概率论自学报告.doc

PAGE PAGE 5 上海大学2013～2014学年秋季学期本科生 课程自学报告 课程名称： 《概率论与随机过程》 课程编号： 题目: 自学内容小结与专题应用 学生姓名: 卢 捷 学 号: 评语: 成 绩: 任课教师: 冯国瑞 评阅日期: 自学内容小结与专题应用 2013年10月19日星期六 摘 要：本文对随机变量的特征函数、大数定理与中心极限定理、随机序列与其统计特性、随机序列的功率密度谱以及随机序列通过线性离散系统这些自学内容进行了整体小结，并介绍和分析了一个关于大数定理和中心极限定理的实际应用范例。 一. 自学内容小结 1.随机变量的特征函数 定义： 即是概率密度函数的傅里叶变换。同理，可用傅里叶反变换公式求密度函数。 性质： = 1 \* ROMAN I. 两两独立的随机变量之和的特征函数等于各个随机变量的特征函数之积。 = 2 \* ROMAN II. 随机变量X的n阶原点距可由其特征函数的n次求导求得。 = 3 \* ROMAN III. 将特征函数在原点用台劳级数展开，则其密度函数可由它的各阶矩唯一确定。 2.大数定理与中心极限定理 大数定理：它揭示了大量随机变量的平均结果。 辛钦大数定理→伯努利大数定理→频率稳定性 = 1 \* ROMAN I. 辛钦大数定律说明了在N无穷时，Y的算术平均值趋近于Y的数学期望。 = 2 \* ROMAN II. 伯努利大数定理说明了当重复试验次数n充分大时，事件A发生的频率nA /n收敛于事件A发生的概率p。 中心极限定理：它说明的是在一定条件下，大量独立随机变量的平均数是以正态分布为极限的。 = 1 \* ROMAN I. 独立同分布中心极限定理：设随机变量x1,x2,……,xn相互独立，服从同一分布且有有限的数学期望和方差2，则随机变量之和的标准化变量的分布函数Fn（x），在n无限增大时，服从参数为和2/n的正态分布 = 2 \* ROMAN II. 李雅普洛夫中心极限定理: 如果一个量是由大量相互独立的随机因素影响所造成的，而每一个别因素在总影响中所起的作用不很大，则这个量服从或近似服从正态分布。 = 3 \* ROMAN III. 拉普拉斯中心极限定理: 设μn是n次独立试验中事件A发生的次数，事件A在每次试验中发生的概率为P，则当n无限大时，频率设μn / n趋于服从参数为p，p*(1-p)/n的正态分布。它表明正态分布是二项分布的极限分布。 3.随机序列及其统计特性 定义：将连续随机过程X(t)以ts为间隔进行等间隔抽样，即得随机序列，表示为 一个N点的随机序列可以看成是一个N维的随机向量，即 定义均值向量为： 定义自相关矩阵为： 定义协方差矩阵为： Cx=Rx-MxMxT 若Mx =0，则Cx= Rx 性质： = 1 \* ROMAN I. 对称性，即 Rx = RxT = 2 \* ROMAN II. 半正定性，即对任意N维非随机向量F，有FT RxF≧0 。 4.随机序列的功率谱密度 定义： 其收敛域是一个包含单位圆的环形区域。 则 其中C是收敛域内包含平面原点逆时针的闭合围线。 显然， 由于 GX(z)的收敛域包含单位圆，因此可以令 ，则功率谱密度为 ，它是以2p为周期的周期函数。 且有 和 性质： = 1 \* ROMAN I. 功率谱是实偶函数。 = 2 \* ROMAN II. 功率谱密度是非负的。 = 3 \* ROMAN III. 若随机序列的功率谱具有有理谱的形式,则功率谱可以进行谱分解： 后式中前者表示功率谱中所有零极点在单位圆内的那部分，后者表示在单位圆外的那部分。 = 4 \* ROMAN IV. 因为 则 、 5．随机序列