信号检测及估计理论第一章习题讲解.docVIP

1-9 已知随机变量X的分布函数为 求：①系数k； ②X落在区间内的概率； ③随机变量X的概率密度。 解： 第①问 利用右连续的性质 k＝1 第②问 第③问 1-10已知随机变量X的概率密度为（拉普拉斯分布），求： ①系数k ②X落在区间内的概率 ③随机变量X的分布函数 解： 第①问 第②问 随机变量X落在区间的概率就是曲线下的曲边梯形的面积。 第③问 1-11 某繁忙的汽车站，每天有大量的汽车进出。设每辆汽车在一天内出事故的概率为0.0001，若每天有1000辆汽车进出汽车站，问汽车站出事故的次数不小于2的概率是多少？ 汽车站出事故的次数不小于2的概率 答案 1-12 已知随机变量的概率密度为 求：①系数k？②的分布函数？③？ 第③问 方法一： 联合分布函数性质： 若任意四个实数，满足 ，则 方法二：利用 1-13 已知随机变量的概率密度为 ①求条件概率密度和？②判断X和Y是否独立？给出理由。 先求边缘概率密度、 注意上下限的选取 1-14 已知离散型随机变量X的分布律为 3 6 7 0.2 0.1 0.7 求：①X的分布函数 ②随机变量的分布律 1-15 已知随机变量X服从标准高斯分布。求：①随机变量的概率密度？②随机变量的概率密度？ 分析:① ② 答案: 1-16 已知随机变量和相互独立，概率密度分别为 ， 求随机变量的概率密度？ 解：设 求反函数，求雅克比J＝－1 1-17 已知随机变量的联合分布律为 求：①边缘分布律和？ ②条件分布律和？ 分析： 泊松分布 P19 （1－48） 解：① ② 即X、Y相互独立 1-18 已知随机变量相互独立，概率密度分别为。又随机变量 证明：随机变量的联合概率密度为 因为|J|＝1,故 已知随机变量相互独立，概率密度分别为  1-19 已知随机变量X服从拉普拉斯分布，其概率密度为 求其数学期望与方差？ 解:  1-20 已知随机变量X可能取值为，且每个值出现的概率均为。求：①随机变量X的数学期望和方差？②随机变量的概率密度？③Y的数学期望和方差？ ①③ 答案: ② Y 3 12 27 48 P 1/5 1/5 1/5 2/5 离散型随机变量的概率密度表达式　　　　　P12，1-25式 其中 为冲激函数 1-22 已知两个随机变量的数学期望为，方差为，相关系数。现定义新随机变量为 求的期望，方差以及它们的相关系数？ 　　　　　　　　　　0.13 1-23 已知随机变量满足，皆为常数。证明： ① ；② ；③ 当且时，随机变量正交。 ① ② ③ 1-25 已知随机变量相互独立，分别服从参数为和的泊松分布。①求随机变量X的数学期望和方差？②证明服从参数为的泊松分布。 解：① 泊松分布 特征函数的定义 由(1-17题用过) 可得 ②根据特征函数的性质，X Y相互独立， 表明Z服从参数为的泊松分布1-26 已知随机变量的联合特征函数为 求：①随机变量X的特征函数 ②随机变量Y的期望和方差 解：① ② 1-28 已知两个独立的随机变量的特征函数分别是和，求随机变量特征函数？ 解： 特征函数的性质：相互独立随机变量和的特征函数等于它们特征函数之积 X、Y独立， 因此有 和独立 独立的等价条件（充分必要条件） ① ② ③ 1-29 已知二维高斯变量中，高斯变量的期望分别为，方差分别为，相关系数为。令 写出二维高斯变量的概率密度和特征函数的矩阵形式，并展开； 证明相互独立，皆服从标准高斯分布。 解： ，， 系数矩阵 ，线性变换，故也服从高斯分布 ，故不相关， 高斯变量不相关和独立等价，独立 1-30 已知二维高斯变量的两个分量相互独立，期望皆为0，方差皆为。令 其中为常数。①证明：服从二维高斯分布； ②求的均值和协方差矩阵； ③证明：相互独立的条件为。 复习： n维高斯变量的性质 1. 高斯变量的互不相关与独立是等价的 2. 高斯变量的线性变换后仍服从高斯分布。 3. 高斯变量的边缘分布仍服从高斯分布 解：① ② ③相互独立、二维高斯矢量 因此互不相关 只要证为对角证 即 1-31 已知三维高斯随机矢量均值为常矢量，方差阵为 证明：相互独立。 复习： n维高斯变量的性质 1. 高斯变量的互不相关与独立是等价的 2. 高斯变量的线性变换后仍服从高斯分布。 3. 高斯变量的边缘分布仍服从高斯分布 思路：设随机矢量 由性质可得为三维高斯变量，求得方差阵为对角阵 1-32 已知三维高斯随机变量各分量相互独立