随机信号1.1-1.2.4.pptVIP

第一章 概率与随机变量 1.1 随机事件及其概率 1.1.1 随机现象 现象： 第一类：确定的、可以预测的 第二类：随机的、不可预测的 1.1.2 随机试验 为了掌握随机现象的统计规律，就必须对随机现象进行大量观测或试验。 这些试验均具有以下三个特点： （1）试验可以在相同条件下重复进行 （2）试验有多种可能结果，并且事先明确知道该试验的所有可能的结果 （3）每次试验出现哪个结果，是不能准确预言的 将具有以上三个特点的试验称为随机试验，简称试验，常用E来表示。 1.1.3 随机事件 在随机试验的结果中，可能发生也可能不发生，但在大量重复试验中，却具有某种规律性的事件，叫做随机事件，简称为事件。 1.1.4 样本空间 随机试验E的所有基本事件所组成的集合叫E的样本空间，记为S。 S中的元素就是试验E的基本事件，这里基本事件也称为样本点。 1.1.6 随机事件的频率和概率 1）随机事件的频率 一般地，在同样条件下，大量进行重复试验，来观察事件A发生或不发生。若在n次独立试验中，随机事件A出现nA次，比值 称为事件A在这n次试验中出现的频率。 2) 概率的定义 设E是随机试验，S是它的样本空间，对于E的每一事件赋予一实数，记为P(A)，称之为事件A的概率，显然， 1.2 条件概率与统计独立 1.2.1 条件概率 事件在一定条件下发生的情况，即在一个事件发生的条件下另一事件发生的概率，这就是条件概率问题。 定义 设A、B为随机试验的两个事件，且P(A)0，则称 为事件A发生的条件下事件B发生的条件概率。 定义 对于事件A与B，若 则称事件A与B相互独立，简称独立。 1.3 随机变量及其概率分布 1.3.1 随机变量的概念 定义 设随机试验的样本空间为S＝{ei}，如果对样本空间的每一个元素ei，都有一实数X(ei)与之对应，对所有的元素 ，就得到一个定义在空间S上的实单值函数X(e)，称X(e)为随机变量，简写为X。 1.3.2 离散型随机变量及其分布律 如果随机变量X只能取有限个或可列无穷多个数值，则称X为离散型随机变量。 定义 设X为一个离散型随机变量，它所有可能取的值为xk(k=1,2,…)，而pk (k=1,2,…)是X取值xk时相应的概率，即 或写成 则称上式或表格表示的函数为离散型随机变量X的概率分布，或称为X的分布律。 1.3.3 连续型随机变量 对于可以在某一区间内任意取值的随机变量，它的值不是集中在有限个或可列无穷个点上，这就是连续型随机变量。 1.3.4 概率分布函数 定义 设X是一随机变量，x是任意实数，函数 称为X的概率分布函数,简称为分布函数。 1.3.5 概率密度函数 概率密度函数定义为概率分布函数F(x)对x的导数，即 有时简称为密度函数。 1.3.6 二维随机变量及其分布 1.二维随机变量及其分布函数 定义 设随机试验E的样本空间S={e}，X=X(e)和Y=Y(e)是定义在样本空间S上的两个随机变量，由X和Y构成的矢量(X,Y)称为二维随机矢量或二维随机变量。 定义 设(X,Y)为二维随机变量，对于任意实数x和y，令 则称FXY(x,y)为二维随机变量(X,Y)的联合分布函数，或称二维分布函数。 2.二维概率密度 定义 若二维分布函数FXY(x,y)连续并存在二阶偏导数，则定义 为(x,y)的二维联合概率密度，简称为二维概率密度。 4.随机变量的独立性 定义 设X、Y为两个随机变量，如果对任意实数x和y，事件 和 相互独立，即 则称X和Y相互独立。 1.4 随机变量的数字特征 1.4.1 数学期望 对于连续随机变量X，它的概率密度为fX(x)，则其数学期望定义为 对于离散随机变量X，假定它有n个可能取值，各个取值的概率为 ，则数学期望定义 为 若X、Y是二个相互独立的随机变量，则有 1.4.2 方差 连续随机变量X的方差定义为 离散随机变量X的方差定义为： 若X、Y是两个相互独立的随机变量，则有 1.4.3 矩