几种重要随机过程PPT培训课件.pptVIP

正态过程（高斯过程） 独立过程 独立增量过程 维纳过程 泊松过程 马尔可夫过程 生灭过程 ;4.1.1 正态分布（高斯分布） 定义1：如果随机变量X的概率密度为 则称X为服从参数的正态分布，记为 ， 其中， 为均值； 为方差。分布函数为 当 时的正态分布称为标准正态分布，记为 。分布函数;4.1.1 正态分布（高斯分布） 定义2：如果n维随机变量 的概率密度为 其中， 为均值向量， 为协方差矩阵， 则称X服从n维正态分布，称X为n维正态随机变量 。 n维正态分布完全由一阶矩和二阶矩所确定。;4.1.1 正态分布（高斯分布） 中心极限定理：设 是n个相互独立同分布的随机变量，每个随机变量的均值为 ，方差为 ，则 即 的极限分布为标准正态分布N(0,1)； 近似地服从正态分布 。 该定理表明，若有大量相互独立的随机变量，且每个随机变量对它们之和的影响足够小时，则当这些随机变量的个数趋于无穷大时，这些随机变量的和服从正态分布，而与每个随机变量的分布无关。;4.1.1 正态分布（高斯分布） n维正态随机变量的性质： （1）（n维正态分布的边沿分布） 设 是n维正态随机向量，则X的任一子向量 也服从正态分布。;4.1.1 正态分布（高斯分布） n维正态随机变量的性质： （2）（独立性） 定理1：n维正态分布的随机变量 相互统计独立的充要条件是它们两两互不相关。 定理2：若X是正态分布的随机向量，X1和X2是X的两个子向量，即 ，则X1与X2相互统计独立的充要条件是它们的互协方差矩阵为0。;4.1.1 正态分布（高斯分布） n维正态随机变量的性质： （3）（线性变换） 设 是n维正态随机变量，均值为 ，协方差矩阵为C。 若 ，其中 ，则 。 若e=(ejk)是m × n矩阵, 是m × 1的列矩阵，即m维向量，则， 。 ;4.1.1 正态分布（高斯分布） n维正态随机变量的性质： （3）（线性变换） 定理1： 服从n维正态分布 的充要条件是它的任何一个线性组合 服从一维正态分布 。 定理2：若 服从n维正态分布 ，而若e=(ejk)是m×n矩阵,则 服从m维正态分布 。;4.1.2 正态随机过程（高斯过程） 定义：若随机过程{X(t), t?T},对于任意n个时刻t1, t2,…, tn ?T, n维随机变量[X(t1), X(t2),…, X(tn) ]的联合概率分布为n维正态分布，则称{X(t), t?T}为正态过程（或高斯过程）。 概率分布：;4.1.2 正态随机过程（高斯过程） 性质： （1）正态过程{X(t), t?T}的n维概率密度及特征函数完全由它的均值向量和协方差矩阵所确定。（二阶矩过程） （2）对于正态过程，独立性和不相关性是等价的。 若一个正态过程{X(t), t?T}在任意n个时刻t1, t2,…, tn ?T, 采样，所得的n维