随机过程概率论基础上重点.ppt

条件数学期望 全期望公式 E(E(Xi|X1,…,Xi-1,Xi+1,…,Xn))=Exi E(E(X|Y))=EX 1.6 条件数学期望（小结） The End machunguang@ * 此页省略了 一段总结性的话，该段话在课本第6页，性质（4）下面。即 类似于一维随机变量，可以证明……。 * 1.4 随机变量的特征函数 (5) 设φ(t1,t2,…,tn)是n维随机变量X=(X1,X2,…,Xn)的特征函数 是随机变量X1,X2,…,Xn 相互独立的充要条件是(6) 设φ(t1,t2,…,tn)是n维随机变量X=(X1,X2,…,Xn)的特征函数，则k(1≤kn)维随机变量(X1,X2,…,Xk)的特征函数为 1.4 随机变量的特征函数 (7) 设φ(t1,t2,…,tn)是n维随机变量X=(X1,X2,…,Xn)的特征函数,如果 存在，则 特征函数要求随机变量X 的取值范围为 ，对只取非负值的随机变量，用Laplace变换更为方便. 1.4 随机变量的特征函数 定义1.4.4 设X 是非负值随机变量，其分布函数为F(x)，则称 为F(x)的Laplace变换. 其中，s=a+jb,a0 . 若X 是连续型的非负值随机变量，其概率密度函数为f (x),则 称 为f (x)的Laplace变换，记为 f (x) 称为 的Laplace反变换，它们相互唯一确定. 1.4 随机变量的特征函数（小结） 复随机变量 特征函数的定义、计算方法 使用概率分布律（概率密度函数）求离散型（连续型）随机变量特征函数 常用随机变量的特征函数 离散型：单点分布，二项分布，泊松分布 连续型：均匀分布，正态分布，指数分布 特征函数的性质 相互独立的随机变量之和的特征函数等于各自特征函数的乘积 特征函数的 k 阶导数与 k 阶（原点）矩的关系 利用特征函数求各阶矩（期望，方差） 特征函数与分布函数的一一对应性 n 维随机变量（向量）的特征函数 第1章 概率论基础 1.1 概率空间 1.2 随机变量及分布 1.3 随机变量的数字特征 1.4 随机变量的特征函数 1.5 n维正态随机变量 1.6 条件数学期望 1.5 n 维正态随机变量 在概率论中，若(X1,X2)~N( )，则二维正态随机变量 (X1,X2) 的联合概率密度函数为其中， ρ为随机变量X1, X2 的相关系数。 下面用向量和矩阵的形式来表示二维正态分布的联合概率密度函数. 令 x = (x1,x2)， μ = (μ1μ2) ,于是 1.5 n 维正态随机变量 所以 =(x-μ)B-1(x-μ)T 于是 1.5 n 维正态随机变量 定义 1.5.1 设X=(X1,X2,…,Xn)是n维随机变量，如果其联合概率密度函数为其中则称X=(X1,X2,…,Xn)服从 μ 为均值向量、B 为协方差矩阵的n 维正态分布，记为X ~ N(μ, B). 1.5 n 维正态随机变量 定理1.5.1 设X~N(μ, B),则存在n阶正交矩阵A，使得 Y = (Y1,Y2,…,Yn) = (X-μ) AT是n 维独立正态随机变量，即Y1,Y2,…,Yn相互独立，且Yk~N(0, dk),其中dk 0是B 的特征值，k = 1,2,…,n . 定理1.5.2 设X~N (μ, B) ，则X 的特征函数 1.5 n 维正态随机变量 定理1.5.3 （正态随机变量的性质） 设X=(X1,X2,…,Xn) ~ N(μ, B)(1) 若l1,l2,….ln是常数，则 服从一维正态分布  其中 μk=EXk ，k=1,2,…,n. （一维正态随机变量的线性组合仍然是正态随机变量） 1.5 n 维正态随机变量 (2) 若mn，则X 的 m 个分量构成的 m 维随机变量  服从 m 维正态分布