第二讲：随机变量及定义及分布.ppt

1.1 概率的基本术语 3. 常见概率分布 正态分布（Normal），也称高斯（Gauss）分布 -4 -3 -2 -1 0 1 2 3 4 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 N(0,1)正态分布概率密度 标准正态分布函数 瑞利分布（Rayleigh） 瑞利分布概率密度?＝2 0 2 4 6 8 10 12 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 指数（Exponential）分布 指数分布概率密度 0 1 2 3 4 5 6 7 0 0.5 1 1.5 对数正态分布（LogNormal） 高分辨率雷达杂波分布 0 1 2 3 4 5 6 7 8 9 10 0 0.1 0.2 0.3 0.4 0.5 对数正态分布概率密度 ?为尺度参数 ?为形状参数 1.4 多维随机变量及其分布 Multiple Random Variables and Distributions 1. 定义 S ● ● e 2. 二维分布函数和概率密度 Bivariate CDF and PDF 二维分布函数图解 定义： 二维分布函数性质： 边缘（Marginal）分布 由二维分布函数可以求出一维分布函数 二维概率密度： 由二维概率密度可以求出边缘概率密度 随机变量落在某个区域的概率 3. 条件分布(Conditional Distribution) 条件分布函数 条件概率密度 称随机变量X、Y独立 Example: Communication Channel with Discrete Input and Continuous Output noise voltage N~U(-2,2) 通信信道 X: +1 or -1 Find P{X=+1, Y≤0} Y Solution: 1/2 When the input X=1, the output Y is uniformly distributed in the interval Therefore 1.5 随机变量的数字特征 均值 方差 协方差与相关系数 协方差矩阵 举例 1. 均值（Mean) 算术平均： 所有可能取值等概率加权 统计平均值： 所有可能取值按概率加权 连续型随机变量： 离散型随机变量： 性质： 如果X和Y相互独立， 如果E[XY]=0，则称X和Y正交(Orthogonal)。 2. 方差(Variance) 方差反映了随机变量X的取值偏离其均值的偏离程度或分散程度，D(X)越大，则X的取值越分散。 性质： 如果X1,X2,...,Xn相互独立。 Variance is a nonlinear operator 3. 协方差和相关系数 (Covariance and Correlation coefficient) 如果X和Y相互独立，则rXY=0， | rXY|=1的充要条件是P{Y=aX+b}=1 we define X and Y to be uncorrelated If , If X and Y are independent, then X and Y are uncorrelated. X and Y are independent X and Y are uncorrelated True False The correlation coefficient provides a measure of how good a prediction of the value of one of the two RVs can be formed based on an observed value of the other. 1 indicates a high degree of linear between X and Y +1 means b0 and -1 means b0 Independent: Uncorrelated Orthogonal: 不相关就认为X与Y没有关系吗？ 例： 为零均值正态随机变量， Y 与X相关吗？ Y是依赖于X的(Dependence)， 但Y与X不相关(Uncorrelated), 线性不相关的。 Independent implies zero covariance but zero covariance does not imply independence. Example: Uncorrelated but dependent random variable