특징적인 기능의 목적은 무엇입니까?


37

나는 평신도의 관점에서 누군가가 특징적인 기능이 무엇이며 실제로 어떻게 사용되는지 설명 할 수 있기를 바랍니다. 나는 그것이 PDF의 푸리에 변환이라는 것을 읽었으므로 그것이 무엇인지 같지만 여전히 그 목적을 이해하지 못합니다. 누군가가 목적에 대한 직관적 인 설명과 일반적으로 사용되는 방법에 대한 예를 제공 할 수 있다면 환상적입니다!

마지막 참고 사항 : Wikipedia 페이지 를 보았지만 진행 상황을 이해하기에는 너무 조밀합니다. 내가 찾고있는 것은 확률 이론의 경이로움에 몰두하지 않은 사람이 컴퓨터 과학자라고 이해할 수있는 설명입니다.

답변:


47

당시 사람들은 로그 테이블을 사용하여 숫자를 더 빠르게 곱했습니다. 왜 이런거야? 이므로 로그는 곱셈을 더하기로 변환 합니다. 따라서 두 개의 큰 숫자 와 를 곱하기 위해 로그를 발견하고 로그 를 추가 한 다음 다른 테이블에서 를 찾아 보았습니다 .a b z = log ( a ) + log ( b ) exp ( z )log(ab)=log(a)+log(b)abz=log(a)+log(b)exp(z)

이제 특성 함수는 확률 분포에 대해 비슷한 기능을 수행합니다. 가정하자 메일 갖는다 및 분배 갖는다 , 그리고 및 독립적이다. 그러면 의 분포는 와 , 의 컨벌루션 입니다 .f Y g X Y X + Y f g f * gXfYgXYX+Yfgfg

이제 특성 함수는 컨볼 루션에 대한 "로그 테이블 트릭"과 유사합니다. 가 의 특성 함수 이면 다음 관계가 유지 되기 때문입니다 . fϕff

ϕfϕg=ϕfg

또한 대수의 경우와 마찬가지로 특성 함수의 역함수를 쉽게 찾을 수 있습니다. 여기서 는 알 수없는 밀도 인 경우 의 역 푸리에 변환으로 를 얻을 수 있습니다 . h h ϕ hϕhhhϕh

특성 함수 변환해서 회선승산 밀도 함수의 대수 변환하는 것과 동일한 방식으로 승산또한 숫자. 두 변환 모두 비교적 복잡한 작업을 비교적 간단한 작업으로 변환합니다.


22
언급 할 가치가있는 다른 항목 : (a) 차별화를 통한 모멘트 복구, (b) 모든 분포에 특징적인 기능 (모멘트 생성 기능과 비교 ) 이 있다는 사실, (c) 분포 간의 (본질적으로) 일대일 대응 및 이들의 특징적인 기능, 및 (d) 다수의 비교적 일반적인 분포는 공지 된 특징적인 기능을 갖지만 밀도에 대한 알려진 발현은 없다는 사실 (예를 들어, 레비 안정 분포).
추기경

3
좋은 의견, @cardinal. 실제 답변으로 바꾸어보십시오.
whuber

이 주제를 이해하는 사람들에게는 재귀 관계와 함께 사용되는 특성 방정식과 관련이 있습니까 (예 : Knuth 's Concrete Math)? 제 생각 엔 그것들은 매우 다르며 우연히 "특징적"이라는 단어 만 공유한다는 것입니다.
Wayne

@ 웨인 당신은 이것을 질문으로 게시해야합니다. 밀접한 관련이 있다고 생각합니다. 특성 함수는 푸리에 변환에서 발생합니다. 푸리에 변환은 실제 선의 분포와 관련된 겔 판드 변환입니다. 재귀 관계의 특성 방정식은 자연수와 관련된 Gelfand Transform 인 확률 생성 함수에서 발생하는 것으로 보입니다. 재발 관계의 변수는 별개의 시간 단계, 즉 자연수에 대한 값을 취하는 것으로 생각할 수 있습니다.
cantorhead

@Wayne ... 따라서 특성 방정식과 관련하여 반복적으로 변수를 취하는 연산자는 자연수 분포와 관련된 "푸리에 변환 (Fourier Transform)"으로 생각할 수 있습니다. 이 질문을 검색하여 찾지 못했지만 게시 한 경우 답변을 보는 데 매우 관심이 있습니다.
cantorhead

6

@ charles.y.zheng과 @cardinal은 매우 좋은 답변을했으며 2 센트를 추가하겠습니다. 예, 특징적인 기능은 불필요한 합병증처럼 보일 수 있지만 결과를 얻을 수있는 강력한 도구입니다. 누적 분포 함수를 사용하여 무언가를 증명하려는 경우 항상 특성 함수로 결과를 얻을 수 없는지 확인하는 것이 좋습니다. 이것은 때때로 매우 짧은 증거를 제공합니다.

처음에는 특성 함수가 확률 분포를 사용하는 직관적이지 않은 방법으로 보이지만 직접 관련된 강력한 결과가 있으므로이 개념을 단순한 수학적 즐거움으로 버릴 수 없습니다. 예를 들어, 확률 이론에서 내가 가장 좋아하는 결과는 무한 분할 가능한 분포 에 고유 한 레비-킨 치킨 표현이 있다는 것 입니다. 무한 분할 가능한 분포가 독립적 인 랜덤 변수의 합의 한계에 대한 유일한 가능한 분포라는 사실과 함께 (기괴한 경우는 제외) 이것은 중심 한계 정리가 도출 된 것을 사용하는 깊은 결과입니다.


3

특징 함수의 목적은 확률 이론에서 분포의 속성을 도출하는 데 사용될 수 있다는 것입니다. 그러한 파생물에 관심이 없다면 특징적인 기능에 대해 배울 필요가 없습니다.


나는 그러한 파생물에 관심이 있다고 생각합니다. 왜 우리가 왜 특징적인 기능으로 가야하는지 잘 모르겠습니까? pdf / cdf를 직접 다루는 것보다 쉬운 이유는 무엇입니까?
Nick

1

우리는 그것들을 사용할 필요 가 없습니다 . 나는 그들이 사용할 수 있다고 말했다 . 때때로 그들은 더 빠른 파생물을 제공하며 때로는 전혀 도움이되지 않습니다. 파생이 '쉬운'지 여부는 이미 알고있는 것에 달려 있습니다. 특성 함수에 대해 아직 모른다면 쉽지 않습니다. 어떤 경우에는 순간 생성 함수가 대안을 제공하고보다 직접적인 해석을합니다.
onestop

2

특성 함수는 분포 밀도 함수의 푸리에 변환입니다. 푸리에 변환에 관한 직관이 있다면,이 사실은 깨달을 수 있습니다. 푸리에 변환에 대한 일반적인 이야기는 '주파수 공간에서'기능을 설명한다는 것입니다. 확률 밀도는 일반적으로 단조롭 기 때문에 (적어도 실제 세계에서 또는 실제 세계에서 만들어진 모델에서) 매우 흥미로운 것 같지는 않습니다.


1
참고 : 잠재적 인 편집자는 "특성 함수는 푸리에 변환" 이라고 주장합니다 .
gung-Monica Monica 복원

-1

푸리에 변환은 주파수에서 함수 (비 주기적)의 분해입니다. 밀도에 대한 해석?

푸리에 변환은 밀도가 "특성 시리즈"와 같이 주기적으로 표현되지 않기 때문에 푸리에 시리즈의 연속 버전입니다.

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.