Cos'è funzione caratteristica?

Funzione Caratteristica

La funzione caratteristica è uno strumento potente nell'analisi di probabilità e statistica, che fornisce un modo alternativo per descrivere completamente la distribuzione di probabilità di una variabile casuale. È sempre definita, al contrario della funzione generatrice dei momenti, che potrebbe non esistere per tutte le distribuzioni.

Formalmente, la funzione caratteristica di una variabile casuale X è definita come il valore atteso di e<sup>itX</sup>, dove t è un numero reale ed i è l'unità immaginaria. In altre parole:

φ<sub>X</sub>(t) = E[e<sup>itX</sup>] = E[cos(tX) + i sin(tX)]

A seconda che la variabile casuale sia discreta o continua, il valore atteso si calcola come:

  • Discreta: φ<sub>X</sub>(t) = ∑ e<sup>itx</sup> P(X = x)
  • Continua: φ<sub>X</sub>(t) = ∫ e<sup>itx</sup> f<sub>X</sub>(x) dx

dove P(X = x) è la funzione di massa di probabilità per la variabile discreta e f<sub>X</sub>(x) è la funzione di densità di probabilità per la variabile continua.

Proprietà importanti:

  • Unicità: La funzione caratteristica determina univocamente la distribuzione di probabilità. Se due variabili casuali hanno la stessa funzione caratteristica, allora hanno la stessa distribuzione.

  • Continuità: La funzione caratteristica è uniformemente continua per ogni t reale.

  • Valore in zero: φ<sub>X</sub>(0) = 1

  • Simmetria: Se X è simmetrica attorno a zero, allora φ<sub>X</sub>(t) è reale e pari (φ<sub>X</sub>(t) = φ<sub>X</sub>(-t)).

  • Linearità: Se Y = aX + b, dove a e b sono costanti, allora φ<sub>Y</sub>(t) = e<sup>itb</sup> φ<sub>X</sub>(at).

  • Momenti: La funzione caratteristica può essere usata per calcolare i momenti della distribuzione. Se esiste la derivata n-esima di φ<sub>X</sub>(t) in t=0, allora E[X<sup>n</sup>] = (-i)<sup>n</sup> φ<sub>X</sub><sup>(n)</sup>(0).

  • Funzione Caratteristica della Somma di Variabili Casuali Indipendenti: Se X<sub>1</sub>, X<sub>2</sub>, ..., X<sub>n</sub> sono variabili casuali indipendenti, e Y = X<sub>1</sub> + X<sub>2</sub> + ... + X<sub>n</sub>, allora φ<sub>Y</sub>(t) = φ<sub>X1</sub>(t) φ<sub>X2</sub>(t) ... φ<sub>Xn</sub>(t). Questa è una delle proprietà più utili, in particolare per dimostrare teoremi limite come il teorema del limite centrale.

Inversione:

La distribuzione di probabilità può essere recuperata dalla funzione caratteristica tramite la formula di inversione. La forma precisa della formula varia a seconda del tipo di variabile casuale (continua o discreta).

Applicazioni:

  • Dimostrazione di teoremi limite: Come menzionato, la funzione caratteristica è fondamentale per dimostrare il teorema del limite centrale e altre leggi dei grandi numeri.

  • Analisi di distribuzioni complesse: Può semplificare l'analisi di distribuzioni che sono difficili da trattare direttamente, specialmente quando si lavora con somme di variabili casuali indipendenti.

  • Inferenza statistica: La funzione caratteristica può essere utilizzata in alcuni problemi di inferenza statistica, come la stima dei parametri.