2007-随机信号1.3.pptVIP

1.3 随机信号实用分布律 上式也可表示为 系数 b. 泊松分布 当事件A在每次试验中出现的概率p很小,试验次数n 很大,且np=λ为常数时,泊松分布可作为二项式分布 的近似 若λ为整数, 在 m=λ及m=λ-1时 达到最大值. c. 均匀分布 随机变量X的概率满足 1.3.2 高斯分布(正态分布) 1.一维高斯变量 高斯分布的概率密度为 归一化高斯变量 令Y=(X-m)/σ,归一化后的概率密度为 概率积分函数的性质 性质 1 性质 2 性质 3 例 1.3.1 求高斯变量在 区间上的取值概率 已知归一化高斯变量Y的特征函数 例1.3.2 求两个数学期望和方差不同且互相独立的 高斯变量 之和的概率密度。 利用欧拉积分 多个独立时 若 的数学期望和方差为 ，其 和的数学期望和方差分别为 a.联合概率密度 对于互相独立的两个高斯变量 ,如果数学期望 为零,方差分别为 ,它们的联合概率密度为 构造两个相关的高斯变量,令 n维随机变量及数学期望,方差的矩阵形式 n维概率密度函数为 n维特征函数矩阵形式为 式中, 1.3.1 分布 1 中心 分布 如果n个互相独立的高斯变量 的数学期望 都为零,方差各为1,它们的平方和 的分布是具有n各自由度的 分布 由于 之间相互独立, 之间也必然互相独立.根据 性质,互相独立得随机变量之和得特征函数等于各特 征函数之积,所以Y的特征函数为 当x可表示为n或n+1/2的形式时 若互相独立的高斯变量 的方差不是1而是 ,则可 做 的变换,变换后分布为 此时Y的数学期望和方差为 * * 1.3.1 一些简单的分布律 a.二项式分布 在n次独立实验中,若每次实验事件A出现的概率为p,不出现的概率是1-p,那么事件A在n次实验中出现m次的概率 为二项式分布 二项式分布 泊松分布 称X为在 [a,b]区间内的均匀分布的随机变量. 其概率分布函数为 均匀分布的数学期望和方差分别为 积分可得概率分布函数 高斯变量的概率密度 归一化高斯变量的概率密度 归一化高斯变量也就是数学期望为零,方差为1的高 斯变量.归一化高斯变量概率密度曲线对称于纵轴,最大值为 解： 高斯变量的各阶中心矩 令 当n为奇数时，上式积分为零。当n为非零偶数时， 令n＝2m，（m＝1，2，…） 将n＝2m回代，并考虑n为奇数的情况 根据特征函数的性质，对于数学期望为m，方差为 的高斯变量 ，特征函数则为 解：设 显然，Y是高斯变量，且数学期望和方差分别为 高斯变量之和仍为高斯变量 如果求和的高斯变量不是互相独立的，方差应修正为 2.二维高斯分布 它们的数学期望仍为零,但方差变为 协方差为 先求反函数及雅可比行列式 对于归一化随机变量 不相关的高斯变量一定是互相独立的, 也就是说,对 于高斯变量不相关与统计独立是等价的 令r为零,则有 b.联合特征函数 数学期望为零且互相独立的高斯变量 的联合 特征函数为 的联合特征函数为 如果 是归一化高斯变量,则有 而联合特征函数的一般形式为: 协方差矩阵 各高斯变量的概率密度为 令 利用傅氏变换求的特征函数 反变换求概率密度,即 分布 伽马函数式的计算 当n=2时,2个自由度的 分布简化为指数分布 当n=1时,1个自由度的 分布为 两个互相独立的具有 分布的随机变量之和仍为 分布,若它们的自由度分别为 ,其和的自由度 为 *