安庆师范学院物理和电气工程学院.pptVIP

一、随机变量的数字特征 a. 数学期望ax b. 方差:随机变量X与数学期望aX 之差的平方的数学期望 3.1 概率分布知识回顾 1 随机变量的数字特征 方差特性： c. 协方差：C[XY]表示X和Y之间相关性强弱的数字特性 d. 相关系数 3.1 概率分布知识回顾 2随机变量的数字特征 推论： 3.1 概率分布知识回顾 3随机变量的数字特征 二、正态随机变量 1、概率密度函数 若随机变量的概率密度函数表示为 则称之为服从正态分布的随机变量。其中a和 2分别为其均值和方差。 3.1 概率分布知识回顾 4正态随机变量 概率密度函数曲线与横轴包围的面积为“1” 2、概率 若随机变量服从正态分布，X=x的概率可以通过概率分布函数表示： X在(x1,x2)区间概率为： 3.1 概率分布知识回顾 5正态随机变量 服从正态分布的随机变量概率求法，标准化 3.1 概率分布知识回顾 6 正态随机变量 互补误差函数 误差函数 3.1 概率分布知识回顾 7正态随机变量 Q函数 称为Q函数 3.1 概率分布知识回顾 8正态随机变量 误差函数、互补误差函数和Q函数关系 3.1 概率分布知识回顾 10正态随机变量 3.1 概率分布知识回顾 11正态随机变量 三、瑞利概率密度分布 瑞利概率密度分布函数为: 3.1 概率分布知识回顾 12 瑞利概率密度分布函数 概率密度函数曲线与横轴f(v)=0包围的面积为“1” 四、莱斯概率密度分布 (也称广义瑞利分布) 莱斯概率密度分布函数为 式中I0(x)为零阶修正贝塞尔函数，当x≥0时，是单调上升函数，且 I0(0)=1 3.1 概率分布知识回顾 13 莱斯概率密度分布函数 一类n阶修正贝塞尔函数In(z)可以通过MATLAB的besselj(n,z)函数求取 五、均匀概率密度分布 均匀概率密度分布函数为 3.1 概率分布知识回顾 14 均匀概率密度分布 概率密度函数曲线与横轴f(x)=0包围的面积为“1” 3.2 随机过程 1 随机过程{ξ( t ),t∈T} :随机的时间函数的集合 ①样本函数：每个随机时间函数称为该随机过程的一个样本函数,如x1(t),x2(t)… ②随机变量：在某瞬间，随机过程的取值为随机变量, 如ξ(t1), ξ(t2), ξ(t3)… 随机过程兼有随机变量和时间函数的特点：就某一瞬间是一个随机变量；但看某一个样本时,它是一个时间函数 仿真程序 3.2 随机过程 2 随机过程的概率密度函数 在给定时刻 t1，随机过程{ξ( t ), t∈T}的取值为随机变量 ξ(t1) ，其分布函数一般与t1有关，记为： 如果存在 则称其为该随机过程 ξ(t) 在t 1时该的一维概率密度函数 随机过程 (t) 的二维分布函数： 随机过程 (t)的二维概率密度函数： 3.2 随机过程 3 随机过程{ξ( t )}的n维分布函数，记为： 如果存在 则称其为该随机过程 ξ(t) 在n维概率密度函数 3.2 随机过程 4 随机过程的数字特性 数学期望：随机过程 {ξ(t) ,t∈T} 在 t 时刻的数学期望为 随机过程 {ξ(t) ,t∈T}的数学期望实际上反映了随机过程在 t1时刻各样本的统计平均值，它是时间的函数。 t1是任意取的,可直接写成 t 3.2 随机过程 5 方差：随机过程 {ξ(t) ,t∈T}的方差定义为 方差反映了随机过程在任意时刻 t 时偏离其数学期望的程度。 随机过程的方差也是时间的函数。给定时刻的值即为该随机过程在该时刻随机变量取值的方差。 3.2 随机过程 6 比较这两张图，假设它们数据期望和方差大致相同，但它们的内部结构却明显不同。左图在时间上有强相关性；而右图样本值变化较快。在时间上相关性较弱，常用协方差函数和自相关函数值可以反映随机变量的统计相关特性。 3.2 随机过程 7 自协方差函数： 其中 f2(x1, x2; t1, t2)为随机过程的二维概率密度函数 自相关函数：反映随机过程{ξ(t) ,t∈T}在任意两个时刻取值之间的相关程度，其定义为 3.2 随机过程 8 随机过程的自相关函数和自协方差函数是t1时刻和 t2时刻的函数，它反映了随机过程在指定的两个时刻取值的相关程度和随机过程各样本随时间变化的快慢。 随机过程的自相关函数和协方差函数之间的关系式 说明自相关函数依赖于起始时刻t1及时间间隔τ,即自相关函数是t1和τ的函数 3.3 平稳随机过程1 平稳随机过程:n维概率密度函数与时间起点无关 对任意正整数n和任意实数 ti (i=1~n) 和时间间隔，随机过程{ξ(t) ,t∈T}的n维概率密度函数满