CH1概率论基础新.pptVIP

电子科技大学通信学院 * * 的概率密度函数 作业：1.9 1.11 * */93 * 2. n维随机变量及其分布 设有n维随机变量 n维（联合）分布函数为: n维（联合）密度函数为： * * 1.3 随机变量的函数 函数形如 或 构成从样本空间到实数域的复合映射，导致新的随机变量。 * * 定理1.1: 已知R.V.X 的 , 现有R.V. 。 设X与Y之间的关系是单调的，并且存在反函数，即 ， 若反函数的导数 h′(Y) 也存在，则 B为Y的值域 对于连续型随机变量，有: 1.3.1 一元函数 * * 解：反函数为 ,反函数的导数为1/a , 于是 例1.11 已知随机变量 的密度函数，求随机变量 的密度函数。 * 设已知二维随机变量(X,Y)的 f (x , y)，现有 且反函数的二阶偏导存在，则 设函数映射是单调的 反函数存在 雅可比行列式 * 1.3.2 二元函数 * 例1.13 已知 X、Y的联合概率密度，求 Z=X+Y 的密度函数 解：定义辅助变量 U = Y , 则 可得： 如果X与Y独立： * 作业：1.16 * 例1.15 复随机变量 ，其实部与虚部独立，且 ， ，讨论振幅R与相位Θ的概率特性。 1.3.3 瑞利与莱斯分布(自学) 解：函数、反函数关系与雅可比行列式， ， * * 于是， 边缘概率密度函数为： 瑞利分布 根据X与Y独立，有 * * 均匀分布 结论： 中， 与 独立。 * * 0 0 * 结论： 中， 与 独立。 * 1.4 数字特征与条件数学期望 1.4.1 R.V.X的数学期望（统计平均或集合平均） 连续随机变量: 离散随机变量: expectation , mean * * 1.4.2 矩与联合矩 k阶矩（Moment）与(k+r)阶联合矩（或混合矩）（Joint moment）如下， 1) 原点矩： 2) 中心矩： * * 几个重要的矩 (2) 随机变量X的方差 Variance 方差描述了R.V.偏离均值的程度 (1) 均方值 * 随机变量的标准差: * (3) 相关矩 relation * (4) 协方差矩 Covariance 有： * (5) 相关系数 的数值越大，随机变量 和 关联程度越大。 表示X和Y是线性相关的 表示X和Y是彼此无关的 0ρ≤1 ， 正相关 －1 ≤ρ0 ， 负相关 * 作业：1.14 * 随机变量的统计特性： 概率特性 矩特性 特征函数（矩发生函数 ） 1.5 特征函数 * * 1. 基本概念 定义1.2： 随机变量X的特征函数（Characteristic function）定义为 式中 ， 为确定的实变量。 1.5.1 (一维)特征函数 * * 离散随机变量 X 连续随机变量 X 且 * * 特征函数与概率密度函数的关系 （是一个特殊的变换对） 可以通过傅立叶变换求特征函数与概率密度函数变换对 定理1.5（唯一性定理）密度函数 与特征函数 相互唯一确定。 说明： 特征函数 必定存在，通常是复数，以另外一种方式全面地描述着随机变量的概率特性。 * * 例1.21 求参数为 的指数分布的特征函数。 解： * * 补充例 随机变量的特征函数为 ，求其概率密度函数 。 解：由题知 X 为离散R.V. 即： * * 2. 基本性质 性质1. 独立随机变量之和的特征函数是它们各自特征函数之积，即 且： * * 证： * * 解： ，其中， 是独立同分布的，服从0－1分布，且 ， 。 例1.20 求二项分布 的特征函数。 * * 性质2. 随机变量的线性变换的特征函数 设随机变量X的特征函数为 ，a和b为确定实数。则随机变量 Y=aX+b 的特征函数为 证明： Y 的特征函数为 * * 例1.22 求正态分布 的特征函数。