[工学]1-4随机矢量的函数.pptVIP

随机矢量 定义及联合分布（二维） 联合分布函数 离散型二维随机变量 联合分布函数 边缘分布（二维） 边缘分布函数 条件分布（二维） 条件分布函数 统计独立（二维） X 与Y 相互独立的条件（只需满足任一条件） 随机矢量 n维随机变量 n维随机变量 n维随机变量 n维随机变量举例 n维随机变量举例 随机矢量 随机矢量函数的分布 ☆ 随机信号常用的计算 ☆ 随机矢量函数分布的引入 内容组织 单值变换(一维) 多值变换(一维) 举例(多值、一维） 举例(多值、一维） 单值变换（二维） 雅克比变换 多值变换（二维） 雅克比变换 举例（单值、二维） 举例（续） 举例（续） Y的取值区间 内容组织 n维随机变量函数的分布 举例（n维、单值） 习题 必做题 1-14 第②问改为：随机变量 Y=3X+XH 的分布律？ 1-16 1-18 读书有三种方法：一种是读而不懂，另一种是既读也懂，还有一种是读而有懂得书上所没有的东西。 XH表示学号的最后两位 例：040420524同学 XH＝24 * 引入（映射） 定义 二维随机变量 n维随机变量 联合分布函数 联合概率密度 联合分布律 边缘分布函数 边缘概率密度 边缘分布律 条件分布函数 条件概率密度 条件分布律 统计独立 联合概率密度 联合概率密度 联合分布律 离散型二维随机变量的概率密度 和分布函数 边缘概率密度 边缘分布律 条件概率密度 引入（映射） 定义 二维随机变量 n维随机变量 联合分布函数 联合概率密度 联合分布律 边缘分布函数 边缘概率密度 边缘分布律 条件分布函数 条件概率密度 条件分布律 统计独立 联合分布函数 联合概率密度 与二维类似 与二维类似 边缘概率密度 边缘分布函数 条件概率密度 与二维类似 例1.16 四维随机变量(X1,X2,X3,X4)中各随机变量相互独立，且 都服从(0,1)上的均匀分布。 求：①四维随机变量的联合概率密度 ②边缘概率密度 ③条件概率密度 和 且随机变量 相互独立，则四维随机变量的概率密度 Xi服从(0,1)上的均匀分布，则Xi的概率密度为 解：① ③因为随机变量 相互独立，所以条件概率密度为 ②同理可知关于 的边缘概率密度为 引入（映射） 定义 二维随机变量 n维随机变量 联合分布函数 联合概率密度 联合分布律 边缘分布函数 边缘概率密度 边缘分布律 条件分布函数 条件概率密度 条件分布律 统计独立 一维随机变量 函数分布 二维随机变量 函数分布 n维随机变量 函数分布 雅克比变换 单值变换 多值变换 由于概率是正值， 所以取绝对值。 比如 若一个Y对应多个 X1,X2,X3, …，则由概率的可加性得： 例1.18 已知随机变量X服从标准高斯分布， 求随机变量 的概率密度？ ①当 时， 为不可能事件，所以 其概率密度 ； ②当 时， 为可能事件，其概率密度 解：X与Y间的反函数关系为： 其反函数的导数 综合①②可得： 即：高斯变量的平方服从 分布。 称之为 分布。 利用数学中的坐标变换——雅克比变换 设成n维到n维 由雅克比变换求 求边缘分布 思路 负的，一定不要忘记取绝对值 如何确定？ 和教材P35-图1.20下的结果比较，是相同的。 一维随机变量 函数分布 二维随机变量 函数分布 n维随机变量 函数分布 雅克比变换 单值变换 多值变换 n维到n维 J要取绝对值 取值区间 要点 例1.20 设已知n维随机变量的概率密度 求n维随机变量和 的概率密度 ？ n维到n维 雅克比变换 边缘分布 * * * *