《随机信号分析与估计》_第1章.pptVIP

1.4多维随机变量

为n维随机变量的n维分布函数。n维分布函数具有下列性质:2.多维概率密度若n维分布函数的n阶混合偏导数存在,那么定义上一页下一页返回1.4多维随机变量

为n维随机变量的n维概率密度。显然对于n维随机变量,其取值落在区域G内的概率可表示为上一页下一页返回1.4多维随机变量

3.多维条件概率密度上一页返回1.5随机变量的数字特征1.5.1均值随机变量X的均值也称为数学期望,定义为对于离散型随机变量,假定随机变量X有N个可能取值,各个取值的概率为pi=PX=xi,则均值定义为下一页返回1.5随机变量的数字特征

式(1.5.2)表明,离散型随机变量的均值等于随机变量的取值乘以取值的概率之和,如果取值是等概率的,那么均值就是取值的算术平均值,如果取值不是等概率的,那么均值就是概率加权和,所以,均值也称为统计平均值。均值具有如下性质:(1)EcX=cEX,其中c为常数。(2)EX1+X2+…+Xn=EX1+EX2+…+EXn,即n个随机变量之和的均值等于各随机变量均值之和。(3)如果随机变量X和Y相互独立,则EXY=EXEY,如果EXY=0,称随机变量X和Y是正交的。上一页下一页返回1.5随机变量的数字特征

1.5.2方差随机变量X的方差定义为由数学期望的性质可知,式(1.5.3)可表示为上一页下一页返回1.5随机变量的数字特征

方差反映了随机变量X的取值偏离其均值的偏离程度或分散程度,D(X)越大,则X的取值越分散。随机变量的方差具有如下性质:(1)Dc=0,c为常数。(2)DcX=c2DX,c为常数。(3)对于n个相互独立的随机变量X1,X2,…,Xn,有上一页下一页返回1.5随机变量的数字特征

1.5.3协方差与相关系数对于二维随机变量,均值和方差不能反映它们之间的相互关系,为此引入协方差和相关系数两个数字特征。设有两个随机变量X和Y,定义为X与Y的协方差。式(1.5.5)也可表示为上一页下一页返回1.5随机变量的数字特征

相关系数则定义为相关系数具有如下性质:上一页下一页返回1.5随机变量的数字特征

相关系数是描述两个随机变量相互关系的一个数字特征,如果rXY=0,则称X与Y是不相关的,如果rXY=1,则称X与Y是完全相关的。显然,如果X与Y是相互独立的,则也必定是不相关的,但反过来不一定成立。对于多维随机变量,随机变量之间的相关性可以用协方差矩阵来描述。设n维随机变量(X1,X2,…,Xn),称矩阵上一页下一页返回1.5随机变量的数字特征

为协方差矩阵,其中由于kij=kji,所以协方差矩阵是对称矩阵,对于N个相互独立的随机变量,协方差矩阵为对角阵。1.5.4矩均值和方差是随机变量一、二阶的数字特征,更高阶的数字特征可用矩来反映。随机变量的矩分原点矩和中心矩。上一页下一页返回1.5随机变量的数字特征

设X为随机变量,均值为mX,那么称上一页返回1.6随机变量的函数1.6.1一维随机变量函数的分布首先考虑g(x)是可导的单调函数,其反函数为x=g-1(y)。如果g(x)是单调上升函数,那么下一页返回1.6随机变量的函数如果g(x)是单调下降函数,那么上一页下一页返回1.6随机变量的函数

1.6.2多维随机变量函数的分布把一维随机变量函数分布的结果推广到二维及多维随机变量函数的情况。设有二维随机变量(X1,X2),其概率密度为fX1X2(x1,x2),与二维随机变量(Y1,Y2)的关系为上一页下一页返回1.6随机变量的函数

需要确定二维随机变量(Y1,Y2)的概率密度。由于二维变换比一维变换要复杂得多,所以这里只考虑g1、g2为单值函数的情况,把式(1.6.6)推广到二维的情况,有其中上一页下一页返回1.6随机变量的函数

同理,对于多维随机变量函数,其中上一页下一页返回1.6随机变量的函数

1.6.3随机变量函数的数字特征设随机变量X和Y的函数关系为Y=gX,那么Y的数学期望为假定g(·)是单调函数,那么由式(1.6.5)得上一页下一页返回1.6随机变量的函数

由式(1.6.17)可以看出,计算Y的数学期望不需要计算Y的概率密度,只需要已知X的概率密度就行了。如果g(·)不是单调函数,仍可按式(1.6.17)计算