Charakteristische Funktionen

Die charakteristische Funktion einer Zufallsvariablen ist der Erwartungswert einer komplexen Exponentialfunktion, die Fourier-Transformation ihrer Verteilung; sie existiert immer, bestimmt die Verteilung eindeutig und wandelt Unabhängigkeit in Multiplikation um.

Definition

Die charakteristische Funktion einer Zufallsvariablen ist der Erwartungswert der komplexen Exponentialfunktion der Variablen multipliziert mit einem reellen Argument, äquivalent dazu die Fourier-Transformation ihrer Verteilung, die für jede Verteilung existiert und diese eindeutig bestimmt.

Scope

Das Thema behandelt die Definition und elementaren Eigenschaften der charakteristischen Funktion, ihre Eindeutigkeits- und Inversionstheoreme, die Faktorisierung der charakteristischen Funktion einer Summe unabhängiger Variablen, die Beziehung zwischen der Glattheit der Funktion und den Momenten der Verteilung, Bochners Charakterisierung, welche Funktionen charakteristische Funktionen sind, und Levys Stetigkeitssatz, der die punktweise Konvergenz mit der Konvergenz in Verteilung verknüpft.

Core questions

• Warum besitzt jede Verteilung eine charakteristische Funktion, auch wenn Momente möglicherweise nicht existieren?
• Wie bestimmt die charakteristische Funktion die Verteilung und ermöglicht deren Wiederherstellung?
• Warum faktorisiert die charakteristische Funktion einer Summe unabhängiger Variablen?
• Wie hängt die Konvergenz charakteristischer Funktionen mit der Konvergenz von Verteilungen zusammen?

Key concepts

• Fourier-Transformation eines Maßes
• Eindeutigkeit und Inversion
• Levy-Stetigkeitssatz
• Satz von Bochner
• Momente aus Ableitungen

Key theories

Eindeutigkeit und Inversion

Unterschiedliche Verteilungen haben unterschiedliche charakteristische Funktionen, und eine Inversionsformel stellt die Verteilung aus ihrer charakteristischen Funktion wieder her, sodass die Transformation eine getreue und invertierbare Kodierung des Gesetzes einer Zufallsvariablen ist.

Levy-Stetigkeitssatz

Eine Folge von Verteilungen konvergiert in Verteilung genau dann, wenn ihre charakteristischen Funktionen punktweise gegen eine am Ursprung stetige Funktion konvergieren, die dann die charakteristische Funktion des Grenzwertes ist; dies ist der Standardweg zu Grenzwertsätzen.

Faktorisierung für Summen unabhängiger Variablen

Da der Erwartungswert über unabhängige Variablen faktorisiert, ist die charakteristische Funktion einer Summe unabhängiger Variablen das Produkt ihrer charakteristischen Funktionen, wodurch die Faltung von Verteilungen durch gewöhnliche Multiplikation ersetzt wird.

Clinical relevance

Charakteristische Funktionen sind das Hauptwerkzeug zum Beweis des zentralen Grenzwertsatzes und anderer Grenzwertsätze. Sie machen Summen unabhängiger Zufallsvariablen in Bereichen von der Signalverarbeitung bis zur Versicherungsmathematik analytisch handhabbar, und ihre Inversion ist die Grundlage numerischer Methoden zur Optionspreisgestaltung, wenn die charakteristische Funktion in geschlossener Form bekannt ist.

History

Charakteristische Funktionen wurden von Laplace und Cauchy verwendet und von Paul Levy systematisch in die Wahrscheinlichkeitstheorie eingeführt, dessen Stetigkeitssatz den Beweis von Grenzwertsätzen in die Untersuchung der punktweisen Konvergenz dieser Transformationen verwandelte; Bochner charakterisierte genau, welche Funktionen auf diese Weise entstehen.

Key figures

• Paul Levy
• Aleksandr Lyapunov
• Salomon Bochner
• Eugene Lukacs

Seminal works

• feller1971

Frequently asked questions

Wie unterscheidet sich die charakteristische Funktion von der momenterzeugenden Funktion?

Die charakteristische Funktion verwendet einen imaginären Exponenten und existiert daher für jede Verteilung, während die momenterzeugende Funktion einen reellen Exponenten verwendet und für Verteilungen mit schweren Enden möglicherweise nicht existiert; die charakteristische Funktion ist das robustere Werkzeug.

Warum wird die Konvergenz im Stetigkeitssatz nur am Ursprung geprüft?

Die Stetigkeit des Grenzwertes am Ursprung schließt ein Entweichen der Wahrscheinlichkeitsmasse ins Unendliche aus und stellt sicher, dass die Grenzfunktion selbst eine echte charakteristische Funktion ist und nicht die einer defekten Verteilung.