13 高斯过程(正态过程)可研报告.pptVIP

高斯随机过程 主讲人：张有光 数学家 高斯 简介 他的思想深入数学、空间、大自然的奥秘.……他推动了数学的进展直到下个世纪. 数学是科学的皇后 1777～1855 德国 主要贡献 数据拟合中最小二乘法 正态分布公式 和高斯曲线 代数基本定理：多项式解的存在性 对数论、复变函数、椭圆函数、超几何级数、统计数学等各个领域都有卓越的贡献 第一个成功地运用复数和复平面几何 《算术探究》奠定了近代数论的基础 《一般曲面论》是近代微分几何的开端；第一个领悟到存在非欧几何的数学家； 现代数学分析学的一位大师，论文《无穷极数的一般研究》，引入了高斯级数的概念，对级数的收敛性作了第一次系统的研究，从而开创了关于级数收敛性研究的新时代，这项工作开辟了通往19世纪中叶分析学的严密化道路。 在数学中以高斯命名的有： 高斯公式、高斯曲率、高斯分布、高斯方程、高斯曲线、高斯平面、高斯记号、高斯概率、高斯变换、高斯分解、高斯和、高斯素数、高斯级数、高斯系数、高斯准则、高斯原理、高斯消元法、高斯映射、高斯测度、高斯二次型、高斯多项式、高斯不等式、高斯随机过程、高斯随机变量……等等. 主要内容 一、高斯随机过程定义 二、多维高斯随机变量 三、高斯随机过程性质 1、高斯随机过程——定义 1、高斯随机过程——定义 2、高斯过程的重要性 广泛性 中心极限定理：大量独立的，均匀微小的随机变量总和都近似地服从高斯分布。 例如，无线电设备中的热噪声、通信信道中干扰信号、大气湍流、宇宙噪声、维纳过程等。 数学优点 二阶矩、广义平稳与狭义平稳等价，高斯随机过程通过线性系统还是高斯随机过程。 二、多维高斯随机变量 1、一维高斯（正态）分布 2、二维高斯（正态）分布 3、 n维高斯（正态）分布 1、一维高斯（正态）分布 2、二维高斯（正态）分布 标准化 2、二维高斯（正态）分布 特别地 r=0 2、二维高斯分布的矩阵形式 2、二维高斯分布的矩阵形式 3、 n维高斯联合概率密度 n维高斯随机变量 均值矢量 ，且它的协方差矩阵 是正定矩阵，则概率密度函数为： 3、 n维高斯联合概率密度 先看n元完全独立高斯随机变量 3、n维高斯联合概率密度 3、n维高斯联合概率密度 4、n维高斯分布－特征函数 先看标准正态 于是 5、多维高斯随机矢量的边沿分布 子矢量 6、不相关＝独立 n维高斯随机变量 互不相关，则方差矩阵为对角矩阵，于是 6、子向量的统计独立性 X为高斯分布的随机矢量，X1和X2为两个子矢量，其协方差矩阵 则X1和X2独立的充要条件 证明： 必要性： 两个随机向量独立，则第一个的分量与所有第二个随机变量的分量独立，也即 充分性： 7、线性变换 等价定义 为联合正态分布的 充分必要条件 8、n维高斯随机矢量各阶矩 一阶矩 二阶矩 三、高斯随机过程 1、高斯随机过程——定义 2、广义平稳＝严平稳 3、复高斯随机过程 1、高斯随机过程——定义 1、高斯随机过程——定义 2、广义平稳＝严平稳 3、复高斯随机过程 如果所给定的随机过程 是复高斯随机过程，则在n个时刻对应的n个复随机变量， 构成2n维联合高斯分布。 4、高斯随机过程的特性 高斯随机过程完全由它的均值和协方差函数决定。 高斯随机过程在不同时刻 的 取值不相关和相互独立等价 高斯过程的广义平稳性意味着严格平稳性 高斯随机过程通过线性系统还是高斯的 举例说明 设X(t)是定义在[a,b]上的高斯随机过程， 是两个任意的非零实函数，令 证明： 都是高斯随机变量 小结 1、高斯随机过程定义 2、多元正态随机变量 3、高斯随机过程性质 本次作业 P179 第5, 7练习题。 谢谢大家 定义：随机过程 ，在 中的 任意n个时刻 (n是正整数)上的n维 随机矢量 的联合分布 密度是高斯的： 广义平稳 证明 联合高斯的。 * * 第13讲 拉普拉斯：高斯是世界上最伟大的数学家 随机过程 ，在 中的 任意n个时刻 (n是正整数)上的n维 随机矢量 的联合分布 密度是高斯的： 特别地 与一元高斯分布相比，可以推测n元高斯分布的形式 协方差矩阵C为对称正定的，根据矩阵论，存在可逆线性变换Ｌ使得： 线性变换