概率论基础解析.ppt

随机变量函数的数字特征 Y = g(X) ， X = h(Y) 例2 设随机变量 X服从标准正态分布N(0, 1)，定义随机变量Y = X2，求Y的概率密度函数和数学期望。 解： y = g(x) = x2， x = h(y)，即 Y 的概率密度函数为 Y 的数学期望为 X 的概率密度函数为 小结 一种运算：E（数学期望） 一种分布：高斯分布 两种类型：连续型，离散型（随机变量） 三种关系：独立，不相关，正交 四个数字特征：均值、方差；协方差、相关 随机过程与随机信号处理 Random Processes and Random Signal Processing 主讲教师 张国平 单位：华中师范大学物理学院 办公地址：9号楼519 电话QQ：419634067 Email: gpzhang@phy.ccnu.edu.cn 参考书 王永德, 王军，《随机信号分析基础》，电子工业出版社，2008.5 刘次华，《随机过程及其应用》（第三版），高等教育出版社，2004.7 马文平等，《随机信号分析与应用》，科学出版社，2006.9 L. C. Ludeman著，《随机过程——滤波、估计与检测》，电子工业出版社，2005.2 后续课程 课程之间的联系 先修课程 高等数学 概率统计 信号与系统 数字信号处理 随机过程 通信原理 信息论与编码 随机信号处理 现代数字信号处理 现代通信理论 预备知识——概率论基础 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 高斯分布 特征函数 随机变量的函数 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 S ——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 S 中的元素 （随机）事件 A ——样本空间 S 的子集 可测空间 [定义] 设 S 是样本空间，? 是 S 的某些子集组成的集合族。如果（1） S ? ? ;（2）若 A ? ? ，则 （3）若 An ? ? ，n=1, 2, …, 则则称 ? 为事件域（?-代数）。（S, ?）称为可测空间， ? 中的元素称为事件。 ? ? ； ? ? ； 概率空间 [定义] 设（ S, ? ）是可测空间，P( ) 是定义在 ? 上的实值函数。如果(1) 任意 A ? ? ，(2)(3) 对两两互不相容事件 A1, A2, …（当i ? j 时 Ai∩Aj = ?） 有  则称 P 是（ S, ? ）上的概率，（ S, ?, P）称为概率空间，P(A) 是事件 A 的概率。 条件概率 全概率公式：对于样本空间S 的一个划分B1, B2, …, Bn，且 P(Bi ) 0，则 条件概率： 贝叶斯公式： 独立事件 独立性： P(AB) = P(A)?P(B) [定义] 设（S, ?, P）是概率空间，? ? ?，如果对任意 A1, A2, …, An ? ?, n=1, 2, … ，有则称 ? 为独立事件族。 2 随机变量及其分布 [定义] 设（S, ?, P）是概率空间，X =X(e)是定义在 S 上的实值函数，如果对任意实数 x，{ e: X(e) ? x } ? ? ，则称 X(e) 是 ? 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 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 多维随机变量 [定义] 设（S, ?, P）是概率空间，X1(e), …, Xn(e)是定义在S上的随机变量，X = X(e) = [X1(e), …, Xn(e) ]是定义在S上的n维实空间Rn中取值的向量函数，则称 X = X(e) 为n 维随机变量。 n 维联合分布函数： n 维联合概率密度： 3 随机变量的数字特征 离散型： 连续型： [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。 E 是线性运算符 X 的均方值定义为 E( X 2 ) . 方差 [定义] 设X是随机变量，若E(X2)?，则X的方差定义为 X 的标准差（或均方差）定义为 方差的性质： (1) D(c) = 0, c为常数 (2) D(cX ) = c