TeorVer / Лекция 12. Характеристичкская функция
.pdfЛекция 12
ХАРАКТЕРИСТИЧЕСКАЯ ФУНКЦИЯ
ЦЕЛЬ ЛЕКЦИИ: построить метод линеаризации функций случайных величин; ввести понятие комплексной случайной величины и получить ее числовые характеристики; определить характеристическую функцию и доказать ее свойства.
Метод линеаризации функций случайных величин
В некоторых частных случаях числовые характеристики функций случайных величин можно найти, используя только числовые характеристики аргументов таких функций. Особенно простые соотношения существуют между числовыми характеристиками функций и числовыми характеристиками аргументов, если функции линейны. Во многих практических применениях нелинейные зависимости в определенном диапазоне заменяются линейными.
Линеаризацией функции называется приближенная замена нелинейной функции линейной, что позволяет достаточно просто находить числовые характеристики функций случайных величин.
Рассмотрим задачу линеаризации функции одного случайного аргумента
Y ( X ) ,
где Y и X – непрерывные случайные величины.
Считая, что некоторая функция (x) дифференцируема, разложим ее в ряд Тейлора в окрестности точки a :
(x) |
(a) |
d (x) |
(x a) |
d 2 (x) |
(x a)2 |
|
|
dx |
dx2 |
|
2 |
||||
|
|
a |
a |
|
|||
|
|
|
|
|
|
|
|
|
|
(x |
a)2 |
|
(a) |
(a)(x a) |
(a) |
|
|
. |
|
2 |
||||
|
|
|
|
|
Линеаризация есть приближенное представление функции случайной величины первыми двумя членами ряда Тейлора; при этом разложение про-
водится в окрестности точки математического ожидания mX M[X ] .
106
Это приближение тем точнее, чем меньше диапазон возможных значений случайного аргумента.
Таким образом, при приближенной замене нелинейной функции линейной получаем
Y ( X ) (mX ) (mX )( X mX ) (mX ) (mX ) X .
Необходимо отметить, что при выводе формулы совершен переход от неслучайного аргумента к случайному, что, строго говоря, можно делать с оговорками, так как дифференцировать по случайной величине в общем случае нельзя.
Геометрическая интерпретация метода линеаризации сводится к за-
мене участка кривой Y |
|
( X ) |
для диапазона |
X ( |
, ) отрезком каса- |
|||||
тельной – линеаризованной функцией Y |
(mX ) |
(mX )(X mX ) , |
||||||||
проходящей через точку |
K с абсциссой mX |
и ординатой |
(mX ) (см. |
|||||||
рис. 6.4). |
|
|
|
|
|
|
|
|
|
|
Если такая замена удовлетворяет по точности, то для линеаризован- |
||||||||||
ной зависимости между случайными величинами Y |
и X |
можно найти |
||||||||
числовые характеристики Y : |
|
|
|
|
|
|
||||
mY |
M[ (mX ) |
|
|
|
|
|
(mX ) ; |
|
||
(mX )X ] M[ (mX )] |
|
|||||||||
DY |
D[ (mX ) |
|
|
|
|
|
|
|
|
|
|
(mX ) X ] D[ (mX )] D[ (mX ) X ] |
|||||||||
0 [ (mX )] |
2 |
|
|
|
2 |
DX ; |
|
|
|
|
|
D[ X ] [ (mX )] |
|
|
|
|
|||||
Y |
| (mX ) | X . |
|
|
|
|
|
|
Получили, что математическое ожидание линеаризованной функции приблизительно равно функции от математического ожидания аргумента, а ее дисперсия – дисперсии аргумента, умноженной на квадрат производной функции в точке, соответствующей математическому ожиданию аргумента.
|
y |
|
|
Y (mX ) (mX )X |
|
||||
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y ( X ) |
|
|
|
|
|
|
|
|
|
|
(mX ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
K |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
mX |
x |
Рис. 6.4. Линеаризации функции случайной величины
107
Заметим, что плотность непрерывной случайной величины X , как правило, больше в областях, близких к математическому ожиданию mX .
Поэтому наилучшее приближение нелинейной функции к линейной будет в области математического ожидания случайной величины.
Комплексные случайные величины
Комплексной случайной величиной называется случайная величина
вида
X |
X1 |
jX2 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
где X1 и X 2 |
– действительные случайные величины; j |
|
|
|
|
|
|||||||||||||||||||
1 . |
|
|
|||||||||||||||||||||||
При этом |
X1 – действительная часть комплексной случайной величины |
||||||||||||||||||||||||
X , а X 2 |
– мнимая часть. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Случайная величина |
X * |
X1 jX 2 |
называется комплексно сопря- |
||||||||||||||||||||||
женной случайной величине X . |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Комплексная |
случайная величина может быть представлена |
либо |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
случайной точкой |
(X1, X2 ) , либо случайным вектором |
R на комплекс- |
|||||||||||||||||||||||
ной плоскости x10x2 (см. рис. 6.5). |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Случайная величина |
R – длина случайного вектора R называется |
||||||||||||||||||||||||
модулем комплексной случайной величины X : |
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
R |
|
X |
|
|
|
X12 |
X22 |
|
X X * . |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Случайная величина R является дейст- |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
вительной. |
|
|
|
|
|
|
|
|
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
||||
Случайный угол (фазовый угол) |
X2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||
называется аргументом комплексной ве- |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
личины |
X . |
Действительная |
случайная |
|
|
|
|
|
R |
|
|
|
|
|
|||||||||||
величина |
определяется выражением |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
arctg |
2 |
. |
|
|
|
|
|
|
0 |
|
|
|
|
X1 |
x1 |
|||||||||
|
|
|
|
|
|
|
|
Рис. 6.5. Представление комплекс- |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
X1 |
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
ной случайной величины |
|
|
108
Математическим ожиданием комплексной случайной величины
X X1 jX2 |
является комплексное число |
|||
mX |
mX |
1 |
jmX |
. |
|
|
|
2 |
Центрированной комплексной случайной величиной называется случайная величина
X |
X mX |
(X1 mX1 ) j(X2 |
mX 2 |
) X1 |
jX2 , |
|
|
|
|
|
|
где X1, X 2 – действительные центрированные случайные величины.
Дисперсией комплексной случайной величины X X1 jX2 назы-
вается математическое ожидание квадрата модуля соответствующей центрированной случайной величины:
|
|
|
DX |
|
D[ X ] M[ |
|
|
|
2 |
|
|
|
* |
] , |
|
||
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
X |
|
|
] M[ X X |
|
||||||||
где |
X |
|
X1 |
|
|
jX 2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Вычислим произведение |
|
|
|
|
|
|
||||||||||
|
|
|
X X |
|
( X1 |
jX 2 )( X1 |
jX 2 ) |
|
X1 |
X 2 |
|||||||
|
|
|
|
|
* |
|
|
|
|
|
2 |
2 |
и, воспользовавшись теоремой сложения математических ожиданий (ма-
тематическое ожидание суммы случайных величин равно сумме математических ожиданий), получим
DX M [ X12 X 22 ] DX1 DX 2 .
Дисперсия комплексной случайной величины есть действительное неотрицательное число, равное сумме дисперсий действительной и мнимой частей.
Если есть две комплексные случайные величины X X1 jX2 и Y Y1 jY2 , то определим ковариацию как математическое ожидание произведения центрированной комплексной случайной величины X на центрированную комплексно сопряженную случайную величину Y * :
|
|
* |
|
|
|
|
|
|
K XY M [ X Y |
] M [( X1 |
jX |
2 )(Y1 |
jY2 )] |
||||
M [ X1Y1 |
X |
2Y2 |
j( X |
2Y1 |
X1Y2 )]. |
|
||
|
|
|
|
|
|
|
|
109
Используя теорему сложения математических ожиданий, получаем
KXY KX1Y1 KX 2Y2 j(KX 2Y1 KX1Y2 ) ,
где KX iY j , i 1,2; j 1,2 – ковариации действительных случайных вели-
чин X1, X 2 |
и Y1, Y2 . |
|
|
|
|
|
|
|
|
|
При этом KXY |
|
KYX , так как |
|
|
|
|
||||
KYX |
K X Y |
K X |
Y |
2 |
j(K X Y |
K X Y ) |
K *XY . |
|||
|
1 |
1 |
2 |
|
2 |
1 |
1 |
2 |
|
|
Ковариация комплексных случайных величин Y |
и X равна комплексно |
сопряженной ковариации комплексных величин X и Y .
Характеристическая функция случайной величины и ее свойства
Введем комплексную случайную величину
Y |
|
e jtX |
exp( jtX ) , |
|
|
||
где X – действительная случайная величина с известным законом рас- |
|||||||
пределения; |
t |
– параметр, имеющий размерность, обратную размерности |
|||||
случайной величины X . |
|
|
|||||
Характеристической функцией случайной величины X |
называется |
||||||
математическое ожидание комплексной случайной величины Y : |
|||||||
vX (t) |
M [Y ] M [e jtX ] . |
(6.8) |
|||||
Для дискретной случайной величины X , принимающей значения |
|||||||
x1, x2 , , xn |
|
с вероятностями |
p1, p2 , , pn , характеристическая функ- |
||||
ция будет иметь вид |
|
|
|||||
|
|
|
|
|
n |
|
|
v |
X |
(t) |
|
e jtxi p . |
|
(6.9) |
|
|
|
|
|
i |
|
|
|
|
|
|
|
i |
1 |
|
|
Если случайная величина |
X непрерывна и имеет плотность распре- |
||||||
деления |
f (x) , то получаем |
|
|
||||
vX (t) |
|
e jtx f (x)dx |
f (x)e jtxdx . |
(6.10) |
110
То есть характеристическая функция непрерывной случайной ве-
личины представляет собой преобразование Фурье плотности распределения и однозначно определяется этой плотностью. Отсюда следует, что и плотность распределения f (x) также однозначно выражается через
характеристическую функцию vX (t) |
посредством обратного преобразо- |
||||
вания Фурье: |
|
|
|
|
|
f (x) |
1 |
vX (t)e |
jtxdt . |
(6.11) |
|
|
|||||
2 |
|||||
|
|
|
|
Основные свойства характеристической функции:
1. Характеристическая функция неслучайной величины a равна
va (t) e jta .
2. Характеристическая функция случайной величины Z aX b ( a и b – неслучайные величины) связана с характеристической функций случайной величины X следующим выражением:
vZ (t) |
M [e jt(aX b) ] |
e jtbvX (at) . |
|
||||
3. Если у случайной величины |
X |
существует начальный момент |
k -го |
||||
порядка k [X ] , то существует |
k -я производная характеристической |
||||||
функции |
|
|
|
|
|
|
|
v(Xk ) (t) |
|
d k |
M[e jtX ] |
|
jk M[ X k e jtX ] , |
|
|
|
dtk |
|
|
||||
|
|
|
|
|
|
|
|
которая при t |
0 выражается формулой |
|
|||||
v(Xk ) (0) |
|
jk M [ X k ] |
jk |
k [ X ] , |
|
||
откуда получаем выражение для вычисления начальных моментов |
k -го |
||||||
порядка случайной величины |
X посредством k -й производной характе- |
||||||
ристической функции в нуле: |
|
|
|
|
|||
k [ X ] |
|
j k v(Xk ) (0) . |
|
|
|
(6.12) |
111
4. Характеристическая функция суммы независимых случайных величин X1, X2 , , Xn равна произведению характеристических функций слагаемых.
|
|
n |
|
|
|
|
|
Доказательство. Пусть Z |
X i |
и заданы |
характеристические |
||||
|
|
i |
1 |
|
|
|
|
функции vX i |
|
|
|
|
|
|
|
случайных |
величин |
Xi |
( i 1, n ). |
Характеристическая |
|||
функция vZ (t) |
случайной величины Z будет равна |
|
|||||
|
|
n |
n |
|
|||
vZ (t) |
M[exp( jt |
Xi )] M[ |
exp( jtXi )] . |
||||
|
i |
1 |
i |
1 |
|
|
|
По теореме умножения математических ожиданий независимых случайных величин окончательно получаем
|
n |
|
n |
|
|
vZ (t) |
M [exp( jtXi )] |
vX i |
(t) . |
|
|
|
i 1 |
i |
1 |
|
|
|
|
|
|
|
n |
5. Из свойств 2 и 4 следует, что если |
Z |
b |
ai X i и случайные вели- |
||
|
|
|
|
i |
1 |
чины X1, X2 , , Xn независимы, то |
|
|
|
||
|
|
n |
|
|
|
vZ (t) |
exp( jtb) |
vX i (ait) . |
|
|
|
|
i |
1 |
|
|
|