วัตถุประสงค์ของฟังก์ชั่นลักษณะคืออะไร?


37

ฉันหวังว่าบางคนสามารถอธิบายได้ว่าในแง่ของคนธรรมดาหน้าที่ของคุณลักษณะคืออะไรและใช้ในทางปฏิบัติอย่างไร ฉันอ่านว่ามันคือการแปลงฟูริเยร์ของ pdf ดังนั้นฉันเดาว่าฉันรู้ว่ามันคืออะไรแต่ฉันก็ยังไม่เข้าใจวัตถุประสงค์ของมัน หากใครบางคนสามารถให้คำอธิบายที่เข้าใจง่ายเกี่ยวกับจุดประสงค์ของมันและอาจเป็นตัวอย่างของวิธีการใช้โดยทั่วไปนั่นจะยอดเยี่ยม!

เพียงหนึ่งบันทึกล่าสุด: ฉันได้เห็นหน้า Wikipediaแต่เห็นได้ชัดว่าหนาแน่นเกินไปที่จะเข้าใจสิ่งที่เกิดขึ้น สิ่งที่ฉันกำลังมองหาคือคำอธิบายว่าบางคนไม่ได้หมกมุ่นอยู่กับสิ่งมหัศจรรย์ของทฤษฎีความน่าจะเป็นนักวิทยาศาสตร์คอมพิวเตอร์สามารถเข้าใจได้

คำตอบ:


47

ย้อนกลับไปในวันนี้ผู้คนใช้ตารางลอการิทึมเพื่อเพิ่มจำนวนเร็วขึ้น ทำไมนี้ ลอการิทึมแปลงคูณไปนอกจากนี้ตั้งแต่ ) ดังนั้นในการคูณสองจำนวนมากaและbคุณพบลอการิทึมเพิ่มลอการิทึมz = log ( a ) + log ( b )แล้วค้นหาexp ( z )บนตารางอื่นlog(ab)=log(a)+log(b)abz=log(a)+log(b)exp(z)

ตอนนี้ฟังก์ชั่นลักษณะทำสิ่งที่คล้ายกันสำหรับการแจกแจงความน่าจะเป็น สมมติว่ามีการแจกแจงfและYมีการกระจายgและXและYเป็นอิสระ จากนั้นการกระจายของX + Yเป็นบิดของFและG , F *กรัมXfYgXYX+Yfgfg

ตอนนี้ฟังก์ชั่นลักษณะเป็นการเปรียบเทียบของ "ลอการิทึมตารางลวงตา" สำหรับการแปลงเนื่องจากถ้าเป็นฟังก์ชันลักษณะของfดังนั้นความสัมพันธ์ต่อไปนี้จะเก็บ:ϕff

ϕfϕg=ϕfg

ϕhhhϕh

ลักษณะฟังก์ชั่นแปลงบิดไป คูณสำหรับฟังก์ชั่นความหนาแน่นเช่นเดียวกับที่ลอการิทึมแปลงคูณเข้าไปนอกจากนี้สำหรับตัวเลข การแปลงทั้งสองแปลงการดำเนินการที่ค่อนข้างซับซ้อนให้เป็นแบบที่ค่อนข้างง่าย


22
รายการอื่น ๆ มูลค่าการกล่าวถึง: (ก)การกู้คืนในช่วงเวลาที่ผ่านความแตกต่าง, (ข)ความจริงที่ว่ากระจายทุกคนต้องมีฟังก์ชั่นลักษณะ (เมื่อเทียบกับฟังก์ชั่นช่วงเวลาที่สร้าง) (ค) (ที่เป็นหลัก) แบบหนึ่งต่อหนึ่งการติดต่อระหว่างการกระจาย และฟังก์ชั่นลักษณะเฉพาะของพวกเขาและ(d)ความจริงที่ว่าการแจกแจงที่ค่อนข้างบ่อยจำนวนมากมีฟังก์ชั่นที่รู้จักกันดี แต่ไม่มีการแสดงออกที่ทราบถึงความหนาแน่น (เช่น
พระคาร์ดินัล

3
ความคิดเห็นที่ดี @ cardinal โปรดลองเปลี่ยนมันให้เป็นการตอบกลับที่แท้จริง
whuber

สำหรับผู้ที่เข้าใจในหัวข้อนี้จะเกี่ยวข้องกับสมการลักษณะที่ใช้กับความสัมพันธ์ซ้ำ (เช่นในคณิตศาสตร์คอนกรีตของ Knuth หรือไม่) ฉันเดาว่าพวกเขาแตกต่างกันมากและแบ่งปันคำว่า "คุณสมบัติ" โดยบังเอิญเท่านั้น แต่ฉันคิดว่าฉันจะถาม
เวย์น

@ เวย์นคุณควรโพสต์สิ่งนี้เป็นคำถาม ฉันคิดว่ามีการเชื่อมต่ออย่างใกล้ชิด: ฟังก์ชั่นลักษณะที่เกิดขึ้นจากการแปลงฟูริเยร์ซึ่งเป็น Gelfand Transform ที่เกี่ยวข้องกับการแจกแจงในบรรทัดจริง สมการลักษณะของความสัมพันธ์ที่เกิดซ้ำดูเหมือนว่าจะเกิดขึ้นจากฟังก์ชั่นสร้างความน่าจะเป็นซึ่งก็คือการเปลี่ยน Gelfand ที่เกี่ยวข้องกับจำนวนธรรมชาติ ตัวแปรในความสัมพันธ์ที่เกิดซ้ำอาจถูกมองว่าเป็นการใช้ค่าในขั้นตอนเวลาที่ไม่ต่อเนื่องเช่นจำนวนธรรมชาติ
cantorhead

@ เวย์น ... ดังนั้นฉันคิดว่าโอเปอเรเตอร์ที่รับตัวแปรในความสัมพันธ์ที่เกิดซ้ำกับสมการลักษณะสามารถคิดได้ว่าเป็น "การแปลงฟูริเยร์" ที่เกี่ยวข้องกับการแจกแจงจำนวนธรรมชาติ ฉันค้นหาและไม่พบคำถามนี้ แต่ฉันสนใจที่จะดูคำตอบหากคุณโพสต์
cantorhead

6

@ charles.y.zheng และ @cardinal ให้คำตอบที่ดีมากฉันจะเพิ่มสองเซ็นต์ของฉัน ใช่ฟังก์ชั่นที่มีลักษณะอาจดูเหมือนแทรกซ้อนที่ไม่จำเป็น แต่มันเป็นเครื่องมืออันทรงพลังที่สามารถให้ผลลัพธ์แก่คุณได้ หากคุณพยายามพิสูจน์บางสิ่งด้วยฟังก์ชันการแจกแจงแบบสะสมขอแนะนำให้ตรวจสอบเสมอว่าไม่สามารถรับผลลัพธ์ด้วยฟังก์ชันลักษณะพิเศษได้ บางครั้งสิ่งนี้ให้การพิสูจน์สั้นมาก

ถึงแม้ว่าในตอนแรกฟังก์ชั่นลักษณะจะมีวิธีการทำงานที่ไม่คุ้นเคยกับการแจกแจงความน่าจะเป็น แต่ก็มีผลลัพธ์ที่ทรงพลังที่เกี่ยวข้องโดยตรงกับมันซึ่งหมายความว่าคุณไม่สามารถละทิ้งแนวคิดนี้ได้ ตัวอย่างเช่นผลที่ชื่นชอบในทฤษฎีความน่าจะเป็นที่ใด ๆกระจายหารเพียบมีเอกลักษณ์เป็นตัวแทนLévy-Khintchine บวกกับความจริงที่ว่าการกระจายตัวแบบหารไม่สิ้นสุดนั้นเป็นเพียงการแจกแจงที่เป็นไปได้สำหรับข้อ จำกัด ของผลรวมของตัวแปรสุ่มแบบอิสระ


3

วัตถุประสงค์ของฟังก์ชั่นคุณลักษณะคือพวกมันสามารถใช้เพื่อหาคุณสมบัติของการแจกแจงในทฤษฎีความน่าจะเป็น หากคุณไม่สนใจในภาคส่วนดังกล่าวคุณไม่จำเป็นต้องเรียนรู้เกี่ยวกับฟังก์ชั่นพิเศษ


ฉันคิดว่าฉันอาจสนใจในรุ่นต่อ ๆ ไป - ฉันแค่ไม่เข้าใจว่าทำไมเราต้องไปฟังก์ชั่นลักษณะ? ทำไมการจัดการโดยตรงกับ pdf / cdf จึงง่ายกว่า
นิค

1

เราไม่จำเป็นต้องใช้มัน ฉันพูดเพียงว่าพวกเขาสามารถใช้ บางครั้งพวกเขาก็ให้ผลที่รวดเร็วกว่าบางครั้งพวกเขาก็ไม่ได้ช่วยอะไรเลย การได้รับมานั้น 'ง่ายขึ้น' นั้นขึ้นอยู่กับสิ่งที่คุณรู้อยู่แล้ว - ถ้าคุณยังไม่รู้เกี่ยวกับฟังก์ชั่นลักษณะเฉพาะมันจะไม่ง่ายขึ้น ในบางกรณีการสร้างฟังก์ชั่นให้ทางเลือกและมีการตีความโดยตรงมากขึ้น
onestop

2

ฟังก์ชันลักษณะคือการแปลงฟูริเยร์ของฟังก์ชันความหนาแน่นของการแจกแจง หากคุณมีปรีชาญาณใด ๆ เกี่ยวกับการแปลงฟูริเยร์ความจริงข้อนี้อาจเป็นความกระจ่าง เรื่องราวทั่วไปเกี่ยวกับการแปลงฟูริเยร์คือพวกมันอธิบายฟังก์ชั่น 'ในพื้นที่ความถี่' เนื่องจากความหนาแน่นของความน่าจะเป็นมักจะไม่เปลี่ยนรูปแบบ (อย่างน้อยในโลกแห่งความเป็นจริงหรือในรูปแบบที่สร้างขึ้นเกี่ยวกับโลกแห่งความจริง) สิ่งนี้จึงไม่น่าสนใจอย่างยิ่ง


1
หมายเหตุ : โปรแกรมแก้ไขที่มีศักยภาพอ้างว่า "ฟังก์ชันคุณสมบัติคือการแปลงฟูริเยร์ผกผัน "
gung - Reinstate Monica

-1

การแปลงฟูริเยร์เป็นการสลายตัวของฟังก์ชั่น (ไม่เป็นคาบ) ในความถี่ การตีความเพื่อความหนาแน่น?

การแปลงฟูริเยร์เป็นเวอร์ชั่นต่อเนื่องของอนุกรมฟูริเยร์เนื่องจากไม่มีความหนาแน่นเป็นระยะโดยไม่แสดงออกเหมือน

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.