刘次华《随机过程及其应用(第三版)》课件RP1.pptVIP

随 机 过 程 Random Processes 参考书 刘次华，《随机过程及其应用》（第三版），高等教育出版社，2004.7 L. C. Ludeman著，《随机过程——滤波、估计与检测》，电子工业出版社，2005.2 周荫清，《随机过程导论》，清华大学出版社， 1 预备知识 ——概率论的基础知识 内容提要 概率论的基本概念 随机变量及其分布 随机变量的数字特征 特征函数 正态分布 条件概率与条件期望 1.1 概率论的基本概念 确定性现象——在一定条件下必然发生（或必然不发生） 随机现象——在个别试验中呈现出不确定性，在大量重复试验中又具有统计规律性 随机试验E 随机试验 E 的三个特征 可以在相同条件下重复进行 每次试验的结果不止一个，但能事先确定试验的所有可能结果 每次试验前不能确定哪个结果会出现 样本空间 ? ——随机试验所有可能结果组成的集合 样本点 e（或基本事件）——样本空间? 中的元素 （随机）事件 A ——样本空间? 的子集 可测空间 [定义] 设? 是一个集合，F 是? 的某些子集组成的集合族。如果（1） ? ?F（2）若A ? F ，则 （3）若An ? F ，n=1, 2, …, 则 则称F 为?-代数（事件域）。（?, F ）称为可测空间， F 中的元素称为事件。 概率空间 [定义] 设（?, F ）是可测空间，P( )是定义在F上的实值函数。如果(1) 任意A ? F ，(2)(3) 对两两互不相容事件A1, A2, …（当i ? j 时 Ai ? Aj = ?） 有  则称P是（?, F ）上的概率，（?, F , P）称为概率空间，P(A)是事件A的概率。 独立事件 1.2 随机变量及其分布 [定义] 设（?, F , P）是概率空间，X =X(e)是定义在?上的实函数，如果对任意实数 x，{ e: X(e) ? x } ? F ，则称X(e)是F 上的随机变量。称函数为随机变量X的分布函数。 分布函数的性质 F(x)是非减函数，即当 x1 x2 时，F(x1) ? F(x2) 0 ? F(x) ?1，且 F(x)是右连续的，即 F(x+0) = F(x) 随机变量的类型 n 维随机变量 [定义] 设(?, F , P)是概率空间，X = X(e) = (X1(e), …, Xn(e) )是定义在?上的n维空间Rn中取值的向量函数，如果对任意x=(x1, x2, ?, xn) ? Rn，{e: X1(e) ? x1, X2(e) ? x2, …, Xn(e) ? xn} ? F ，则称X = X(e) 为n 维随机变量。称为X = (X1, X2, …, Xn )的联合分布函数。 1.3 随机变量的数字特征 方差 相关 协方差 “独立” “不相关” 与 “正交” 矩 协方差矩阵 常见的连续型随机变量 常见的离散型随机变量 1.4 特征函数 1.5 正态分布 n 维正态分布 [定义] 若n维随机变量X=(X1, X2, …, Xn)的联合概率密度为其中，a = (a1, a2, …, an )是常向量，C = (Cij )n×n 是X 的协方差矩阵，则称X为 n维正态随机变量或服从n维正态分布，记为X ~ N ( a , C )。 1.6 条件概率与条件期望 设X, Y是随机变量，且P{Y= y}0，定义在 Y= y 时， （离散型） * * 独立性： P(AB) = P(A)?P(B) [定义] 设（?, F , P）是概率空间，g ? F ，如果对任意A1, A2, …, An ? g, n=1, 2, … 有则称g为独立事件族。 离散型随机变量 概率分布——分布列 分布函数 连续型随机变量 概率分布——概率密度 分布函数 离散型随机变量： 连续型随机变量： [定义] 设随机变量X的分布函数为F(x)，若 则称为X的数学期望或均值。 离散型随机变量： 连续型随机变量： [定义] 设X是随机变量，若 E(X2) ?，则称为X的方差。称 为X的标准差（或均方差）。 不相关： 正交： [定义] 设X 和 Y 是两个随机变量，则称为 X 和 Y 的相关。 若 ?XY = 0，则称 X , Y 不相关。 [定义] 设X, Y是随机变量，若E(X2)?， E(Y2)?，则称为X , Y的协方差。 称 为X , Y的相关系数。 充分条件 一个变量零均值，另一变量均值有限 一个变量零均值，另一变量均值有限 正交 独立 不相关 联合高斯分布 [定义] 设X, Y是随机变量，若下列期望值存在，则 称 E ( X k ) 为X 的k 阶原点矩。 称 E {