随机信号分析(常建平+李海林)习题答案.docVIP

PAGE/NUMPAGES

1-9已知随机变量X的分布函数为

求：①系数k；②X落在区间内的概率；③随机变量X的概率密度。

解：

第①问利用右连续的性质k＝1

第②问

第③问

1-10已知随机变量X的概率密度为（拉普拉斯分布），求：

①系数k②X落在区间内的概率③随机变量X的分布函数

解：

第①问

第②问

随机变量X落在区间的概率就是曲线下的曲边梯形的面积。

第③问

1-11某繁忙的汽车站，每天有大量的汽车进出。设每辆汽车在一天内出事故的概率为0.0001，若每天有1000辆汽车进出汽车站，问汽车站出事故的次数不小于2的概率是多少？

汽车站出事故的次数不小于2的概率

答案

1-12已知随机变量的概率密度为

求：①系数k？②的分布函数？③？

第③问

方法一：

联合分布函数性质：

若任意四个实数，满足

，则

方法二：利用

1-13已知随机变量的概率密度为

①求条件概率密度和？②判断X和Y是否独立？给出理由。

先求边缘概率密度、

注意上下限的选取

1-14已知离散型随机变量X的分布律为

3

6

7

0.2

0.1

0.7

求：①X的分布函数②随机变量的分布律

1-15已知随机变量X服从标准高斯分布。求：①随机变量的概率密度？②随机变量的概率密度？

分析:①

②

答案:

1-16已知随机变量和相互独立，概率密度分别为

，

求随机变量的概率密度？

解：设求反函数，求雅克比J＝－1

1-17已知随机变量的联合分布律为

求：①边缘分布律和？

②条件分布律和？

分析：

泊松分布

P19（1－48）

解：①

②

即X、Y相互独立

1-18已知随机变量相互独立，概率密度分别为。又随机变量

证明：随机变量的联合概率密度为

因为|J|＝1,故

已知随机变量相互独立，概率密度分别为

1-19已知随机变量X服从拉普拉斯分布，其概率密度为

求其数学期望与方差？

解:

1-20已知随机变量X可能取值为，且每个值出现的概率均为。求：①随机变量X的数学期望和方差？②随机变量的概率密度？③Y的数学期望和方差？

①③

答案:

②

Y

3

12

27

48

P

1/5

1/5

1/5

2/5

离散型随机变量的概率密度表达式P12，1-25式

其中为冲激函数

1-22已知两个随机变量的数学期望为，方差为，相关系数。现定义新随机变量为

求的期望，方差以及它们的相关系数？

0.13

1-23已知随机变量满足，皆为常数。证明：

①；②；③当且时，随机变量正交。

①

②

③

1-25已知随机变量相互独立，分别服从参数为和的泊松分布。①求随机变量X的数学期望和方差？②证明服从参数为的泊松分布。

解：①泊松分布

特征函数的定义

由(1-17题用过)可得

②根据特征函数的性质，XY相互独立，

表明Z服从参数为的泊松分布

1-26已知随机变量的联合特征函数为

求：①随机变量X的特征函数②随机变量Y的期望和方差

解：①

②

1-28已知两个独立的随机变量的特征函数分别是和，求随机变量特征函数？

解：

特征函数的性质：相互独立随机变量和的特征函数等于它们特征函数之积

X、Y独立，

因此有和独立

独立的等价条件（充分必要条件）

①

②

③

1-29已知二维高斯变量中，高斯变量的期望分别为，方差分别为，相关系数为。令

写出二维高斯变量的概率密度和特征函数的矩阵形式，并展开；

证明相互独立，皆服从标准高斯分布。

解：，，

系数矩阵

，线性变换，故也服从高斯分布

，故不相关，

高斯变量不相关和独立等价，独立

1-30已知二维高斯变量的两个分量相互独立，期望皆为0，方差皆为。令

其中为常数。①证明：服从二维高斯分布；②求的均值和协方差矩阵；③证明：相互独立的条件为。

复习：n维高斯变量的性质

1.高斯变量的互不相关与独立是等价的

2.高斯变量的线性变换后仍服从高斯分布。

3.高斯变量的边缘分布仍服从高斯分布

解：①

②

③相互独立、二维高斯矢量

因此互不相关只要证为对角证

即

1-31已知三维高斯随机矢量均值为常矢量，方差阵为

证明：相互独立。

复习：n维高斯变量的性质

1.高斯变量的互不相关与独立是等价的

2.高斯变量的线性变换后仍服从高斯分布。

3.高斯变量的边缘分布仍服从高斯分布

思路：设随机矢量

由性质可得为三维高斯变量，求得方差阵为对角阵

1-32已知三维