电子科技大学随机过程覃思义第三章sjgc31.pptVIP

电子科技大学 思考 1)为以上算法写出理论依据; 2) 你能考虑用其他方法验证吗？ 电子科技大学 电子科技大学 §3.1 正 态 过 程 在现实问题中,满足一定条件的随机变量之和的极限服从正态分布. 电子技术中的热噪声是由大量的热运动引起,也服从正态分布. 由于一个随机过程可以用有限维分布来描述,为研究正态过程应首先研究多维正态分布随机变量. 电子科技大学 一、多维正态随机变量 1.概率密度与特征函数 若(X,Y)～ (X,Y)的联合概率密度为 电子科技大学 记 其中σ10,σ20, | r |1, 故协方差矩阵满足|B|≠0. 电子科技大学 (X,Y)的联合概率密度为 记为(X,Y) ～N(μ, B). 电子科技大学 定义3.1.1 设B=(bij) 是n 阶正定对称矩阵,μ是n 维实值列向量, 定义n维随机向量 X=(X1, X2, …, Xn)t 的联合密度函数为 其中X=(x1, x2, …, xn)τ,称X 服从n 维正态分布. （*） 电子科技大学 记为X=(X1, X2, …, Xn)τ ～N(μ, B). 注 当B=(bij)是n阶正定对称矩阵,有 若 则不能用(*)式给出其概率密度. 定理3.1.1 n维正态分布随机向量X=(X1, X2, …, Xn) 的特征函数为 其中 . (**) 电子科技大学 定义3.1.2 若μ是n 维实向量, B 是n 阶非负定对称阵, 称以(**)式中的 为其特征函数的n 维随机变量X 服从n 维正态分布. 注 若(**)式中的 ,称X 服从退化正态分布或奇异正态分布. 2.边缘分布及二阶矩 以下结论总假定随机向量X=(X1, X2, …, Xn)τ服从N(μ, B ). 非退化 电子科技大学 定理3.1.2 n维正态分布随机变量X的任一子向量 也服从正态分布 其中 是B 保留第k1,k2,…,km 行及列所得的m 阶矩阵. 多元正态分布的边缘分布仍是正态分布 电子科技大学 定理3.1.3 设μ和 B 分别是随机向量X 的数学期望向量及协方差矩阵, 即 E(Xi)=μi , 1≤i≤n; bij=E{(Xi－μi)(Xj－μj)}, 1≤i ,j≤n. n维正态分布由二阶矩确定. 3.独立性问题 定理3.1.4 n维正态分布随机向量X1,X2,…, Xn相互独立的充要条件是它们两两不相关. 等价于其协方差矩阵是对角阵. 电子科技大学 4.正态随机向量的线性变换 定理3.1.5正态随机向量 X=(X1,X2,…,Xn)τ，记E(X)=μ,协方差矩阵为B. L=(l1, l2 ,…, ln ) 有 1) 对X 的线性组合 电子科技大学 2) 若C=(cjk)m×n, 线性变换 Z=CX,则 均值向量为 E(Z)=E(CX)=CE(X)=Cμ, 协方差矩阵为 DZ=CBCτ 定理3.1.6 X=(X1,X2,…,Xn)τ 服从n 维正态分布N(μ,B)的充要条件是它的任何一个非零线性组合 服从一维正态分布. 可将多维正态随机变量问题转化为一维正态分布问题. 电子科技大学 定理3.1.7 若X=(X1,X2,…,Xn)τ 服从n维正态分布N(μ,B),C=(cjk)m×n是任意矩阵,则Y=CX 服从m维正态分布N(Cμ,CBCτ). 正态分布的线性变换不变性 证 对于任意m 维实值列向量u, Y 的特征函数为 电子科技大学 即随机向量Y=CX 服从m维正态分布N(Cμ, CBCτ) 能否保证Y= CX 服从非退化正态分布 ? 思考问题： 反例: 设随机变量X0与V相互独立,都服从 标准正态分布N(0,1), 令 X(1)=X0+V, X(2)=X0+2V, X(3)=X0+3V, 问(X(1),X(2),X(3))是否服从非退化正态分布? 电子科技大学 分析 设 ～ 因 X的协方差矩阵为 CBCτ= 电子科技大学 |CBCτ| = X=(X(1), X(2), X(3))不服从非退化正态分布. 参见P28例2 一般地, 若X=(X1, X2)是非退化二维正态随机向量,其线性变换 Y= CX, 有 1) 每一分量服从正态分布; 2) 不能构成二维以上的非退化联合正态分布; 电子科技大学 分析2) 设X=(X1, X2)的协方差矩阵为 线性变换矩阵 则线性变换 Y