[信息与通信]第2讲随即信号处理.ppt

第二讲 随机变量 －－概率空间上随机变化量 §1.2 随机变量 定义： 如果X1,X2,…,Xk之间相互独立，则 所以X1, X2,…, Xn之间相互独立的条件为： 且随机变量 相互独立，则四维随机变量的概率密度 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 解：① Xi服从(0,1)上的均匀分布，则Xi的概率密度为 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 §1.4 随机变量函数的分布 由于概率是正值，所以取绝对值。 一、一维随机变量函数的分布 1、单值变换 dy dx x y fX(x) fY(x) Y=g(X) 2、多值变换 若一个Y对应多个 X1, X2, X3, …，则由概率的可加性得： * 主讲教师：杨金锋 中国民航大学 第一章 概率论 重点内容回顾 随机试验：抛一颗骰子，观察出现的点数 样本空间：全体样本点的集合 ?＝{1,2,3,4,5,6} 样本点：随机试验每个可能出现的结果：1、2、3、4、5、6 随机事件：随机实验中可能出现的结果 投掷结果为3的事件 A={3} 投掷结果为奇数的事件 B={1,3,5} 投掷结果为大数的事件 C={4,5,6} 必然事件 D={1,2,3,4,5,6} 不可能事件 E={Φ} ?的子集 事件域 F 元素 P(A) 概率空间 集合函数P 概率论的研究内容 ？ 高等数学的函数研究理论 随机变量 X 抽象 P(x1 ≤ X≤x2) A→X 已知（?, F, ?），??k??，都有一个实数xk＝X(?k )， xk ?? （某个实数集）与之对应。 ????，便可得到定义在?上的单 值实函数X(? )；若数集 {? (? ) ≤x}仍是F中的事件，则称X(? ) 为随机变量，简写X。 几点说明 ①随机变量? (? )是从原样本空间?到新空间I的一种映射； ②随机变量? (? ) 总对应一定的概率空间（?, F, ?）； ③随机变量? (? ) 是关于? 的单值实函数。 一、离散型随机变量（X取离散值） （1）分布律（分布列）——随机变量X 取各个可能值的概率。 （2）分布函数 ——随机变量 X 取值落在 上的概率。 分布律也可用表格的形式表示: （3）性质 右连续 1/3 1/6 1/2 p 0 1 2 X 求 ：① ② 例 1.10 已知： 解：① 解②：由分布函数的图可得 右连续 二、连续型随机变量(X取连续值） 三、常用的连续型随机变量 §1.3 多维随机变量及其分布 在实践中经常会遇到需要多个随机变量才能描述清楚的随机现象。 一般 n 维随机变量： 也可以用 n 个分量的随机矢量表示为： 一、二维随机变量 1、定义 定义在同一个概率空间 上的两个随机变量(X,Y) 为二维随机变量。 2、二维随机变量的分布函数 定义随机变量取值，X≤χ、Y≤y这样一个联合事件的概率 为(X,Y)的联合分布函数。 联合分布函数的性质： 3、联合概率密度 性质： 例1.15 设二维随机变量( X,Y)的概率密度 求：①分布函数？②落在如图所示的三角形域G内的概率？ 解：①分布函数 ②落在三角形域G内的概率 利用阶跃函数 与冲激函数 ，离散型二维随机变量的联合分布函数可以表示为 4、离散型二维随机变量 若二维随机变量( X,Y)所有可能取值为可列有限对或无限对 则联合分布律为： 其中 离散二维变量的联合概率密度可 表示为 离散变量的分布函数： 二、二维随机变量的边缘分布、条件分布 1、边缘分布函数和边缘概率密度 二维连续随机变量(X,Y)关于X的边缘分布函数为 二维连续随机变量(X,Y)关于X的边缘概率密度为 二维离散随机变量(X,Y)关于X的边缘分布函数为 二维离散型随机变量(X,Y)关于X的边缘分布律为 2、条件分布函数和条件概率密度 在给定 条件下，Y的条件分布函数为 在给定 条件下，Y的条