《数理统计与随机过程讲义》.doc

《数理统计与随机过程讲义》 段法兵 复杂性科学研究所 第一章 概率论回顾 下面是数理统计部分需要的掌握的，许多推导的基础知识。 §1.1 几种分布的由来 指数分布：服务台电话呼叫时间，公交车到达一个车站时间，这些时间分布的符合指数分布。设为区间上没有事件发生的概率，为第一次事件发生等待的时间，那么，假设不同时间区间，相互不重叠且独立，那么 为非平凡（非零）有界解，这里为状态转移概率 那么我们有分布函数 因此得到指数分布 两个指数分布之和的分布？ X x=z-y Y Y 在x-y的空间内，满足的区域如上，那么z的累计分布 那么 例如与为相互独立的指数分布，和分别为其概率分布函数，那么+的分布为 ， Gamma分布：N个指数分布的随机变量之和的分布为Gamma分布。 例如与为相互独立的指数分布，和分别为其概率分布函数，那么+的分布为 如此卷积下去，N个相互独立的指数分布相加的概率分布为Gamma分布，其概率密度函数 这里参数。Gamma函数 。 性质1：利用分部积分法得到递推公式 ， 当为整数n时，利用分部积分法得到 ， 而非整数，利用变量代换，得到 ， 所以有 。 性质2： ，Gamma分布为的指数分布； 为整数n，Gamma分布为Erlang分布，如第一次故障后再次出现n次故障； ，，Gamma分布为分布，抽样理论中一种重要分布。 §1.2 随机变量函数的分布 因为我们在后面统计假设，检验时将遇到随机变量的函数，因此求出随机变量函数的分布是一个非常重要的基础知识。分为单输入单输出和双输入单（双）输出三种类型。 类型一： 设的分布，求的分布 x y y=g(x) fx dy dx3 dx1 dx2 如图所示，在dy区间发生的概率为，由于不一定是单调函数，dy区间对应了多个区间dx1，dx2,dx3,…，都满足，dy区间发生的概率等于所对应的所在区间发生的概率： 我们设为逆函数，则 例子：设的分布，求平方律检波器输出的概率分布函数。 解：为反函数两支，且，则 这个分布就是Gamma分布的，也是自由度为1的分布。 例子：设的分布为均匀分布=，，那么的分布为柯西分布 逆问题1： 已知的分布，如何构造函数使得符合（0,1）之间的均匀分布。 由上面推导知 将代入上式，得出 可以看出我们要找到函数就是的累积分布函数。 应用：数字图像的直方图均衡化【Gonzalez ： 数字图像处理】 数字图像的直方图就是图像灰度的分布，比如电子显微镜下花粉图像 Matlab代码：假设你有花粉图像pollen.tif X=imread(pollen.tif); imshow(X) imhist(X) ylim(auto) 原始花粉图像 灰度的分布直方图 可以看出图像较暗，灰度集中在较低的灰度级别-偏暗端，如果将灰度调节一下，使得整个灰度范围内（0,255）内大致均匀分布，那么就达到了亮度调谐的目的。利用上面推导，就是的累积分布函数，这里是离散分布，那么就把积分改成加和的方式，设为不同灰度级灰度的概率，那么均衡化变换为 ，就是输出图像的灰度值。这样处理： Y=histeq(I,256); imshow(Y) figure, imhist(Y) ylim(auto) 可以看出输出图像的直方图在256个灰度级都有分布，比较接近均匀分布，并不是完全平坦。但是图像已经比较亮度合适了。 逆问题2： 已知的分布为（0,1）之间的均匀分布=1，如何构造函数使得符合任意分布。同理，由 ，得到 = 就是逆函数为y的累积概率密度函数，自然就是的逆函数： 例子：求Rayleigh分布 这个是只对于r0有定义，求CDF 那么如果设U为均匀分布（） U也是均匀分布，即 那么得出变换关系 R就是瑞利分布了~~~~~ Rayleigh随机数程序 clear all n = input(Enter number of points ); varR = 3; % set pdf parameter u = rand(1,n); % generate U y_exp = sqrt(-2*varR*log(u)); % transformation [N_samp,r] = hist(y_exp,20); % get histogram parameters subplot(2,1,1) bar(r,N_samp,1) % plot histogram ylabel(Number of Samples) xlabel(Independent Variable - x) subplot