PROFILPELAJAR.COM

확률변수의 특성함수(特性函數, 영어: characteristic function)는 각각의 확률 분포와 일대일 대응이 되는 함수로, 특성함수를 이용하여 확률분포의 기댓값이나 분산 등의 값을 알아낼 수 있다. 특성함수는 모멘트생성함수와 유사하지만, 모멘트생성함수는 일부 분포에 대해서 존재하지 않을 수 있는 것에 비해 특성함수는 실수값에 대하여 항상 존재한다.

실수 $t$ 에 대해, 확률변수 $X$ 의 특성함수 $\varphi _{X}(t)$ 는 다음과 같이 정의된다.

\varphi _{X}(t)=\operatorname {E} [\,e^{itX}\,]=\int _{\mathbb {R} }e^{itx}f(x)\,dx

.

여기서 $f(x)$ 는 $X$ 의 확률밀도함수이다.

예제

다음은 자주 사용되는 확률분포의 모멘트생성함수와 특성함수의 목록이다.

분포	모멘트생성함수	특성함수
이항 분포 B(n, p)	$\,(1-p+pe^{t})^{n}$	$\,(1-p+pe^{it})^{n}$
푸아송 분포 Pois(λ)	$\,e^{\lambda (e^{t}-1)}$	$\,e^{\lambda (e^{it}-1)}$
연속균등분포 U(a, b)	$\,{\frac {e^{tb}-e^{ta}}{t(b-a)}}$	$\,{\frac {e^{itb}-e^{ita}}{it(b-a)}}$
정규분포 N(μ, σ²)	$\,e^{t\mu +{\frac {1}{2}}\sigma ^{2}t^{2}}$	$\,e^{it\mu -{\frac {1}{2}}\sigma ^{2}t^{2}}$
카이제곱 분포 χ²_k	$\,(1-2t)^{-k/2}$	$\,(1-2it)^{-k/2}$
감마 분포 Γ(k, θ)	$\,(1-t\theta )^{-k}$	$\,(1-it\theta )^{-k}$
지수분포 Exp(λ)	$\,(1-t\lambda ^{-1})^{-1}$	$\,(1-it\lambda ^{-1})^{-1}$
다변량 정규분포 N(μ, Σ)	$\,e^{t^{\mathrm {T} }\mu +{\frac {1}{2}}t^{\mathrm {T} }\Sigma t}$	$\,e^{it^{\mathrm {T} }\mu -{\frac {1}{2}}t^{\mathrm {T} }\Sigma t}$
퇴화분포 δ_a	$\,e^{ta}$	$\,e^{ita}$
라플라스 분포 L(μ, b)	$\,{\frac {e^{t\mu }}{1-b^{2}t^{2}}}$	$\,{\frac {e^{it\mu }}{1+b^{2}t^{2}}}$
코시 분포 Cauchy(μ, θ)	정의되지 않음	$\,e^{it\mu -\theta \|t\|}$
음이항 분포 NB(r, p)	$\,{\frac {(pe^{t})^{r}}{(1-(1-p)e^{t})^{r}}}$	$\,{\frac {p^{r}}{(1-(1-p)e^{it})^{r}}}$