随机过程-1预备知识.pptVIP

1.6条件期望E(X|Y=y)是y的函数，y是Y的一个可能值,在已知Y的条件下，考虑X的均值，需要以Y代替y，E(X|Y)是随机变量Y的函数，也是随机变量，称为X在Y下的条件期望1.6条件期望P(A)=EIA=E[E(IA|Y)]=若Y为离散型随机变量，则若Y为连续型随机变量，则E(IA|Y=y)=1?P(A|Y=y)+0?[1-P(A|Y=y)]=P(A|Y=y)1.6条件期望例设X与Y是相互独立的随机变量，其分布函数分别为FX(x)和FY(y)，记(X+Y)的分布函数为FX*FY，则1.6条件期望☆X与Y是相互独立的随机变量，分别服从状态分布N(μ1，σ12)，N(μ2，σ22)则X+Y～N(μ1+μ2，σ12+σ22)其中一维随机变量随机变量离散型随机变量连续型随机变量分布函数分布律密度函数均匀分布指数分布正态分布两点分布二项分布泊松分布随机变量的数字特征定义数学期望差方一维随机变量随机变量离散型随机变量连续型随机变量分布函数分布律密度函数均匀分布指数分布正态分布两点分布二项分布泊松分布随机变量的函数的分布定义定义联合分布函数联合分布律联合概率密度边缘分布条件分布两个随机变量的函数的分布随机变量的相互独立性定义性质二维随机变量推广二维随机变量随机变量的数字特征数学期望方差离散型连续型性质协方差与相关系数随机变量函数的数学期望定义计算性质二维随机变量的数学期望定义协方差的性质相关系数定理*例设X服从二项分布B(n,p)，求X的特征函数g(t)及EX、EX2、DX。解X的分布律为P(X=k)=，q=1-p，k=0,1,2,?,n(4)g(t)是非负定函数(5)若X1,X2,?,Xn是相互独立的随机变量，则X=X1+X2+?+Xn的特征函数g(t)=g1(t)g2(t)?gn(t)(6)随机变量的分布函数由特征函数唯一确定1.4特征函数、母函数例设随机变量X的特征函数为gX(t)，Y=aX+b，其中a,b为任意实数，证明Y的特征函数gY(t)为证n维随机变量的特征函数定义1.11设X=(X1,X2,?,Xn)是n维随机变量，t=(t1,t2,?,tn)?Rn，则称为X的特征函数。1.4特征函数、母函数矩母函数定义1.12设随机变量X的分布函数为F(x)，称为X的矩母函数☆m(k)(0)=Exk，m(it)=g(t)母函数设X是非负整数值随机变量，分布律P{X=k}=pk，k=0,1,?则称为X的母函数母函数的性质(1)非负整数值随机变量的分布律pk由其母函数P(s)唯一确定(1)证(2)设P(s)是X的母函数，若EX存在，则EX=P?(1)若DX存在，则DX=P?(1)+P?(1)-[P?(1)]2(2)证(3)独立随机变量之和的母函数等于母函数之积(4)若X1,X2,?是相互独立同分布的非负整数值随机变量，N是与X1,X2,?独立的非负整数值随机变量，则的母函数H(s)=G(P(s)),EY=ENEX1其中G(s),P(s)分别是N,X1的母函数例：某商店一天到达的顾客总数N服从均值λ的泊松分布，用X1,X2,…,XN表示各顾客购买商品的情况，Xi=1表示第i个顾客购买了商品，Xi=0表示第i个顾客没有购买商品，P(Xi=1)=p,P(Xi=0)=1-p=q,i=1,2,…,N。X1,X2,…,XN相互独立且和N独立。用Y表示购买商品的顾客数，求Y的分布，及EY。1.4特征函数、母函数1.4特征函数、母函数1.4特征函数、母函数设相互独立离散型非负整数随机变量X,Y的分布律分别为P{X=k}=pk，P{Y=k}=qk，k=0,1,?，则Z=X+Y的分布律为P{Z=k}=ck,其中ck=