第1章 高阶统计量的定义及性质.doc

高阶统计量的定义与性质 §1.1 准备知识 1.随机变量的特征函数 若随机变量的分布函数为，则称 为的特征函数。其中为概率密度函数。 离散情况： * 特征函数是概率密度的付里叶变换。 例：设~，则特征函数为 令，则 根据公式：，则 　　　　　　　　 若，则。 2.多维随机变量的特征函数 设随机变量联合概率分布函数为，则联合特征函数为 令,，则 矩阵形式 或 　标量形式 其中，为联合概率密度函数。 例：设维高斯随机变量为 , 的概率密度为 的特征函数为 　　　　 　　　　　　　矩阵形式 其中，, 　 　　标量形式 3.随机变量的第二特征函数 定义：特征函数的对数为第二特征函数为 　　　　　　　 (1)单变量高斯随机过程的第二特征函数 　　　 　 (2)多变量情形 §1.2 高阶矩与高阶累积量的定义 1.单个随机变量情形 高阶矩定义 随机变量的阶矩定义为 显然，。随机变量的阶中心矩定义为 　　　　　　　 (1) 由式(1)可见，,,。 若存在，则的特征函数可按泰勒级数展开，即 (2) 并且与的阶导数之间的关系为 （2）高阶累积量定义 的第二特征函数按泰勒级数展开，有 (3) 并且与的阶导数之间的关系为 称为随机变量的阶累积量，实际上由及的连续性，存在，使时，，故第二特征函数对有意义且单值（只考虑对数函数的主值），的前阶导数在处存在，故也存在。 (3)二者关系 下面推导与之间的关系。形式地在式(2)与式(3)中令，并利用 比较上式中各同幂项系数，可得阶累积量与阶矩的关系如下： 　　　　　　　　　　 若，则　 由上可见，当随机变量的均值为零时，其前三阶累积量与前三阶矩相同，而四阶累积量与相应的高阶矩不相同。 2.多个随机变量情形 (1)高阶矩 给定维随机变量，其联合特征函数为 　　　　(4) 其第二联合特征函数为 　　 (5) 可见，联合特征函数就是随机变量的联合概率密度函数的维付里叶变换。 对式(4)与(5)分别按泰勒级数展开，则阶数的联合矩可用联合特征函数定义为 (2)高阶累积量 同样地，阶数的联合累积量可用第二联合特征函数定义为 (3)二者关系 联合累积量可用联合矩的多项式来表示，但其一般表达式相当复杂，这里不加详述，仅给出二阶、三阶和四阶联合累积量与其对应阶次的联合矩之间的关系。 设和均为零均值随机变量，则 (6a) (6b) (6c) 对于非零均值随机变量，则式(6)中用代替即可。与单个变量情形类似，前三阶联合累积量与前三阶联合矩相同，而四阶及高于四阶的联合累积量则与相应阶次的联合矩不同。注意，式(6)中采用表示联合累积量的方法在以后将时常用到。 3.平稳随机过程的高阶累积量 设为零均值阶平稳随机过程，则该过程的阶累积量定义为随机变量的阶联合累积量，即 而该过程的阶矩则定义为随机变量的阶联合矩，即 这里，表示联合矩。 由于是阶平稳的，故的阶累积量和阶矩仅仅是时延的函数，而与时刻无关，其二阶、三阶和四阶累积量分别为 　　　　　　　　　　　 可以看出，的二阶累积量正好就是其自相关函数，三阶累积量也正好等于其三阶矩，而的四阶累积量则与其四阶矩不一样，为了得到四阶累积量，必须同时知道四阶矩和自相关函数。 §1.3 高阶累积量的性质 高阶累积量具有下列重要特性： 设为常数，为随机变量，则 　　　　　　　　 累积量关于变量对称，即 　　　　　　　　 其中为中的任意一种排列。 累积量关于变量具有可加性，即 　　　　 如果为常数，则 　　　　　　　 如果随机变量与随机变量相互独立，则 　　　　 如果随机变量中某个子集与补集相互独立，则 §1.4 高斯过程的高阶累积量 1.单个高斯随机变量情形 设随机变量服从高斯分布，即的概率密度函数为 　　　　　　　 故有　　　　　　　　 的第二特征函数为 　　　　　　　　 (7) 利用累积量与的关系式(3)，并比较(3)与(7)两式，可以得到随机变量的各阶累积量为 ， ， 由此，我们有下列结论： (1)高斯随机变量的一阶累积量和二阶累积量恰好就是的均值和方差。 (2)高斯随机变量的高阶累积量等于零。 (3)由于高斯随机变量的各阶矩为 可见，高阶累积量与高阶矩不一样。由于高斯随机变量的高阶矩并不比其二阶矩多提供信息，它仍取决于二阶矩的统计知识，所以人们宁愿选择高阶累积量这一统计量，直接把