湖南城市学院-随机过程稿.pptVIP

条件概率 在事件B已发生这一条件下，事件A发生的概率。 设事件B1，B2，…，Bn构成一个完备事件组，概率P(Bi)0,i=1,2,……,n,对于任何一个事件A，若P(A)0, 有 §1.3 随机变量的数字特征 随机变量的数学期望 随机变量函数的期望 方差 协方差 相关系数 独立与不相关 3、独立随机变量之和的母函数等于母函数之积 (4) 随机个随机变量之和的母函数 一、密度函数与特征函数 二、几个常用结论 相互独立 不相关 相互独立 不相关 设Z是一个随机变量，具有均匀概率密度 令X=sinZ，Y=cosZ，求随机变量X和Y是否相关，是否独立？ §1.4 特征函数、母函数 数字特征只反映了概率分布的某些侧面，一般并不能通过它们来确定分布函数，这里将要引进的特征函数，既能完全决定分布函数而又具有良好的分析性质。 一、复随机变量 对复随机变量也可以平行于实随机变量建 立起一系列结果。 二、特征函数 对离散型随机变量，若其分布律为 三、特征函数的性质 因而可作下列积分号下的微分 此性质使我们可以方便地求得随机变量的各阶矩 （7）特征函数与分布函数是相互唯一确定的 证略 唯一性定理： 分布函数由其特征函数唯一决定 而分布函数由其连续点上的值唯一决定 不连续点利用右连续性 即在特征函数绝对可积的条件下，概率密度 与特征函数构成一对付氏变换。 因此用控制收敛定理知（极限号与积分号 交换的勒贝格控制收敛定理） 四、多元特征函数 利用特征函数与分布一一对应的唯一性得 注：求随机变量的特征函数的方法 （3）用Fourier变换去求解。 （1）一般定义求解； （2）对一些特殊分布可化为微分方程求解； （4）利用特征函数求多个独立随机变量和的分布。 要求： （1）会求一些常用的随机变量的特征函数； （2）记住一些重要分布的特征函数，如正态分布； （3）利用特征函数求相应随机变量的各阶矩； 五、母函数 对于整值随机变量，有一种处理方法很便于应用，这就是母函数法。 例、求二项分布、泊松分布、几何分布 的母函数 （1）唯一性，非负整数值随机变量的分布列 由其母函数唯一确定 六、母函数的性质 * * 一、基本概念 试验结果事先不能准确预言，三个特征: 可以在相同条件下重复进行； 每次试验结果不止一个，可预先知道试验所有可能结果； 每次试验前不能确定那个结果会出现。 样本空间 随机试验所有可能结果组成的集合，记为Ω 随机事件 在随机试验中，可能出现也可能不出现，而在大量重复试验中具有某种规律性的事件叫做随机事件，简称事件。随机事件通常用大写英文字母A、B、C等表示。 §1.1 概率空间 随机试验 注：由于事件是集合，故集合的运算（并、交、差、上极限、下极限、极限等）都适用于事件。 称 为必然事件， W 样本空间 也是一个事件， W 空集 称为不可能事件。 F 注：所谓某个事件在 试验中是否出现，当且仅当该事件所包含的某个样本点是否出现，因此一个事件实际上对应于的一个确定的子集。 事件的概率论运算 Ω子集的集合论运算。 二、概率的公理化定义 为了完成随机现象的数学描述，还要规定随机事件族Ｆ上的概率函数　　即对Ｆ中的每个事件Ａ要定义一个称作为的概率的数 ，作为事件A的函数必须假定满足三条公理。 非负性； 规范性； 两两互不相容，即 有 则称P为（Ω，F）上的概率，（Ω，F，P）称为概率空间，P（A）为事件A的概率。 定义1.2：设（Ω，F）是可测空间， 是定义在F上的实值函数，如果 满足 由此定义出发，可推出概率的其它一些性质： 即概率具有单调性； 新事件： 连续性定理 全概率公式 若有N个互斥事件Bn（n=1,2,…,N），它的并集等于整个样本空间，则 三、几个重要公式 加法公式 贝叶斯公式（后验概率公式或逆概率公式）： 独立事件： 独立事件族：设（Ω，F，P）是概率空间， 如果对任意 有 则称Y为独立事件族。 §1.2 随机变量及其分布 一、一维随机变量及其分布函数 由于数学分析不能直接利用来研究集合函数，这样影响对随机现象的研究。解决这个问题的方法，主要是设法在集合函数与数学分析中所研究的点函数间建立某种联系，从而能用数学分析去研究随机现象。 X(e)就是一个函数，它把样本点映射到实数轴上，随机变量就是从原样本空间Ω到新样本空间的一种映射，我们通常把这样一种对应关系称之为在概率空间上的一个随机变量。下面我们给出随机变量的数学定义。