Mit charakteristischen Funktionen können Berechnungen mit Summen und Differenzen von Zufallsvariablen sehr einfach durchgeführt werden. Mathematica verfügt über viele Funktionen, um mit statistischen Verteilungen zu arbeiten, einschließlich einer eingebauten Funktion, um eine Verteilung in ihre charakteristische Funktion umzuwandeln.
Ich möchte dies an zwei konkreten Beispielen veranschaulichen: (1) Angenommen, Sie möchten die Ergebnisse des Würfelns einer Würfelsammlung mit unterschiedlicher Anzahl von Seiten ermitteln, z. B. zwei sechsseitige Würfel plus einen achtseitigen Würfel (d. H , 2W6 + d8 )? Oder (2) nehmen Sie an, Sie wollten den Unterschied zwischen zwei Würfeln (z. B. d6-d6 ) ermitteln?
X fφX( t )fφX( t ) = F{ f} ( t ) = E[ ei t X]
XY.fGhX+ Yh ( n ) = ( f∗ g) ( n ) = ∑∞m = - ∞f( m ) g( n - m )
Wir können die Faltungseigenschaft von Fourier-Transformationen verwenden, um dies in Bezug auf charakteristische Funktionen einfacher wiederzugeben:
φX+ Y( t )XY.φX( t ) φY.( t )
Mit dieser Mathematica-Funktion wird die charakteristische Funktion für einen einseitigen Würfel erstellt:
MakeCf [s_]: =
Modul [{Cf},
Cf: = CharacteristicFunction [DiscreteUniformDistribution [{1, s}],
t];
Cf]
Die PMF einer Verteilung kann aus ihrer charakteristischen Funktion wiederhergestellt werden, da Fourier-Transformationen invertierbar sind. Hier ist der Mathematica-Code, um dies zu tun:
RecoverPmf [Cf_]: =
Modul [{F},
F [y_]: = SeriesCoefficient [Cf /. t -> -I * Log [x], {x, 0, y}];
F]
Setzen wir unser Beispiel fort, sei F die PMF, die sich aus 2d6 + d8 ergibt.
F := RecoverPmf[MakeCf[6]^2 MakeCf[8]]
62⋅ 8 = 288S= { 3 , … , 20 }20 = 2 ⋅ 6 + 8
In: = F / @ Range [3, 20]
Out = {1/288, 1/96, 1/48, 5/144, 5/96, 7/96, 13/144, 5/48, 1/9, 1/9, \
5/48, 13/144, 7/96, 5/96, 5/144, 1/48, 1/96, 1/288}
Wenn Sie die Anzahl der Ergebnisse wissen möchten, die sich auf 10 summieren, berechnen Sie
In: = 6 ^ 2 8 F [10]
Out = 30
XY.fGhX- Yh ( n ) = ( f⋆ g) ( n ) = ∑∞m = - ∞f( m ) g( n + m )
Wir können die Kreuzkorrelationseigenschaft von Fouriertransformationen verwenden, um dies in Bezug auf charakteristische Funktionen einfacher wiederzugeben:
φX- Y( t )X, YφX( t )φY.( - t )
Verwenden Sie Mathematica, um die pmf G von d6-d6 zu finden:
G := RecoverPmf[MakeCf[6] (MakeCf[6] /. t -> -t)]
62= 36S= { - 5 , … , 5 }- 5 = 1 - 66 - 1 = 5
In: = G / @ Range [-5, 5]
Out = {1/36, 1/18, 1/12, 1/9, 5/36, 1/6, 5/36, 1/9, 1/12, 1/18, 1/36}