La funzione caratteristica \phi_X(t) di una variabile aleatoria X è la trasformata di Fourier della sua distribuzione di probabilità. È lo strumento più potente della teoria della probabilità perché, a differenza della Funzione Generatrice dei Momenti, esiste sempre per ogni variabile aleatoria.
Definizione
È definita come il valore atteso della funzione esponenziale complessa: \phi_X(t) = E[e^{itX}] = \int_{-\infty}^{\infty} e^{itx} f_X(x) \, dx dove i è l’unità immaginaria.
Proprietà
- Esistenza: Poiché |e^{itX}| = 1, l’integrale converge sempre.
- Univocità: Esiste una corrispondenza biunivoca tra funzione caratteristica e distribuzione di probabilità (Teorema di Inversione).
- Somma di Variabili: Come la MGF, trasforma la convoluzione di distribuzioni (somma di variabili indipendenti) in un prodotto di funzioni.
- Calcolo dei Momenti: Se esistono, i momenti si ottengono dalle derivate in t=0: E[X^k] = i^{-k} \phi_X^{(k)}(0).
Significato Ingegneristico
- Analisi dei Segnali e Rumore: In elettronica e telecomunicazioni, la funzione caratteristica è essenziale per studiare segnali aleatori nel dominio della frequenza. Permette di calcolare facilmente la distribuzione della somma di rumore gaussiano e interferenze periodiche.
- Teorema del Limite Centrale: La dimostrazione formale del fatto che la somma di molte variabili indipendenti tende a una distribuzione Normale si basa proprio sulla convergenza delle loro funzioni caratteristiche verso quella di una Gaussiana.
- Modellazione di Sistemi Stocastici: Utilizzata per risolvere equazioni differenziali stocastiche che modellano fenomeni come il moto browniano o la dinamica dei mercati finanziari.
Vedi anche: Trasformata di Fourier, Funzione Generatrice dei Momenti, Teorema del Limite Centrale.