《北大随机信号分析基础课件17常见分布》教学课件.ppt

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。