Professional Documents
Culture Documents
1. Uvod
Karakteristične funkcije slučajnih varijabli i slučajnih vektora su iznimno bitna
komponenta analitičkog aparata teorije vjerojatnosti. Jedan od fundamentalnih
rezultata na ovom području jest teorem koji daje 1 − 1 korespondenciju izmed̄u
karakteristične funkcije slučajne varijable i njoj pripadne funkcije distribucije (teo-
rem o jedinstvenosti). To ćemo posebno koristiti u slučajevima kada treba odrediti
funkciju distribucije sume nezavisnih slučajnih varijabli. Za početak, navodimo
definiciju karakteristične funkcije (vidi [2], strana 10).
∗ Odjel za matematiku, Sveučilišta J.J. Strossmayera u Osijeku, sjelic@mathos.hr
86 Slobodan Jelić
Z ∞ Z ∞ Z ∞
ϕX (t) = eitxdFX (x) = cos(tx)dFX (x) + i sin(tx)dFX (x), t ∈ R,
−∞ −∞ −∞
(1)
zovemo karakteristična funkcija slučajne varijable X.
Prema definiciji 1 vidimo da je karakteristična funkcija slučajne varijable X s
funkcijom distribucije FX jednaka matematičkom očekivanju kompleksne slučajne
varijable eitX . Z ∞
ϕX (t) = eitxdFX (x) = E[eitX ], t ∈ R. (2)
−∞
Ukoliko je X diskretna slučajna varijabla sa slikom R(X) = {x1, x2, . . .} (vidi [1],
strana 89) i distribucijom P {X = xk } = pk za k = 1, 2, . . ., prema definiciji 1 slijedi
da je X
ϕX (t) = eitxk pk , t ∈ R.
xk ∈R(X)
Dokaz.
Koristeći pretpostavku o nezavisnosti slučajnih varijabli Xk , za k = 1, . . . , n, te
relaciju (2) vidimo da je
Pn Pn
ϕSn (t) = ϕPnk=1 Xk (t) = E[eit k=1 Xk
] = E[e k=1 itXk
]
Y
n Y
n Y
n
= E[ eitXk ] = E[eitXk ] = ϕXk (t).
k=1 k=1 k=1
2
Veza izmed̄u karakteristične funkcije slučajne varijable i njezine afine transformacije
pokazat će se takod̄er korisnom u narednim primjenama, a navedena je u sljedećem
teoremu.
Primjena karakterističnih funkcija u statistici 87
Dokaz.
a) " #n
it
en − 1
ϕX (t) = nn , t ∈ R \ {0}
it
ako X ima standardnu uniformnu distribuciju, tj. funkcija gustoće od X
definirana je u (1).
b)
σ 2 t2
ϕX (t) = eiµt− 2n , t∈R
ako X potječe iz normalne distribucije s parametrima µ i σ2 .
Dokaz.
X = σY + µ.
dana je izrazom
0 , z ∈ h−∞, 0]
Γ(n,−n ln z)
FZ (z) = Γ(n) , z ∈ h0, 1i
1 , z ∈ [1, +∞i
gdje je Z ∞
Γ(n, −n ln z) = tn−1e−t dt
−n ln z
Dokaz.
n
! n1 n
! n
Y 1 Y 1X
Z= Xk ⇒ ln Z = ln Xk = ln Xk . (8)
n n
k=1 k=1 k=1
g(t) = et
Z 1 Z 1
cos (t ln x)dx = 1 + t sin (t ln x)dx
0 0
Z 1 Z 1
sin (t ln x)dx = −t cos (t ln x)dx,
0 0
što daje
Z 1
1
cos (t ln x)dx =
0 1 + t2
Z 1
−t
sin (t ln x)dx = .
0 1 + t2
Odavde slijedi da je
1 t 1
ϕYk (t) = −i = ,
1 + t2 1 + t2 1 + it
a iz relacije (2) dobivamo da je
−n
t
ϕY (t) = 1 + i , t ∈ R. (10)
n
h(t) = −t.
Z ∞
1
FZ (z) = un−1e−u du, z ∈ h0, 1i.
Γ(n) −n ln z
X
n
Yn = Xj2
j=1
Dokaz.
1 1
ϕYn +Ym (t) = ϕYn (t)ϕYm (t) = n m
(1 − 2it) (1 − 2it) 2
2
1
= n+m = ϕYn+m (t). (19)
(1 − 2it) 2
nSn2
σ2
1X
n
Sn2 = (Xj − X)2 .
n j=1
Dokaz.
1X 1 X
n m
Xn = Xi ; Ym = Yj ,
n m
i=1 j=1
1X 1 X
n m
Sn2 = (Xi − X n )2; 2 =
Sm (Yj − Y m )2 .
n m
i=1 j=1
Tada vrijedi:
(1)
r
Xn − Y m
∗ nm
X = ∼ N (0, 1),
σ n+m
94 Slobodan Jelić
(2)
nSn2 + mSm
2
Yn+m−2 = 2
∼ χ2(n + m − 2).
σ
Dokaz.
σ2 σ2
X n ∼ N (µ, ); Y m ∼ N (µ, ). (20)
n m
2
Prema propoziciji 2 −Y m ∼ N (−µ, σm ). Iz relacije (7) izvodimo karakteristične
funkcije od X n i −Y m .
σ 2 t2 σ 2 t2
ϕX n (t) = eiµt− 2n ; ϕ−Y m (t) = e−iµt− 2m (21)
Literatura
[1] N. Elezović, Vjerojatnost i statistika, Diskretna vjerojatnost, Element, Za-
greb, 2007.
[2] N. Elezović, Vjerojatnost i statistika, Slučajne varijable, Element, Zagreb,
2007.
[3] N. Elezović, D. Petrizio, Funkcije kompleksne varijable: zbirka zadataka,
Element, Zagreb, 1994.
[4] G.R. Grimmett, D.R. Stirzaker, Probability and Random Processes, Ox-
ford University Press, Oxford, 2001.
[5] Ž. Pauše, Uvod u matematičku statistiku, Školska knjiga, Zagreb, 1993.
[6] N. Sarapa, Teorija vjerojatnosti, Školska knjiga, Zagreb, 2002.