Mathematica 9 is now available
THIS IS DOCUMENTATION FOR AN OBSOLETE PRODUCT.
SEE THE DOCUMENTATION CENTER FOR THE LATEST INFORMATION.
Mathematica > データの操作 > 統計的データ解析 > 記述統計学 > CharacteristicFunction >
Mathematica > 数学とアルゴリズム > 統計的データ解析 > 記述統計学 > CharacteristicFunction >

CharacteristicFunction

Updated In 8 Graphic
CharacteristicFunction
記号分布 dist についての特性関数を変数 t の関数として与える.
CharacteristicFunction
多変量記号分布 dist の特性関数を変数 , , ... の関数として与える.
  • k 次モーメントはSeriesCoefficient[cf, {t, 0, k}]k! (-)kを通して特性関数 cf から抽出することができる.
正規分布についての特性関数(cf):
二項分布についての特性関数:
二変量正規分布の特性関数:
多項分布の特性関数:
正規分布についての特性関数(cf):
In[1]:=
Click for copyable input
Out[1]=
 
二項分布についての特性関数:
In[1]:=
Click for copyable input
Out[1]=
 
二変量正規分布の特性関数:
In[1]:=
Click for copyable input
Out[1]=
 
多項分布の特性関数:
In[1]:=
Click for copyable input
Out[1]=
特定の連続分布の特性関数:
特定の離散分布の特性関数:
特定の値における特性関数:
数値的に評価された特性関数:
任意精度で結果を求める:
式の分布について特性関数を計算する:
母数混合分布の特性関数を求める:
ポアソン(Poisson)分布の原点の周りのモーメントを求める:
原点で特性関数の導関数を使ったの最初の5つの原点の周りのモーメント:
Momentを直接使う:
多変量 分布の混合した原点の周りのモーメントを計算する:
Momentを使って原点の周りのモーメントを直接得る:
スチューデント 分布の原点の周りのモーメントをその特性関数から求める:
を計算し,右側から極限を求めることでモーメントを抽出する:
極限を左側から計算する:
Momentを直接使って確認した通り,最初の4つのモーメントだけが定義される:
逆フーリエ(Fourier)変換を使って特性関数に対応する確率密度関数を計算する:
対称LaplaceDistributionの例で中心極限定理を説明する:
再スケールされた確率変数の特性関数を求める:
独立同分布に従う 個のそのような確率変量の和について,特性関数の大きい の極限を計算する:
標準正規変量の特性関数と比較する:
滑らかな特性関数を使ってErlangDistributionの分布密度の上界を構築する:
上界ともとの密度をプロットする:
総和 は独立同分布に従うBernoulliDistributionの変量)は の値が大きいとUniformDistributionに近付くことを確かめる:
について組合せ方程式を使う:
総和を評価する:
極限を取り,これをUniformDistributionの特性関数と比較する:
CharacteristicFunctionは,実数 についての Expectationである:
特性関数は存在しているその他のすべての母関数に関連している:
確率密度関数は連続分布についての特性関数の逆フーリエ変換である:
確率密度関数は離散分布についての特性関数の逆フーリエ数列変換である:
記号的な閉形式が存在しない分布もある:
バージョン 6 の新機能 | バージョン 8 での修正機能
Ask a question about this page  |  Suggest an improvement  |  Leave a message for the team
フォーマット:   HTML  |  CDF