució uniforme contínua
Si la variable aleatòria X segueix la distribució uniforme contínua (on
i a < b) aleshores :
si
, i
.
En particular, si X segueix la distribució (on
) aleshores :
si
, i
.
[edita] Distribució exponencial
Si la variable aleatòria X segueix la distribució exponencial (on
) aleshores :
[edita] Distribució normal estàndard
Si la variable aleatòria X segueix la distribució normal estàndard aleshores :
![\mathbb{R} \to \mathbb{R},\, x \mapsto x\, \mathrm{e}^{-\frac{x^2}{2}}\,](../../../../math/b/9/c/b9cf496828536e390ca0af58af52b8f6.png)
![\mathbb{R}](../../../../math/6/9/a/69a45f1e602cd2b2c2e67e41811fd226.png)
![\ \varphi_X](../../../../math/b/3/b/b3bae4e0a0954857ce53528d796acb34.png)
;
en integrar per parts :
.
Per tant, en resoldre aquesta equació diferencial :
Per fi : , Q.E.D.
[edita] Distribució de Cauchy simètrica
Si la variable aleatòria X segueix la distribució de Cauchy simètrica (on
) aleshores :
Per demostrar-ho, es pot utilitzar el teorema dels residus (anàlisi complexa).
![g : z \mapsto \frac{\mathrm{e}^{i\, t\, z}}{z^2 + \gamma^2}](../../../../math/c/c/3/cc3b19914264d9b03d01a86e489ed2dd.png)
![U = \mathbb{C} \setminus \{\gamma\, i,\, -\gamma\, i\}](../../../../math/3/e/0/3e089ee3bf21fec55971565a819377e2.png)
![\gamma\, i,\, -\gamma\, i](../../../../math/b/b/e/bbe72f48a7dc8f2365b153dbfb36e4b4.png)
Per a tot real R tal que R > 0, sigui el semidisc compacte
la vora del qual és , on ΓR és el semicercle
.
Suposant R > γ , el pol és l'únic punt singular de la funció g en ΔR ; per tant, segons el teorema dels residus, si R > γ :
.
Si , aleshores
quan
.
En efecte : si i
,
,
i per tant, si R > γ :
.
Per a tot real positiu t, passant al límit quan , s'obté :
.
Altrament dit :
.
Com que la distribució estudiada és simètrica, la funció és parella, i se'n dedueix :
, Q.E.D.
[edita] Aplicacions
[edita] Cas de la distribució normal general
Sigui una variable aleatòria X amb distribució normal (on
). Aleshores :
.
segueix la distribució normal estàndard . Per tant (vegeu supra) :
.
Com que , se'n dedueix que :
.
[edita] Cas de la distribució de Cauchy general
Sigui una variable aleatòria X amb distribució de Cauchy (on
). Aleshores :
.
segueix la distribució de Cauchy simètrica . Per tant (vegeu supra) :
.
Com que , se'n dedueix que :
.
[edita] Perquè la funció característica és anomenada així
Com el seu nom ho indica, la funció característica d'una variable aleatòria (real) en caracteritza la distribució de probabilitat : dues variables aleatòries segueixen la mateixa distribució si i només si tenen la mateixa funció característica (és el teorema d'unicitat ; vegeu infra).
Per aquesta raó, la funció característica d'una variable aleatòria X també és anomenada funció característica de la distribució d'X. Per exemple, es pot parlar de la funció característica de la distribució normal.
[edita] Teorema d'inversió
Donada una variable aleatòria real X, es denota per FX la seva funció de distribució. Per a tot parell de punts de continuïtat de FX es compleix la relació següent :
Això és una variant probabilista del teorema d'inversió de la transformació de Fourier.
[edita] Teorema d'unicitat
El teorema d'inversió permet reconstruir (almenys en teoria) la funció de distribució d'una variable aleatòria a partir de la seva funció característica. Una conseqüència és l'important teorema d'unicitat :
Dues variables aleatòries reals són idènticament distribuïdes si i només si tenen la mateixa funció característica.
![\mathbb{R}](../../../../math/6/9/a/69a45f1e602cd2b2c2e67e41811fd226.png)
![-\infty](../../../../math/b/e/a/beab416080922c84a90ba092f7734fe5.png)
![+\infty](../../../../math/2/8/c/28cfe0a2608499ff5984a938e0d16d64.png)
![\mathbb{R}](../../../../math/6/9/a/69a45f1e602cd2b2c2e67e41811fd226.png)
El teorema de la mesura imatge (vegeu aquí la relació (2)) té com a conseqüència immediata que si dues variables aleatòries X i Y són idènticament distribuïdes (és a dir ), aleshores
.
Recíprocament, siguin dues variables aleatòries X i Y tals que . Aleshores, segons el teorema d'inversió, per a tot parell
de punts de continuïtat de FX i FY es compleix la relació següent :
Ara bé, les funcions FX, FY són creixents, i per tant el conjunt dels punts de discontinuïtat de cadascuna és finit o numerable ; per consegüent :
- existeix una successió
de punts de continuïtat de FX i FY tal que
;
- per a tot real x existeix una successió
de punts de continuïtat de FX i FY que convergeix cap a x per la dreta.
Per a tot parell d'enters naturals :
Passant al límit quan , com que
, se'n dedueix :
Finalment, passant al límit quan , com que
per la dreta i que FX, FY són contínues per la dreta en tot punt :
; altrament dit :
.
![\ F_X = F_Y](../../../../math/2/d/9/2d98914cd1e87c5c095638b096954697.png)
[edita] Utilització pràctica
El més sovint, el teorema d'unicitat s'utilitza de la manera següent per determinar la distribució de probabilitat d'una variable aleatòria real X : es calcula la funció característica i es reconeix la funció característica d'una distribució clàssica que és, per tant, la distribució de X (per exemple, vegeu infra la prova de l'estabilitat d'algunes distribucions de probabilitat).
[edita] Funció característica de la suma de variables aleatòries independents
[edita] Suma de dues variables aleatòries independents
Donades dues variables aleatòries reals independents X i Y (definides sobre el mateix espai de probabilitat), es compleix la relació següent :
.
En efecte,
.
Atès que X i Y són independents, també ho són, per a tot real t, les variables aleatòries i
; per tant :
.
Remarca : el recíproc és fals. Existeixen variables aleatòries no independents les funcions característiques de les quals compleixen aquesta relació. Heus aquí un exemple ben conegut : donada una variable aleatòria X amb distribució de Cauchy simètrica :
Però és clar que X i X no són independents.
[edita] Generalització
Donades n variables aleatòries reals independents (definides sobre el mateix espai de probabilitat), es compleix la relació següent :
- (per consegüent, el producte de funcions característiques també és una funció característica).
Se sap que la transformada de Fourier d'un producte de convolució és el producte ordinari de les transformades de Fourier.
Tenint en compte el teorema d'unicitat, la relació precedent s'interpreta així : si les variables aleatòries són independents, aleshores :
: la distribució de probabilitat de la suma és el producte de convolució de les distribucions dels termes.
Per determinar la distribució de la suma, els dos punts de vista (producte de convolució de les distribucions de probabilitat, producte ordinari de les funcions característiques) són matemàticament equivalents. Tanmateix, el mètode de les funcions característiques és generalment més simple d'utilitzar.
[edita] Aplicació : estabilitat d'algunes distribucions de probabilitat
Siguin n variables aleatòries reals independents .
- si per a tot k, Xk segueix la distribució binomial
, aleshores
segueix la distribució binomial
- si per a tot k, Xk segueix la distribució de Poisson
, aleshores
segueix la distribució de Poisson
- si per a tot k, Xk segueix la distribució normal
, aleshores
segueix la distribució normal
- si per a tot k, Xk segueix la distribució de Cauchy
, aleshores
segueix la distribució de Cauchy
- on
.
![\mathcal{P}(\lambda)](../../../../math/9/3/e/93e271388c0fa99c48e105ab3dc2141c.png)
![X_1 +\, \cdots\, + X_n](../../../../math/1/a/b/1ab23c70e37c621ca7060537ea3039a5.png)
[edita] Funció característica i moments
Sigui una variable aleatòria real X.
[edita] Teorema directe
Si el moment d'ordre m de X existeix (finit), aleshores :
- la funció característica
és de classe
en
, i per tant :
, on
.
[edita] Recíproc (parcial)
Si és m vegades derivable en el punt 0, aleshores :
- per a tot natural k tal que
el moment d'ordre k de X existeix i :
En particular, si és infinitament derivable en el punt 0, aleshores tots els moments de X existeixen.
[edita] Exemple
Si la variable aleatòria X segueix la distribució de Poisson , la seva funció característica és infinitament derivable en
: tots els moments de X existeixen. Es comprova fàcilment que :
.
Per tant :
,
, i
(també es poden calcular directament com a sumes de sèries convergents).
[edita] Teorema de continuïtat de Lévy
Aquest teorema permet estudiar la convergència en distribució de les successions de variables aleatòries per mitjà de la convergència puntual de les seves funcions característiques.
[edita] Enunciat
Una successió de variables aleatòries reals convergeix en distribució cap a una variable aleatòria real X si i només si :
quan
, on
és una funció contínua en el punt 0.
En aquest cas, és la funció característica de X.
[edita] Versió més simple
Una successió de variables aleatòries reals convergeix en distribució cap a una variable aleatòria real X si i només si :
quan
.
La segona versió exigeix que sigui coneguda per endavant la distribució límit.
[edita] Utilitzacions
Heus aquí unes quantes aplicacions clàssiques del teorema de continuïtat de Lévy.
[edita] Teorema del límit central
Una aplicació clàssica del teorema de continuïtat de Lévy és la prova del teorema del límit central.
[edita] Teorema de convergència de Poisson
Una segona aplicació clàssica és la prova del teorema de convergència de Poisson :
- Sigui una successió real
tal que
(on
) i per a tot n,
.
- Si per a tot n, la variable aleatòria Xn segueix la distribució binomial
, aleshores la successió
convergeix en distribució cap a una variable aleatòria X amb distribució
.
, on
quan
; per tant :
quan
;
- tenint en compte el teorema de continuïtat de Lévy, això acaba la prova.
[edita] Llei feble dels grans nombres
Una tercera aplicació clàssica és la prova de la llei feble dels grans nombres per a variables aleatòries integrables (és a dir amb esperança finita) i independents. S'enuncia així :
- Donada una successió
de variables aleatòries reals (definides sobre el mateix espai de probabilitat) independents i idènticament distribuïdes (abreujadament i.i.d), amb esperança finita, es posa :
.
- Si es defineix per a tot n :
, on
,
- aleshores la successió
convergeix en distribució cap a la constant μ.
- les variables aleatòries
tenen la mateixa funció característica que denotem per
(sense índex). Com que per a tot n,
(moment d'ordre 1) existeix :
, on
quan
.
- Per independència :
.
- Aleshores :
,
- altrament dit :
- i se'n dedueix :
quan
.
- La funció
és la funció característica de la variable aleatòria constant amb valor μ ; això acaba la prova si es té en compte el teorema de continuïtat de Lévy.
Remarca : se sap que la convergència en distribució cap a una constant equival a la convergència en probabilitat cap a la mateixa constant.
[edita] Referències
- (anglès) Lukacs (Eugen) — Characteristic Functions. Griffin, London, 1960 (primera edició) ; 1970 (segona edició revisada i ampliada).
- (alemany) (francès) Rényi (Alfred) — Wahrscheinlichkeitsrechnung, mit einem Anhang über Informations-theorie. — V. E. B. Deutscher Verlag der Wissenschaften, Berlin, 1962. Traducció al francès : Calcul des probabilités avec un appendice sur la théorie de l'information. Dunod, Paris, 1966.
- (anglès) Feller (William) — An Introduction to Probability Theory and Its Applications. (vol. 2) — John Wiley & Sons, New York, 1971.
[edita] Vegeu també
- Convergència en distribució
- Convolució
- Funció generatriu dels moments
- Moments
- Transformació de Fourier