随机信号分析(第3版)(上).ppt

电子科技大学通信学院 电子科技大学通信学院 随机信号分析 第1章 概率论基础 第1章 概率论基础 本章将复习与总结概率论的基本知识 也扩充一些新知识点，比如： 1) 利用冲激函数表示离散与混合型随机变量的概率密度函数， 2) 随机变量的条件数学期望 3) 特征函数 4) 瑞利与莱斯分布 5) 随机变量的基本实验方法 第1章 概率论基础 1.1 概率公理与随机变量 1.2 多维随机变量与条件随机变量 1.3 随机变量的函数 1.4 数字特征与条件数学期望 1.5 特征函数 1.6 典型分布 1.7 随机变量的仿真与实验 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 1.1 概率公理与随机变量 随机变量不同于普通变量表现在两点上： (1) 变量可以有多个取值，并且永远不能预知它到底会取哪个值； (2) 变量取值是有规律的，这种规律用概率特性来明确表述； 1.1 概率公理与随机变量 因此，凡是讨论随机变量就必然要联系到它的取值范围与概率特性。 在描述随机变量的概率特性时： 分布函数指明直到x处的累积概率； 密度函数适用于连续取值部分。 离散变量，常采用分布律； 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.2 多维随机变量与条件随机变量 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.3 随机变量的函数 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.4 数字特征与条件数学期望 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.5 特征函数 1.6典型分布 1. （0－1）分布、两点分布 （0－1）或两点分布是最简单与离散的，代表了许多实际的物理现象，比如：掷币试验、击中与否、有无检验、二元数据等等。 1.6典型分布 2.二项分布（Binomial）： 二项分布的结果共n+1种：整数0～n。它代表的实例如：连续n次掷币试验后正面的总数目，n次独立二元检验中总的吻合次数，n长独立二进制数据串中1的总数，等等。 1.6典型分布 3.泊松分布（Poisson）： 泊松分布的结果为非负整数。大量的实际物理现象近似地符合这种分布