第四讲随机变量函数与多维正态随机变量.pptVIP

当X1,X2相互独立时， 如果Xi服从相同分布，多个函数卷积的结果逐渐趋近一个高斯函数，所以大量独立同分布的随机变量之和服从正态分布（中心极限定理）。 6. Expected value for a function of a random variable 均值： 方差： 均值： 方差： 对于离散型随机变量，也有类似的结果： Example: Square-Law Let X be a noise voltage that is uniformly distributed in Sx={-3, -1, 1, 3} with pX(k)=1/4. Find E(Y) where Y=X2. The First Approach: find the PMF of Y The Second Approach: Example： Expected value of a sinusoidal with random phase 随机变量的函数 概率分布和概率密度的 确定 离散随机变量的函数 One-to-One Transformation Many-to-One Transformation 连续-离散的变换 混合型随机变量 多维随机变量的函数 学习内容： 正态随机变量 二维正态随机变量 多维正态随机变量 正态随机变量的线性变换 教学目的： 掌握多维正态随机变量的理论，为学习正态随机过程打下基础。 多维正态随机变量 1. Normal Random Variable ( Gaussian RV) The sum of large number of iid random variables is distributed to normal PDF. CDF 标准正态分布 * 本次课内容 随机变量函数 单变量的函数 多变量的函数 随机变量函数的数字特征 多维正态随机变量 1. 随机变量变换后概率密度的确定 例: 设Y=aX+b ( Affine Transformation)， 求Y的概率密度。 如果X服从正态分布， A linear function of a Gaussian random variable is also a Gaussian random variable. 如果不是单调函数，假定有n个反函数 则 Example: Square-Law device b0 If X is a Gaussian random variable with mean zero and variance ?2, Example : This PDF is called the log-normal PDF 2. Function of a Discrete Random Variable How to determine the PMF of a transformed random variable? For example, toss a die and transform as follow In general, we have that Check Yourself Which of following is correct? One-to-One: A B C D E None of above Check Yourself Which of following is correct? One-to-One: A B C D E None of above Check Yourself Suppose Y=2X, Which of following are correct? None of above A B C D E Check Yourself Suppose Y=2X, Which of following are correct? None of above A B C D E 对于一对一的变换， Example: Many-to-One Transformation Example: x0 x1 g(x) x A 3. Continuous-to-Discrete Example: PDF for amplitude-limited Rayleigh RV. 4. Mixed random variable Assume 一般说来, 如果g(x)在区间(x0 , x1]上为一常数A, 则FY(y)在y=A处不连续, 跳变点跳变高度为 fY(y)在y=A处有一?函数， ?函数的强度为 例 -c