अभिलक्षण फलन (संभावना सिद्धांत)

संभावना सिद्धांत एवं सांख्यिकी में, किसी भी वास्तविक-मूल्यवान यादृच्छिक चर का विशिष्ट कार्य पूर्ण रूप से इसकी संभाव्यता वितरण को परिभाषित करता है। यदि कोई यादृच्छिक चर संभाव्यता घनत्व फलन को स्वीकार करता है, तो विशेषता फलन संभाव्यता घनत्व फलन का फूरियर रूपांतरण है। इस प्रकार यह संभाव्यता घनत्व कार्यों या संचयी वितरण कार्यों के साथ सीधे कार्य करने की अपेक्षा में विश्लेषणात्मक परिणामों के लिए वैकल्पिक मार्ग प्रदान करता है। यादृच्छिक चर के भारित योग द्वारा परिभाषित वितरण के विशिष्ट कार्यों के लिए विशेष रूप से सरल परिणाम हैं।

अविभाज्य वितरण के अतिरिक्त, विशेषता कार्यों को वेक्टर या मैट्रिक्स मूल्यवान यादृच्छिक चर के लिए परिभाषित किया जा सकता है, एवं इसे अधिक सामान्य विषयों तक भी बढ़ाया जा सकता है।

क्षण-उत्पन्न करने वाले फलन के विपरीत, वास्तविक-मूल्य वाले तर्क के फलन के रूप में व्यवहार किए जाने पर विशेषता फलन सदैव सम्मिलित रहता है। वितरण के विशिष्ट कार्य के व्यवहार एवं वितरण के गुणों के मध्य संबंध होते हैं, जैसे क्षणों का अस्तित्व एवं घनत्व फलन का अस्तित्व है।

परिचय
विशेषता फलन यादृच्छिक चर का वर्णन करने की विधि है। विशेषता कार्य,
 * $$   \varphi_X(t) = \operatorname{E} \left [ e^{itX} \right ],$$

टी का कार्य, यादृच्छिक चर X के संभाव्यता वितरण के व्यवहार एवं गुणों को पूर्ण रूप से निर्धारित करता है। विशेषता फलन संचयी वितरण फलन के समान है,
 * $$F_X(x) = \operatorname{E} \left [\mathbf{1}_{\{X\leq x\}} \right]$$,

(जहाँ 1{X ≤ x} सूचक फलन है, यह 1 के बराबर है जब X ≤ x, एवं अन्यथा शून्य), जो यादृच्छिक चर X के संभाव्यता वितरण के व्यवहार एवं विशेषताओं को समझने के लिए विभिन्न अंतता्दृष्टि प्रदान करें। इसके अतिरिक्त, विशेष विषयों में, इसमें भिन्नता हो सकता है कि क्या इन कार्यों को सरल मानक कार्यों से जुड़े अभिव्यक्तियों के रूप में दर्शाया जा सकता है।

यदि यादृच्छिक चर संभाव्यता घनत्व फलन को स्वीकार करता है, तो विशेषता फलन इसकी द्वंद्व (गणित) है, इस अर्थ में कि उनमें से प्रत्येक दूसरे का फूरियर रूपांतरण है। यदि किसी यादृच्छिक चर में क्षण उत्पन्न करने वाला कार्य $$M_X(t)$$ होता है, तो विशेषता फलन के डोमेन को जटिल विमान तक बढ़ाया जा सकता है, एवं


 * $$   \varphi_X(-it) = M_X(t) $$ होता है।

चूँकि, ध्यान दें कि वितरण का विशिष्ट कार्य सदैव सम्मिलित रहता है, तब भी जब संभाव्यता घनत्व फलन या क्षण-उत्पन्न फलन सम्मिलित नहीं होता है।

विशेषता फलन दृष्टिकोण स्वतंत्र यादृच्छिक चर के रैखिक संयोजनों के विश्लेषण में विशेष रूप से उपयोगी है: केंद्रीय सीमा प्रमेय का शास्त्रीय प्रमाण विशेषता कार्यों एवं लेवी की निरंतरता प्रमेय का उपयोग करता है। अन्य महत्वपूर्ण अनुप्रयोग यादृच्छिक चर के अविभाज्य वितरण के सिद्धांत का है।

परिभाषा
अदिश यादृच्छिक चर X के लिए 'विशेषता फलन' को eitX के अपेक्षित मान के रूप में परिभाषित किया गया है, जहां i काल्पनिक इकाई है, एवं t ∈ R विशेषता फलन का तर्क है:


 * $$\begin{cases} \displaystyle \varphi_X\!:\mathbb{R}\to\mathbb{C} \\ \displaystyle \varphi_X(t) = \operatorname{E}\left[e^{itX}\right] = \int_{\mathbb{R}} e^{itx}\,dF_X(x) = \int_{\mathbb{R}} e^{itx} f_X(x)\,dx = \int_0^1 e^{it Q_X(p)}\,dp \end{cases}$$

जहाँ FX, X का संचयी वितरण फलन है, fX संगत संभाव्यता घनत्व फलन है, QX(p) संगत व्युत्क्रम संचयी वितरण फलन है जिसे मात्रात्मक कार्य भी कहा जाता है, एवं इंटीग्रल रीमैन स्टिल्टजेस प्रकार के हैं। यदि यादृच्छिक चर विशेषता फलन की परिभाषा में दिखाई देने वाले स्थिरांक के लिए यह परिपाटी फूरियर रूपांतरण के लिए सामान्य परंपरा से भिन्न है। उदाहरण के लिए, कुछ लेखक,  को परिभाषित करते हैं, जो मूलतः पैरामीटर का परिवर्तन है। साहित्य में अन्य संकेतन का सामना किया जा सकता है:  संभाव्यता माप p के लिए विशेषता फलन के रूप में, या  घनत्व f के अनुरूप विशेषता कार्य के रूप में किया जा सकता है।

सामान्यीकरण
विशिष्ट कार्यों की धारणा यादृच्छिक चर एवं अधिक जटिल यादृच्छिक तत्वों को बहुभिन्नरूपी बनाने के लिए सामान्यीकृत होती है। विशेषता फलन का तर्क सदैव उस स्थान के निरंतर दोहरे से संबंधित होगा जहां यादृच्छिक चर X अपना मान लेता है। सामान्य विषयों के लिए ऐसी परिभाषाएँ नीचे सूचीबद्ध हैं:


 * यदि X, k-आयामी यादृच्छिक वेक्टर है, तो के $t ∈ R^{k}$ के लिए$$ \varphi_X(t) = \operatorname{E}\left[\exp( i t^T\!X)\right], $$ जहाँ $ t^T$, $ t $ वेक्टर का स्थानांतरण है।
 * यदि X, k×p-आयामी यादृच्छिक मैट्रिक्स है, तो $t ∈ R^{k×p}$ के लिए$$ \varphi_X(t) = \operatorname{E}\left[\exp \left( i \operatorname{tr}(t^T\!X) \right )\right], $$ जहाँ $ \operatorname{tr}(\cdot) $ ट्रेस (रैखिक बीजगणित) ऑपरेटर है।
 * यदि X जटिल यादृच्छिक चर है, तो के लिए $t ∈ C$ के लिए$$\varphi_X(t) = \operatorname{E}\left[\exp\left( i \operatorname{Re}\left(\overline{t}X\right) \right)\right], $$ जहाँ $\overline t$, $t$ का जटिल संयुग्म है एवं $ \operatorname{Re}(z)$ , $ z $  सम्मिश्र संख्या का वास्तविक भाग है।
 * यदि X, k-आयामी जटिल यादृच्छिक वेक्टर है, तो $t ∈ C^{k}$ के लिए  $$ \varphi_X(t) = \operatorname{E}\left[\exp(i\operatorname{Re}(t^*\!X))\right], $$ जहाँ $ t^* $, $ t$  वेक्टर का संयुग्मी स्थानान्तरण है।
 * यदि X(s) स्टोकेस्टिक प्रक्रिया है, तो सभी कार्यों के लिए t(s) ऐसा है कि अभिन्न $ \int_{\mathbb R} t(s)X(s)\,\mathrm{d}s $, X की लगभग सभी अनुभूतियों के लिए अभिसरण होता है जो$$\varphi_X(t) = \operatorname{E}\left[\exp \left ( i\int_\mathbf{R} t(s)X(s) \, ds \right ) \right] $$है।

उदाहरण
ओबरहेटिंगर (1973) विशिष्ट कार्यों की व्यापक तालिकाएँ प्रदान करता है।

गुण

 * वास्तविक-मूल्यवान यादृच्छिक चर का विशिष्ट कार्य सदैव सम्मिलित रहता है, क्योंकि यह स्थान पर बंधे हुए निरंतर फलन का अभिन्न अंग है जिसका माप (गणित) परिमित है।
 * विशिष्ट कार्य संपूर्ण स्थान पर एकसमान निरंतरता है।
 * यह शून्य के समीप के क्षेत्र में लुप्त नहीं होता है: φ(0) = 1,
 * यह परिबद्ध |φ(t)| ≤ 1 है।
 * यह हर्मिटियन फलन φ(−t) = $\overline{φ(t)}$ है, विशेष रूप से, सममित (मूल के समीप) यादृच्छिक चर का विशिष्ट कार्य वास्तविक मूल्यवान एवं सम एवं विषम कार्य है।
 * संभाव्यता वितरण एवं विशिष्ट कार्यों के मध्य आपत्ति है। अर्थात्, किन्हीं दो यादृच्छिक चर X1, X2, के लिए दोनों का संभाव्यता वितरण समान है यदि एवं केवल यदि $$ \varphi_{X_1}=\varphi_{X_2}$$है।
 * यदि यादृच्छिक चर X में k-वें क्रम तक क्षण (गणित) है, तो विशेषता फलन φX संपूर्ण वास्तविक रेखा पर k गुना निरंतर अवकलनीय है। $$\operatorname{E}[X^k] = i^{-k} \varphi_X^{(k)}(0),$$
 * यदि विशिष्ट फलन φX है शून्य पर k-वें अवकलज है, तो यादृच्छिक चर X में k तक के सभी क्षण हैं यदि k विषम है, परंतु केवल तक k – 1 यदि k विषम है। $$ \varphi_X^{(k)}(0) = i^k \operatorname{E}[X^k] $$
 * यदि X1, ..., Xn स्वतंत्र यादृच्छिक चर हैं, एवं a1, ..., an कुछ स्थिरांक हैं, तो Xi के रैखिक संयोजन की विशेषता कार्यi का है $$\varphi_{a_1X_1+\cdots+a_nX_n}(t) = \varphi_{X_1}(a_1t)\cdots \varphi_{X_n}(a_nt),$$ विशिष्ट विषय दो स्वतंत्र यादृच्छिक चर  X1 एवं X2 का योग है, जिसमें विषय है,$$\varphi_{X_1+X_2}(t) = \varphi_{X_1}(t)\cdot\varphi_{X_2}(t),$$
 * होने देना $$X$$ एवं $$Y$$ विशिष्ट कार्यों के साथ दो यादृच्छिक चर $$\varphi_{X}$$ एवं $$\varphi_{Y}$$ बनें, $$X$$ एवं $$Y$$ स्वतंत्र हैं यदि एवं केवल यदि $$\varphi_{X, Y}(s, t)= \varphi_{X}(s) \varphi_{Y}(t) \quad \text { for all } \quad(s, t) \in \mathbb{R}^{2}$$.
 * विशेषता फलन का टेल व्यवहार संबंधित घनत्व फलन की चिकनाई (संभावना सिद्धांत) निर्धारित करता है।
 * यादृच्छिक चर $$Y = aX + b$$ यादृच्छिक चर का रैखिक परिवर्तन $$X$$ हो,  $$Y$$ का चारित्रिक कार्य $$\varphi_Y(t)=e^{itb}\varphi_X(at)$$ है। यादृच्छिक वैक्टर के लिए $$X$$ एवं $$Y = AX + B$$ (जहाँ A  स्थिर मैट्रिक्स है एवं B स्थिर वेक्टर है), हमारे पास $$\varphi_Y(t) = e^{it^\top B}\varphi_X(A^\top t)$$ है।

निरंतरता
संभाव्यता वितरण एवं विशिष्ट कार्यों के मध्य ऊपर बताया गया आक्षेप क्रमिक रूप से निरंतर है। अर्थात्, जब भी वितरण का कोई क्रम Fj(x) कार्य करता है, कुछ वितरण F(x) में (कमजोर रूप से) अभिसरण करता है, विशेषता कार्यों का संगत क्रम φj(t) भी अभिसरण होगा, एवं सीमा φ(t) कानून F के विशिष्ट कार्य के अनुरूप होगी। अधिक औपचारिक रूप से, इसे इस प्रकार कहा गया है


 * 'लेवी की निरंतरता प्रमेय:' अनुक्रम Xjn चर का यादृच्छिक चर X का अनुक्रम जहां φ X का अभिलक्षणिक फलन है।

इस प्रमेय का उपयोग विशिष्ट कार्यों के अभिसरण, बड़ी संख्या के नियम एवं केंद्रीय सीमा प्रमेय को सिद्ध करने के लिए किया जा सकता है।

व्युत्क्रम सूत्र
संचयी वितरण कार्यों एवं विशिष्ट कार्यों के मध्य पत्राचार होता है, इसलिए यदि हम दूसरे को जानते हैं तो इनमें से फलन को ढूंढना संभव है। विशेषता फलन की परिभाषा में सूत्र हमें φ की गणना करने की अनुमति देता है जब हम वितरण फलन F (या घनत्व f) जानते हैं। दूसरी ओर, यदि हम विशेषता फलन φ को जानते हैं एवं संबंधित वितरण फलन को ढूंढना चाहते हैं, तो निम्नलिखित 'व्युत्क्रम प्रमेय' में से एक का उपयोग किया जा सकता है।

'प्रमेय'. यदि विशेषता फलन φX यादृच्छिक चर का X एकीकृत कार्य है, फिर FX बिल्कुल निरंतर है, एवं इसलिए X में संभाव्यता घनत्व फलन है। अविभाज्य विषय में (अर्थात जब X अदिश-मूल्यवान है) घनत्व फलन द्वारा दिया जाता है $$ f_X(x) = F_X'(x) = \frac{1}{2\pi}\int_{\mathbf{R}} e^{-itx}\varphi_X(t)\,dt,$$ बहुभिन्नरूपी विषय में यह है $$ f_X(x) = \frac{1}{(2\pi)^n} \int_{\mathbf{R}^n} e^{-i(t\cdot x)}\varphi_X(t)\lambda(dt)$$ जहाँ $ t\cdot x$ डॉट उत्पाद है।

घनत्व फलन वितरण μX का रेडॉन-निकोडिम व्युत्पन्न है, लेब्सेग माप के संबंध में λ: $$ f_X(x) = \frac{d\mu_X}{d\lambda}(x), $$ प्रमेय (लेवी)। यदि FX वितरण फलन F का अभिलक्षणिक फलन हैX, दो बिंदु a<b ऐसे हैं {x μ का एक निरंतरता सेट हैX (एकविभिन्न विषय में यह स्थिति F की निरंतरता के बराबर हैXबिंदु ए एवं बी पर), फिर प्रमेय. यदि ए (संभवतः) एक्स का एक परमाणु है (एकतरफा विषय में इसका मतलब F का असंततता बिंदु है)X) तब प्रमेय (गिल-पेलेज़)। एक अविभाज्य यादृच्छिक चर X के लिए, यदि x, F का एक निरंतरता बिंदु हैXतब
 * यदि X अदिश राशि है: $$F_X(b) - F_X(a) = \frac{1} {2\pi} \lim_{T \to \infty} \int_{-T}^{+T} \frac{e^{-ita} - e^{-itb}} {it}\, \varphi_X(t)\, dt.$$ इस सूत्र को संख्यात्मक गणना के लिए अधिक सुविधाजनक रूप में पुनः बताया जा सकता है $$ \frac{F(x+h) - F(x-h)}{2h} = \frac{1}{2\pi} \int_{-\infty}^{\infty} \frac{\sin ht}{ht} e^{-itx} \varphi_X(t) \, dt .$$ नीचे से घिरे एक यादृच्छिक चर के लिए कोई भी प्राप्त कर सकता है $$F(b)$$ ले कर $$a$$ ऐसा है कि $$F(a)=0.$$ अन्यथा, यदि कोई यादृच्छिक चर नीचे से परिबद्ध नहीं है, तो इसकी सीमा $$a\to-\infty$$ देता है $$F(b)$$, परंतु संख्यात्मक रूप से अव्यावहारिक है।
 * यदि X एक सदिश यादृच्छिक चर है: $$\mu_X\big(\{a<x<b\}\big) = \frac{1}{(2\pi)^n} \lim_{T_1\to\infty}\cdots\lim_{T_n\to\infty} \int\limits_{-T_1\leq t_1\leq T_1} \cdots \int\limits_{-T_n \leq t_n \leq T_n} \prod_{k=1}^n\left(\frac{e^{-i t_k a_k}-e^{-i t_k b_k}}{it_k}\right)\varphi_X(t)\lambda(dt_1 \times \cdots \times dt_n)$$
 * यदि X अदिश राशि है: $$F_X(a) - F_X(a-0) = \lim_{T\to\infty}\frac{1}{2T} \int_{-T}^{+T} e^{-ita}\varphi_X(t)\,dt$$
 * यदि X एक सदिश यादृच्छिक चर है: $$\mu_X(\{a\}) = \lim_{T_1\to\infty}\cdots\lim_{T_n\to\infty} \left(\prod_{k=1}^n\frac{1}{2T_k}\right) \int\limits_{[-T_1, T_1] \times \dots \times [-T_n, T_n]} e^{-i(t\cdot a)}\varphi_X(t)\lambda(dt)$$
 * $$F_X(x) = \frac{1}{2} - \frac{1}{\pi}\int_0^\infty \frac{\operatorname{Im}[e^{-itx}\varphi_X(t)]}{t}\,dt$$

जहां एक सम्मिश्र संख्या का काल्पनिक भाग $$z$$ द्वारा दिया गया है $$\mathrm{Im}(z) = (z - z^*)/2i$$.

एवं इसका घनत्व कार्य है:
 * $$f_X(x) = \frac{1}{\pi}\int_0^\infty \operatorname{Re}[e^{-itx}\varphi_X(t)]\,dt$$

अभिन्न लेब्सग-अभिन्न नहीं हो सकता है; उदाहरण के लिए, जब X असतत यादृच्छिक चर होता है जो सदैव 0 होता है, तो यह डिरिचलेट इंटीग्रल बन जाता है।

बहुभिन्नरूपी वितरण के लिए व्युत्क्रम सूत्र उपलब्ध हैं।

विशिष्ट कार्यों के लिए मानदंड
सभी विशिष्ट कार्यों का सेट कुछ परिचालनों के तहत बंद है:
 * एक उत्तल संयोजन $ \sum_n a_n\varphi_n(t)$ (साथ $ a_n\geq0,\ \sum_n a_n=1$ ) चारित्रिक कार्यों की एक परिमित या गणनीय संख्या भी एक अभिलक्षणिक फलन है।
 * विशिष्ट कार्यों की एक सीमित संख्या का गुणनफल भी एक विशिष्ट कार्य है। यही बात अनंत उत्पाद के लिए भी लागू होती है, बशर्ते कि यह मूल बिंदु पर निरंतर एक फलन में परिवर्तित हो।
 * यदि φ एक अभिलाक्षणिक फलन है एवं α एक वास्तविक संख्या है, तो $$\bar{\varphi}$$, पुनः(φ), |φ|2, एवं φ(αt) भी विशिष्ट कार्य हैं।

यह सर्वविदित है कि सीमा F(−∞) = 0, F(+∞) = 1 के साथ कोई भी गैर-घटता हुआ फलन F कुछ यादृच्छिक चर के संचयी वितरण फलन से मेल खाता है। ऐसे ही सरल मानदंड खोजने में भी रुचि है जब कोई दिया गया फलन φ किसी यादृच्छिक चर का विशिष्ट फलन हो सकता है। जहाँ केंद्रीय परिणाम बोचनर का प्रमेय है|बोचनर का प्रमेय, हालांकि इसकी उपयोगिता सीमित है क्योंकि प्रमेय की मुख्य स्थिति, सकारात्मक-निश्चित फलन|गैर-नकारात्मक निश्चितता, को सत्यापित करना बहुत कठिन है। अन्य प्रमेय भी सम्मिलित हैं, जैसे खिन्चिन, मैथियास, या क्रैमर, हालांकि उनका अनुप्रयोग उतना ही कठिन है। दूसरी ओर, जॉर्ज पोल्या|पोल्या का प्रमेय, एक बहुत ही सरल उत्तलता स्थिति प्रदान करता है जो पर्याप्त है परंतु आवश्यक नहीं है। इस शर्त को पूरा करने वाले विशिष्ट कार्यों को पोलिया-प्रकार कहा जाता है।

बोचनर का प्रमेय|बोचनर का प्रमेय। एक मनमाना फलन φ : आरn → 'C' कुछ यादृच्छिक चर का विशिष्ट कार्य है यदि एवं केवल यदि φ सकारात्मक-निश्चित फलन है, जो मूल पर निरंतर है, एवं यदि φ(0) = 1 है।

'खिंचाइन की कसौटी'. एक जटिल-मूल्यवान, बिल्कुल निरंतर फलन φ, φ(0) = 1 के साथ, एक विशिष्ट फलन है यदि एवं केवल यदि यह प्रतिनिधित्व को स्वीकार करता है
 * $$\varphi(t) = \int_{\mathbf{R}} g(t+\theta)\overline{g(\theta)} \, d\theta .$$

मैथियास का प्रमेय. एक वास्तविक-मूल्यवान, सम, निरंतर, बिल्कुल पूर्णांकित फलन φ, φ(0) = 1 के साथ, एक विशिष्ट फलन है यदि एवं केवल यदि
 * $$(-1)^n \left ( \int_{\mathbf{R}} \varphi(pt)e^{-t^2/2} H_{2n}(t) \, dt \right ) \geq 0$$

n = 0,1,2,..., एवं सभी p > 0 के लिए। यहाँ H2n घात 2n के हर्माइट बहुपद को दर्शाता है।

पोल्या का प्रमेय. अगर $$ \varphi $$ एक वास्तविक-मूल्यवान, सम, निरंतर कार्य है जो शर्तों को पूरा करता है तब φ(t) 0 के बारे में एक बिल्कुल निरंतर वितरण सममिति का विशिष्ट कार्य है।
 * $$ \varphi(0) = 1 $$,
 * $$ \varphi $$ के लिए उत्तल कार्य है $$ t>0 $$,
 * $$ \varphi(\infty) = 0 $$,

उपयोग
लेवी निरंतरता प्रमेय के कारण, केंद्रीय सीमा प्रमेय के सबसे अधिक बार देखे जाने वाले प्रमाण में विशिष्ट कार्यों का उपयोग किया जाता है। किसी विशिष्ट फलन के साथ गणना करने में शामिल मुख्य तकनीक फलन को किसी विशेष वितरण के विशिष्ट फलन के रूप में पहचानना है।

वितरण का बुनियादी हेरफेर
सांख्यिकीय स्वतंत्रता यादृच्छिक चर के रैखिक कार्यों से निपटने के लिए विशेषता फलन विशेष रूप से उपयोगी होते हैं। उदाहरण के लिए, यदि X1, X2, ..., Xn स्वतंत्र (एवं जरूरी नहीं कि समान रूप से वितरित) यादृच्छिक चर का एक क्रम है, एवं


 * $$S_n = \sum_{i=1}^n a_i X_i,\,\!$$

जहां एi स्थिरांक हैं, तो S के लिए अभिलक्षणिक फलन हैn द्वारा दिया गया है


 * $$\varphi_{S_n}(t)=\varphi_{X_1}(a_1t)\varphi_{X_2}(a_2t)\cdots \varphi_{X_n}(a_nt) \,\!$$

विशेष रूप से, φX+Y(t) = φX(t)φY(t). इसे देखने के लिए, विशेषता फलन की परिभाषा लिखें:


 * $$\varphi_{X+Y}(t)= \operatorname{E}\left [e^{it(X+Y)}\right]= \operatorname{E}\left [e^{itX}e^{itY}\right] =  \operatorname{E}\left [e^{itX}\right] \operatorname{E}\left [e^{itY}\right] =\varphi_X(t) \varphi_Y(t)$$

तीसरे एवं चौथे भाव की समानता स्थापित करने के लिए X एवं Y की स्वतंत्रता आवश्यक है।

समान रूप से वितरित यादृच्छिक चर के लिए रुचि का एक एवं विशेष विषय है जब एवं फिर एसnनमूना माध्य है. इस विषय में, लेखन $\overline{X}$ माध्य के लिए,


 * $$\varphi_{\overline{X}}(t)= \varphi_X\!\left(\tfrac{t}{n} \right)^n$$

क्षण
किसी यादृच्छिक चर के क्षण (गणित) को खोजने के लिए विशेषता कार्यों का भी उपयोग किया जा सकता है। बशर्ते कि एनवें क्षण सम्मिलित है, विशेषता फलन को n बार विभेदित किया जा सकता है:

$$ \operatorname{E}\left[ X^n\right] = i^{-n}\left[\frac{d^n}{dt^n}\varphi_X(t)\right]_{t=0} = i^{-n}\varphi_X^{(n)}(0) ,\!$$ इसे डिराक डेल्टा फलन के डेरिवेटिव का उपयोग करके औपचारिक रूप से लिखा जा सकता है:$$f_X(x) = \sum_{n=0}^\infty \frac{(-1)^n}{n!}\delta^{(n)}(x)\operatorname{E}[X^n] $$जो तत्काल समस्या का औपचारिक समाधान संभव बनाता है। उदाहरण के लिए, मान लीजिए कि X में मानक कॉची वितरण है। तब. यह t = 0 पर अवकलनीय फलन नहीं है, जो दर्शाता है कि कॉची वितरण का कोई अपेक्षित मूल्य नहीं है। इसके अतिरिक्त, नमूना माध्य का विशिष्ट कार्य $\overline{X}$n की सांख्यिकीय स्वतंत्रता प्रेक्षणों का विशिष्ट कार्य होता है φ$\overline{X}$(t) = (e−)n = e−, पिछले अनुभाग के परिणाम का उपयोग करते हुए। यह मानक कॉची वितरण का विशिष्ट कार्य है: इस प्रकार, नमूना माध्य का वितरण जनसंख्या के समान ही होता है।

एक एवं उदाहरण के रूप में, मान लीजिए कि X गाऊसी वितरण का अनुसरण करता है अर्थात $$X \sim \mathcal{N}(\mu,\sigma^2)$$. तब $$\varphi_{X}(t) = e^{\mu i t - \frac{1}{2} \sigma^2 t^2} $$ एवं


 * $$\operatorname{E}\left[ X\right] = i^{-1} \left[\frac{d}{dt}\varphi_X(t)\right]_{t=0} = i^{-1} \left[(i \mu - \sigma^2 t) \varphi_X(t) \right]_{t=0} = \mu $$

इसी तरह की गणना से पता चलता है $$ \operatorname{E}\left[ X^2\right] = \mu^2 + \sigma^2 $$ एवं मूल्यांकन के लिए अपेक्षा की परिभाषा को लागू करने एवं भागों द्वारा एकीकरण का उपयोग करने की अपेक्षा में इसे लागू करना आसान है $$ \operatorname{E}\left[ X^2\right] $$.

एक विशिष्ट फलन का लघुगणक एक संचयी जनरेटिंग फलन है, जो क्यूम्युलेंट खोजने के लिए उपयोगी है; इसके बजाय कुछ लोग संचयी जनरेटिंग फलन को पल-जनरेटिंग फलन के लघुगणक के रूप में परिभाषित करते हैं, एवं विशेषता फलन के लघुगणक को दूसरा क्यूम्युलेंट जनरेटिंग फलन कहते हैं।

डेटा विश्लेषण
डेटा के नमूनों में संभाव्यता वितरण को फिट करने के लिए प्रक्रियाओं के हिस्से के रूप में विशेषता कार्यों का उपयोग किया जा सकता है। ऐसे विषय जहां यह अन्य संभावनाओं की अपेक्षा में एक व्यावहारिक विकल्प प्रदान करता है, उनमें स्थिर वितरण को फिट करना शामिल है क्योंकि घनत्व के लिए बंद फॉर्म अभिव्यक्तियां उपलब्ध नहीं हैं जो अधिकतम संभावना अनुमान के कार्यान्वयन को कठिन बनाती हैं। अनुमान प्रक्रियाएं उपलब्ध हैं जो डेटा से गणना की गई सैद्धांतिक विशेषता फलन को अनुभवजन्य विशेषता फलन से मेल खाती हैं। पॉलसन एट अल. (1975) एवं हीथकोट (1977) ऐसी आकलन प्रक्रिया के लिए कुछ सैद्धांतिक पृष्ठभूमि प्रदान करें। इसके अतिरिक्त, यू (2004) समय श्रृंखला मॉडल में फिट होने के लिए अनुभवजन्य विशेषता कार्यों के अनुप्रयोगों का वर्णन करता है जहां संभावना प्रक्रियाएं अव्यावहारिक हैं। अंसारी एट अल द्वारा अनुभवजन्य विशेषता कार्यों का भी उपयोग किया गया है। (2020) एवं ली एट अल। (2020) जनरेटिव प्रतिकूल नेटवर्क के प्रशिक्षण के लिए।

उदाहरण
स्केल पैरामीटर θ एवं आकार पैरामीटर k के साथ गामा वितरण में विशेषता कार्य होता है
 * $$(1 - \theta i t)^{-k}.$$

अब मान लीजिए कि हमारे पास है
 * $$ X ~\sim \Gamma(k_1,\theta) \mbox{ and } Y \sim \Gamma(k_2,\theta)$$

एक्स एवं वाई एक दूसरे से स्वतंत्र हैं, एवं हम जानना चाहते हैं कि एक्स + वाई का वितरण क्या है। चारित्रिक कार्य हैं
 * $$\varphi_X(t)=(1 - \theta i t)^{-k_1},\,\qquad \varphi_Y(t)=(1 - \theta it)^{-k_2}$$

जो स्वतंत्रता एवं चारित्रिक कार्य के मूल गुणों की ओर ले जाता है
 * $$\varphi_{X+Y}(t)=\varphi_X(t)\varphi_Y(t)=(1 - \theta i t)^{-k_1}(1 - \theta i t)^{-k_2}=\left(1 - \theta i t\right)^{-(k_1+k_2)}.$$

यह गामा वितरण स्केल पैरामीटर θ एवं आकार पैरामीटर k का विशिष्ट कार्य है1 + क2, एवं इसलिए हम निष्कर्ष निकालते हैं
 * $$X+Y \sim \Gamma(k_1+k_2,\theta)$$

परिणाम को समान स्केल पैरामीटर के साथ n स्वतंत्र गामा वितरित यादृच्छिक चर तक विस्तारित किया जा सकता है एवं हमें मिलता है
 * $$\forall i \in \{1,\ldots, n\} : X_i \sim \Gamma(k_i,\theta) \qquad \Rightarrow \qquad \sum_{i=1}^n X_i \sim \Gamma\left(\sum_{i=1}^nk_i,\theta\right).$$

संपूर्ण चारित्रिक कार्य
जैसा कि ऊपर परिभाषित किया गया है, विशेषता फलन के तर्क को वास्तविक संख्या के रूप में माना जाता है: हालांकि, विशेषता कार्यों के सिद्धांत के कुछ पहलुओं को विश्लेषणात्मक निरंतरता द्वारा जटिल विमान में परिभाषा का विस्तार करके उन्नत किया जाता है, ऐसे विषयों में जहां यह संभव है।

संबंधित अवधारणाएँ
संबंधित अवधारणाओं में क्षण-उत्पादक फलन एवं संभाव्यता-उत्पन्न फलन शामिल हैं। सभी संभाव्यता वितरणों के लिए विशेषता फलन सम्मिलित है। यह क्षण-उत्पन्न करने वाले फलन के विषय में नहीं है।

विशेषता फलन फूरियर ट्रांसफॉर्म से निकटता से संबंधित है: संभाव्यता घनत्व फलन पी (एक्स) का विशेषता फलन पी (एक्स) के निरंतर फूरियर ट्रांसफॉर्म का जटिल संयुग्म है (सामान्य सम्मेलन के अनुसार; निरंतर फूरियर ट्रांसफॉर्म # अन्य देखें) सम्मेलन|निरंतर फूरियर रूपांतरण - अन्य सम्मेलन)।


 * $$\varphi_X(t) = \langle e^{itX} \rangle = \int_{\mathbf{R}} e^{itx}p(x)\, dx = \overline{\left( \int_{\mathbf{R}} e^{-itx}p(x)\, dx \right)} = \overline{P(t)},$$

जहां P(t) संभाव्यता घनत्व फलन p(x) के निरंतर फूरियर रूपांतरण को दर्शाता है। इसी तरह, p(x) को φ से पुनर्प्राप्त किया जा सकता हैX(टी) व्युत्क्रम फूरियर रूपांतरण के माध्यम से:


 * $$p(x) = \frac{1}{2\pi} \int_{\mathbf{R}} e^{itx} P(t)\, dt = \frac{1}{2\pi} \int_{\mathbf{R}} e^{itx} \overline{\varphi_X(t)}\, dt.$$

दरअसल, जब यादृच्छिक चर में घनत्व नहीं होता है, तब भी विशेषता फलन को यादृच्छिक चर के अनुरूप माप के फूरियर रूपांतरण के रूप में देखा जा सकता है।

एक अन्य संबंधित अवधारणा वितरण के कर्नेल एम्बेडिंग के माध्यम से पुनरुत्पादित कर्नेल हिल्बर्ट स्पेस के तत्वों के रूप में संभाव्यता वितरण का प्रतिनिधित्व है। इस ढांचे को कर्नेल फलन के विशिष्ट विकल्पों के तहत विशेषता फलन के सामान्यीकरण के रूप में देखा जा सकता है।

यह भी देखें

 * उपनिर्भरता, स्वतंत्रता की अपेक्षा में एक कमजोर स्थिति है, जिसे विशिष्ट कार्यों के संदर्भ में परिभाषित किया गया है।
 * क्यूमुलेंट, क्यूम्युलेंट जनरेटिंग फ़ंक्शंस का एक शब्द, जो विशिष्ट फ़ंक्शंस के लॉग हैं।