在R中使用fft从特征函数计算密度
我想计算一个分布的密度函数,它的特征函数是已知的。作为一个简单的例子,以正态分布为例在R中使用fft从特征函数计算密度,r,fft,R,Fft,我想计算一个分布的密度函数,它的特征函数是已知的。作为一个简单的例子,以正态分布为例 norm.char<-function(t,mu,sigma) exp((0+1i)*t*mu-0.5*sigma^2*t^2) 但这仍然是不正确的。有人知道在密度计算中,R中的fft有一个很好的参考吗?显然,问题是连续FFT和离散FFT的混合。有人能推荐一种手术方法吗? 谢谢这很麻烦:拿笔和纸, 写出你想要计算的积分 (特征函数的傅里叶变换), 将其离散化,并重写条款,使其看起来像 离散傅里叶变换(F
norm.char<-function(t,mu,sigma) exp((0+1i)*t*mu-0.5*sigma^2*t^2)
但这仍然是不正确的。有人知道在密度计算中,R中的fft有一个很好的参考吗?显然,问题是连续FFT和离散FFT的混合。有人能推荐一种手术方法吗?
谢谢这很麻烦:拿笔和纸, 写出你想要计算的积分 (特征函数的傅里叶变换), 将其离散化,并重写条款,使其看起来像 离散傅里叶变换(FFT)假设间隔开始 零) 请注意,
fft
是一种非规范化变换:没有1/N
因子
characteristic_function_to_density <- function(
phi, # characteristic function; should be vectorized
n, # Number of points, ideally a power of 2
a, b # Evaluate the density on [a,b[
) {
i <- 0:(n-1) # Indices
dx <- (b-a)/n # Step size, for the density
x <- a + i * dx # Grid, for the density
dt <- 2*pi / ( n * dx ) # Step size, frequency space
c <- -n/2 * dt # Evaluate the characteristic function on [c,d]
d <- n/2 * dt # (center the interval on zero)
t <- c + i * dt # Grid, frequency space
phi_t <- phi(t)
X <- exp( -(0+1i) * i * dt * a ) * phi_t
Y <- fft(X)
density <- dt / (2*pi) * exp( - (0+1i) * c * x ) * Y
data.frame(
i = i,
t = t,
characteristic_function = phi_t,
x = x,
density = Re(density)
)
}
d <- characteristic_function_to_density(
function(t,mu=1,sigma=.5)
exp( (0+1i)*t*mu - sigma^2/2*t^2 ),
2^8,
-3, 3
)
plot(d$x, d$density, las=1)
curve(dnorm(x,1,.5), add=TRUE)
characteristic\u function\u to\u densitydensity
函数帮助页上说它使用FFT。为什么不检查代码?到底什么是不正确的?如果你真正的问题仅仅是“离散傅里叶变换中应用了什么常数?”那么请查看帮助页面中的fft
,我相信它给出了公式。
characteristic_function_to_density <- function(
phi, # characteristic function; should be vectorized
n, # Number of points, ideally a power of 2
a, b # Evaluate the density on [a,b[
) {
i <- 0:(n-1) # Indices
dx <- (b-a)/n # Step size, for the density
x <- a + i * dx # Grid, for the density
dt <- 2*pi / ( n * dx ) # Step size, frequency space
c <- -n/2 * dt # Evaluate the characteristic function on [c,d]
d <- n/2 * dt # (center the interval on zero)
t <- c + i * dt # Grid, frequency space
phi_t <- phi(t)
X <- exp( -(0+1i) * i * dt * a ) * phi_t
Y <- fft(X)
density <- dt / (2*pi) * exp( - (0+1i) * c * x ) * Y
data.frame(
i = i,
t = t,
characteristic_function = phi_t,
x = x,
density = Re(density)
)
}
d <- characteristic_function_to_density(
function(t,mu=1,sigma=.5)
exp( (0+1i)*t*mu - sigma^2/2*t^2 ),
2^8,
-3, 3
)
plot(d$x, d$density, las=1)
curve(dnorm(x,1,.5), add=TRUE)