《北大随机信号分析基础课件17常见分布》教学课件.ppt

《北大随机信号分析基础课件17常见分布》教学课件.ppt

  1. 1、本文档共32页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
对于任意n值有 谢谢! 1.7 常见分布 1.7.1 常见的离散型分布 一. 两点分布 如果随机变量X的分布为 则称X服从两点分布,也称为贝努里分布。当a、b分别为0、1时,称这种分布为0-1分布。 X P a b 1-p p 二. 二项分布 设随机试验E只有两种可能的结果 且 将E独立地重复n次,那么在n次试验中事 件A发生m次的概率为 称为二项分布。 三.泊松分布 设随机变量X的可能取值为0,1,2,…,且分 布密度为 则称X服从泊松分布。 1.7.2 常见的连续分布 一. 均匀分布 设连续型随机变量X在有限区间[a,b]内 取值,且其概率密度为 则称X在区间[a,b]上服从均匀分布。 随机变量X的分布函数为 1)一维高斯分布 高斯变量X的概率密度为: 二. 高斯分布 概率分布函数 对高斯变量进行归一化处理后的随机变量,称为归一化高斯变量。即令 ,归一化后的概率密 度为 服从标准正态分布N(0,1)的高斯变量X,其特征函数为 服从 的高斯变量Y,其特征函数为 (1)已知X为高斯变量,则Y=aX+b(a,b为常数)也为高斯变量,且 特点: (2)高斯变量之和仍为高斯变量。 例:求两个数学期望和方差不同且互相独立的高斯变量X1,X2之和的概率密度。 推广到多个互相独立的高斯变量,其和也是高斯分布。即 若Xi服从 ,则其和的数学期望和方差分别为 若有大量相互独立的随机变量的和 其中每个随机变量Xi对总的变量Y的影响足够小时,则在一定条件下,当 时,随机变量Y是服从正态分布的,而与每个随机变量的分布律无关。 (3)中心极限定理 结论:任何物理过程,如果它为许多独立作用之和,那么这个过程就趋于高斯分布。 2)二维高斯分布 设X是均值为 ,方差为 的正态随机变量,Y是均值为 ,方差为 的正态随机变量,且X,Y的相关系数为 ,则二维随机变量(X,Y)为一个二维正态随机变量,其联合概率密度函数为 设n维随机变量向量为Y,数学期望和方差向量为m和s,它们具有如下形式: Y= m= s= 协方差矩阵C C = 则n维联合概率密度函数为 三. 分布 1) 中心 分布 若n个互相独立的高斯变量X1, X2,…, Xn的数学期望都为零,方差为1,它们的平方和 的分布是具有n个自由度的 分布。 其概率密度为 当互相独立的高斯变量Xi的方差不是1,而是 时,Y的概率密度为 性质:两个互相独立的具有 分布的随机变量之和仍为 分布,若它们的自由度分别为n1和n2,其和的自由度为n= n1+n2。 2) 非中心 分布 若互相独立的高斯变量Xi(I=1,2,…,n)的方差为 ,数学期望为 ,则 为n个自由度的非中心 分布。 其概率密度为 称为非中心分布参量 性质:两个相互独立的非中心 分布的随机变量之和仍为非中心 分布,若它们的自由度为n1和n2,非中心分布参量分别为 和 ,其和的自由度为n= n1+n2,非中心分布参量为 四. 瑞利分布和莱斯分布 1) 瑞利分布 对于两个自由度的 分布,即 Xi(I=1,2)是数学期望为零,方差为 且相互独立的高斯变量,则 为瑞利分布。 R的概率密度为 对n个自由度的 分布,若令 则R为广义瑞利分布 2) 莱斯分布 当高斯变量Xi(I=1,2,…,n)的数学期望为 不为零时, 是非中心 分布,而 则是莱斯分布。

文档评论(0)

秦圈圈 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档