1.4随机变量的数字特征.ppt

第三讲 随机变量的函数 与特征函数 3.1 随机变量的函数变换 这个函数关系的含义为：在随机试验E中，设样本空间为S={ei}，对每一个试验结果ei，对应于X的某个取值X(ei)，相应地指定一个Y(ei)，且Y(ei)与X(ei)有如下关系： 显然，Y的概率特性与X是有关系的。 3.1.1 一维变换 若随机变量X、Y满足下列函数关系 如果X与Y之间的关系是单调的，并且存在反函数，即 若反函数h(Y)的导数也存在，则可利用X的概率密度求出Y的概率密度。 综合上述讨论，得到 如果X和Y之间不是单调关系，即Y的取值y可能对应X的两个或更多的值x1,x2,…, xn。 假定一个y值有两个x值与之对应，则有 一般地，如果y=g(x)有n个反函数h1(y), h2(y),…, hn(y)，则 3.1.2 二维变换 设二维随机变量(X1,X2)的联合概率密度f(x1, x2)，另有二维随机变量(Y1,Y2)，且 求随机变量(Y1,Y2)的联合概率密度f(y1, y2)。 如果随机变量Y是二维随机变量(X1,X2)的函数，即 可求Y的数学期望和方差。 3.2 随机变量的特征函数 3.2.1 特征函数的定义 随机变量X的特征函数就是由X组成的一个新的随机变量ejwX的数学期望，即 离散随机变量和连续随机变量的特征函数分别表示为 随机变量X的第二特征函数定义为特征函数的对数，即 对二维随机变量，可用类似的方法定义特征函数 第二特征函数定义为 3.2.2 特征函数的性质 性质1： 性质2：若Y=aX+b，a和b为常数，Y的特征函数为 性质3：互相独立随机变量之和的特征函数等于各随机变量特征函数之积，即若 则 3.2.3 特征函数与矩函数的关系 矩函数与特征函数之间存在如下关系： 3.2.4 特征函数与概率密度的关系 3.3 常见分布 3.3.1 常见的离散型分布 一. 两点分布 如果随机变量X的分布为 则称X服从两点分布，也称为贝努里分布。当a、b分别为0、1时，称这种分布为0－1分布。 二. 二项分布 设随机试验E只有两种可能的结果 且 将E独立地重复n次，那么在n次试验中事 件A发生m次的概率为 称为二项分布。 三.泊松分布 设随机变量X的可能取值为0,1,2,…,且分 布密度为 则称X服从泊松分布。 3.3.2 常见的连续分布 一. 均匀分布 设连续型随机变量X在有限区间[a,b]内 取值，且其概率密度为 则称X在区间[a,b]上服从均匀分布。 随机变量X的分布函数为 1)一维高斯分布 高斯变量X的概率密度为： 概率分布函数 对高斯变量进行归一化处理后的随机变量，称为归一化高斯变量。即令 ，归一化后的概率密 度为 服从标准正态分布N(0,1)的高斯变量X，其特征函数为 服从 的高斯变量Y，其特征函数为 （1）已知X为高斯变量，则Y=aX+b（a,b为常数）也为高斯变量，且 （2）高斯变量之和仍为高斯变量。 推广到多个互相独立的高斯变量，其和也是高斯分布。即 若Xi服从 ，则其和的数学期望和方差分别为 若有大量相互独立的随机变量的和 其中每个随机变量Xi对总的变量Y的影响足够小时，则在一定条件下，当 时，随机变量Y是服从正态分布的，而与每个随机变量的分布律无关。 结论：任何物理过程，如果它为许多独立作用之和，那么这个过程就趋于高斯分布。 2）二维高斯分布 设X是均值为 ，方差为 的正态随机变量，Y是均值为 ，方差为 的正态随机变量，且X,Y的相关系数为 ，则二维随机变量(X,Y)为一个二维正态随机变量，其联合概率密度函数为 设n维随机变量向量为Y，数学期望和方差向量为m和s，它们具有如下形式： Y= m= s= 协方差矩阵C C = 则n维联合概率密度函数为 三. 分布 1) 中心 分布 若n个互相独立的高斯变量X1