05-随机向量.pptVIP

信息与通信工程中的随机过程·第5讲 第5讲 随机向量 陈 明 制作 chenming@seu.edu.cn 东南大学信息科学与工程学院 对应课本内容 2.3 随机向量 概率函数 数字特征 随机变量间的关系 学习要点 随机向量的定义 五种概率函数 常见随机向量的例子 随机向量的数字特征 随机变量之间的关系 随机向量的定义 当概率空间的样本空间为 时，则该概率空间被称为随机向量，当然这里要求n 1。 和随机变量一样，随机向量只是通常向量的推广。对于随机向量来讲，由于是随机系统的输出，所以除了要考虑向量的取值范围，还要考虑其取各个值的可能性大小。 五种概率函数 和随机变量一样，随机向量也可以用五种概率函数来完全刻画其概率分布特性。 对于随机向量的概率函数来讲，有联合概率函数和边界概率函数之别。联合概率函数是用来描述随机向量的概率分布的，而边界概率函数则是用来描述随机向量的子向量的概率分布的。 联合概率质量函数 例子 例子 联合概率生成函数 和一维概率生成函数的定义相同，是概率质量函数的z 变换。 联合概率分布函数 性质 联合概率密度函数 联合概率密度函数的性质 联合概率特征函数 例子 例子 例2.57 Dirichlet分布 边界概率函数 边界的概念 点是线的边界 线是面得边界 面是体的边界 低维是高维的边界 边界概率质量函数 边界概率质量函数的例子 边界概率分布函数边界概率密度函数边界概率特征函数 例子 例子 例子 数字特征 联合矩对应的多项式 相关矩、协方差、相关系数 联合原点矩、联合中心矩 随机向量和矩阵的期望 随机向量的相关矩阵 随机向量的协方差矩阵 互相关矩阵、互协方差矩阵 联合熵和互信息量 最大熵定理 事件的互信息量 随机变量的互信息量 随机变量之间的关系 随机变量所描述的对象是随机现象，当将若干个随机现象综合起来进行观察和建模，就得到了随机向量的概念。 我们知道，事物之间往往是相互影响、相互联系的，一种现象的发生常常会影响到另外一个现象的发生。 所以，两个随机变量之间也应该存在一定的关系。两个随机变量之间的关系，按照其强弱的程度可以分为“独立、相关和确定”这三种。 独立 独立之例 确定关系 独立是两个随机变量完全没有任何联系的一种表述。独立是两个随机变量关系的一种极端情况，除了这种极端情况之外，还有一种极端情况就是“相互确定”。 所谓两个随机变量相互确定，就是一者的样本点确定之后，另外一个也完全确定了，换句话说，就是两者之间存在函数关系。 相关关系 两个随机变量介乎独立和确定之间的关系就是相关，相关就是一种既不是独立也不是确定的中间关系。 不相关 例子 例2.72 考察的三维随机向量 H,W,A ，其中H,W,A分别是学生的身高、体重和年龄。当不考虑体重和年龄因素时，只考察所有学生的身高情况，就得到身高随机变量的概率分布函数；但是当同时考察体重和年龄因素时，就会发现身高和体重、年龄是相互联系的，体重较重的学生和体重较轻的学生，其身高的分布规律显然有差异；同样，年龄不同的学生，其身高和体重的概率分布规律也有差异。 例子 不相关不一定独立 Schwarz不等式 条件概率函数 表达式的推导 条件数字特征 条件期望的性质 小结 随机向量的完全统计特性可以用五种联合概率函数描述 随机向量的边界概率函数可以通过联合概率函数得到 随机向量的常见数字特征有联合矩和联合熵 随机变量之间的关系有独立、确定和相关这三种 对于随机向量可以定义条件概率函数和条件数字特征 * * 《信息与通信工程中的随机过程》教学课件 和一维离散型随机变量进行比较：只是概率质点的位置分布不同，其它并没有什么不同。 *