随机信号分析-第一章-概率论基础.pptVIP

*************************************************************************************随机变量数字特征的物理含义1。数学期望E[X]表示随机变量X的均值;2。E[X2]表示X的平均功率；3。E2[X]表示X的直流平均功率;4。D[X]＝E[X2]-E2[X]表示X的交流平均功率；5。协方差COV(X,Y)=E{[X?E(X)][Y?E(Y)]}反映的是X、Y除去均值以后的相互影响。X、Y不相关就是X、Y除去直流分量以后的交流成分相互之间的影响综合为0；6。E(XY)=0，X、Y正交表示两者全部成分相互之间的影响综合为0；1.7随机变量的特征函数1.7.1定义E[eitX]称为随机变量X的特征函数。连续型特征函数为：分布律为P(X=xk)=pk，k=1,2,?的离散型随机变量X，特征函数为特征函数是概率密度函数的傅立叶变换，则概率密度函数设随机变量X服从正态分布N(0,1)，求其特征函数。解：例1.17（Page71）特征函数满足

如果Y=aX+b，则如果Z=X+Y,且X,Y相互独立，则gZ(t)=gX(t)gY(t)1.7.2特征函数的性质4.g(t)在（-?，?）上一致连续5.若随机变量X的n阶矩E(Xn)存在，则g(k)(0)=ikE(Xk)，k?n或者E(Xk)＝i-kg(k)(0)。n维随机变量的特征函数设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1.7.3多维特征函数随机变量X1、X2统计独立的充要条件是2.二维特征函数的一些性质1.8极限定理几种收敛的概念设{Xn}为随机变量序列，X为随机变量。1.若任给?0,使得或者则称{Xn}依概率收敛于X.可记为2.如果有则称{Xn}均方收敛于X.可记为3.如果有则称{Xn}几乎处处（或者说以概率等于1）收敛于X.可记为1.8.1切比雪夫不等式若随机变量X的期望和方差存在，则对任意??0，有这就是著名的切比雪夫(Chebyshev)不等式。它有以下等价的形式：设{Xk,k=1,2,...}为独立的随机变量序列，且有相同的数学期望?，及方差?20，则即若任给?0,使得1.8.2切比雪夫大数定律(弱大数定理）1.8.3中心极限定理大量相互独立的随机变量之和在一定条件下趋向于服从正态分布。1.9几种常见的随机分布1.9.1离散型分布(0–1)分布随机变量X的取值只可能是0和1，其分布律为P{X＝k}＝pk(1－p)1－k,(0p1)k＝0，1或者E(X)=pD(X)=p(1-p)g(t)=(1-p)+peit2.二项分布定义：设将试验独立重复进行n次，每次试验中，事件A发生的概率均为p，则称这n次试验为n重贝努里（Bernoulli）试验。若以X表示n重贝努里试验事件A发生的次数，则称X服从参数为n,p的二项分布。记作X～B（n,p)。其分布律为：E(X)=npD(X)=np(1-p)g(t)=(1-p+eit)n3.泊松（Poisson）分布随机变量X的所有可能取值为0,1,2,…，其概率为：则称X服从参数为λ的泊松分布。记为：X~π(λ)E(X)=λD(X)=λ1.9.2连续型分布1.均匀分布则称X在(a,b)内服从均匀分布。记作X~U(a,b)对任意实数c,d(acdb)，都有E(X)=(a+b)/2D(X)=(b-a)2/122.正态分布其中?为实数，?0，则称X服从参数为?,?2的正