第2章概率论复习1.ppt

第二章 概率论和随机过程复习;(2) 相对频率定义： P(A)=lim nA/n n→∞ 其中n是实验的次数，nA是A发生的次数 例2 投硬币 在大数量投掷后，硬币的正面在上的可能性在0.5左右，上下两面在上面具有相同的概率。 (3) 公理化定义：从一定数量的定义概率度量的公理出发，经过推导规则达到概率的有效计算。这些公理包括： ??? 对于每一个事件A ，有0≤P（A）≤1 ??? P（Ω ）=1 ??? 如果A和B是互斥的，则P（A U B）=P（A）+P（B）;???; 方法1： 一个骰子是偶数且和为8，另一个骰子必定是偶数。 有3个成功的可能结果：(2, 6), (4, 4)和(6, 2)。 总结果数为{36 - (两个骰子都是奇数)}＝36－3?3＝27。 结果概率是3/27 = 1/9. ? 方法2 A＝{和为8}，B＝{至少一个骰子是偶数}。 P(AB)包含所有和为8且至少一个骰子是偶数结果的概率。 3个成功的可能结果，P(AB) = 3/36 = 1/12。 P(B) = 3/4。 使用条件概率公式，可得： P（A|B）=P（AB）/ P（B） =1/12 / 3/4=1/9;3 全概率公式和贝叶斯定理 全概率公式：给定一组互斥事件E1，E2，，…，En，这些事件的并集包括所有可能的结果，同时给任一个任意事件A，那么全概率公式可以表示为： 把计算A的概率分解为一些容易计算的概率和 贝叶斯定理： 称为后验概率公式，是在已知结果发生的情况下，求导致结果的某种原因的可能性的大小。;二. 随机变量的数字特征;三 几种重要的概率分布; ; 5 ?? 指数分布 一种连续型的概率分布，它的概率密度： f（x）=λe-λx x≥0 f（x）=0 x0 分布函数为： F（x）=1-e-λx x≥0 指数分布的一个有用的性质是它的数学期望等于标准差： μx = σx = 1/λ 在连续型随机变量中，只有指数分布具有无后效性。 即： 若随机变量ζ服从指数分布， 对任意的 s0 ,t0 ，有 P{ζs+t|ζs}=P{ζt} 在离散型随机变量中，只有几何分布具有无后效性。这两种分布可以分别用来描绘离散等待时间和连续等待时间。 在排队理论和随机Petri网中，指数分布是很重要的。;?6? k-爱尔朗分布 f(x)=(λkx)n-1λke-λkx /(n-1)! x≥0 f(x)=0 x0 k-爱尔朗分布的数学特征为： E[X]=1/λ; Var[X]=1/kλ2 ? 如果k个随机变量Xi，i=1，2，…,k,分别服从指数分布，那么随机变量X=X1+X2+ …+Xk服从爱尔朗分布。即：具有k-爱尔朗分布的随机变量可以看作具有同一指数分布的独立的k个随机变量之和。 k-爱尔朗分布在排队模型中，得到广泛应用。如：假定顾客在到达窗口排队必须通过一个关口，这个关口由k层构成，通过每层的时间服从参数为kλ的指数分布，这样顾客通过整个关口到达窗口排队时，就实现了爱尔朗分布。 如下图： k … 2 1 00…00 窗口;四 随机过程;随机过程; 在相同的工作环境和测试条件下记录n台性能完全相同的接收机输出噪声波形（这也可以理解为对一台接收机在一段时间内持续地进行n次观测）。测试结果将表明，尽管设备和测试条件相同，记录的n条曲线中找不到两个完全相同的波形。这就是说，接收机输出的噪声电压随时间的变化是不可预知的，因而它是一个随机过程。 随机过程的定义：设Sk(k=1, 2, …)是随机试验。 每一次试验都有一条时间波形，称为样本函数或实现，记作xi(t)，所有可能出现的结果的总体{x1(t), x2(t)， …, xn(t)， …}就构成一随机过程，记作ξ(t)。 ξ(t)代表随机过程，表示无穷多个样本函数的总体，如图 2 - 1 所示。;图 2- 1样本函数的总体 ; 上例中接收机的输出噪声波形也可用图 2 - 1 表示：把对接收机输出噪声波形的观测看作是进行一次