随机过程
专业领域课 必修课,考试课 48学时,3学分
1
参 考 教 材
汪荣鑫,《随机过程》(第2版) 西安交通大学出版社 刘次华,《随机过程》(第4版) 华中科技大学出版社 赵淑清,郑薇,《随机信号分析》(第2版) 电子工业出版社
2
第一章 概率论基础
1.1 概率空间 随机试验的三个特性 (1)可以在相同条件下重复进行; (2)每次试验的结果不止一个,但预先知道试验的 所有可能的结果; (3)每次试验前不能确定哪个结果会出现。 用E表示随机试验
3
第一章 概率论基础 1.1 概率空间
随机试验的所有可能出现的结果构成一个集合, 称为样本空间或基本事件空间,记为 。而把每 一可能出现的试验结果称为一个基本事件或样本 为 中的元素。 的子集A称为事 点,记为 , 件,样本空间 称为必然事件,空集 称为不可 能事件。
4
5
6
第一章 概率论基础
1.2 随机变量及其分布
分布函数说明随机变量在某一区间内取值的概率
7
分布函数的性质
1、F ( x )是x的单调非减函数 ,对于 x 2 x1,有 : F ( x 2 ) F ( x1 )
2、F ( x )非负 ,且取值满足
0 F ( x) 1
:
3、 随机变量在 x 1 , x 2 区间内的概率为 P ( x1 X x 2 ) F ( x 2 ) F ( x1 )
4、F ( x ) 右连续 , 即 : F ( x ) F ( x )
8
离散型随机变量
9
连续型随机变量
10
11
n维随机变量及其概率分布
定义1.6
( )
( )
( )
( )
( )
( ) ( ) ( )
( )
12
13
14
15
则有:
则有:
16
X cos 二维随机变量( X , Y )满足 Y sin 式中, 是在[0,2 ]上均匀分布的随机 变量, 讨论X , Y的独立性.
X Y 1
2 2
X , Y不是互相独立的
1.3 随机变量的数字特征
18
对于离散随机变量有:
D [ X ] E {( X E [ X ]) }
2
i 1
( x i E [ X ]) 2 p i
对于连续随机变量有:
D [ X ] E {( X E [ X ]) }
2
( x E [ X ]) 2 f X ( x ) dx
2 D[ X ] X
19
均方差或标准差: X
矩函数
随机变量 X 的 n 阶原点矩: 原点矩 集中特性
mn E[ X n ]
对于离散随机变量:
n 1,2,
m n x in pi
i 1
n 1,2,
对于连续随机变量:
m n x n f X ( x )d x
n 1,2,
20
随机变量 X 的 n 阶中心矩: 中心矩
离散特性
n E {( X E[ X ]) }
n
n 1,2,
对于离散随机变量:
n ( x i E[ X ]) pi
n i 1
n 1,2,
对于连续随机变量:
n ( x E [ X ]) f X ( x )dx
n
n 1,2,
21
二维随机变量 X 和 Y 的 n+k 阶联合原点矩: 联合原点矩
m nk E[ X Y ]
n k
对于离散随机变量:
m nk x y pij
i 1 j 1 n i k j
pij P ( X x i ,
Y y j )
对于连续随机变量:
m nk
x y f XY ( x , y )dxdy
22
n
k
二维随机变量 X 和 Y 的 n+k 阶联合中心矩: 联合中心矩
nk E {( X E[ X ]) (Y E[Y ]) }
n k
对于离散随机变量:
nk ( x i E[ X ]) ( y j E[Y ]) pij
n k i 1 j 1
对于连续随机变量:
nk
( x E[ X ]) ( y E[Y ]) f XY ( x, y )dxdy
n k
23
二维随机变量 X 和 Y 的相关矩: 相关矩
R XY E [ XY ] m 11 ( 二阶联合原点矩 )
B XY R XY E[ X ]E[Y ]
24
( EXY ) 2
25
1.4 随机变量的函数变换
1、一维变换 设随机变量X和Y满足 Y ( X ) ,如果X、Y之间的 关系是单调的,并且存在反函数 X 1 (Y ) h (Y )
f Y ( y )dy
P ( x X x dx) P( y Y y dy )
f X ( x)dx fY ( y )dy
f X ( x)dx
26
dx fY ( y ) f X ( x) dy
X 1 (Y ) h(Y )
dx fY ( y ) f X ( x) dy
f Y ( y ) f X ( h ( y )) h( y )
X 1 h1 (Y ) X 2 h2 (Y )
f Y ( y ) dy f X ( x1 ) dx1 f X ( x2 ) dx 2
' f Y ( y ) f X ( h1 ( y )) h1' ( y ) f X ( h2 ( y )) h2 ( y)
27
随机变量 X和 Y满足线性关系 Y aX b, X为高斯变量 , a , b为常数 , 求 Y的概率密度 .
f X ( x) 1 2 X
( xmX )2
2 2 X
e
Y b X h(Y ) a
fY ( y ) f X (h( y )) h( y )
1 e 2 a X
1 2 X
e
y b mX )2 a 2 2 X (
1 a
( y am X b ) 2
2 2 a 2 X
mY am X b
2 2 Y a 2 X
28
1 0 x 1 设随机变量 X的概率密度为 : f X ( x ) 0 其它 求随机变量函数 Y 3 X 1 的概率密度 .
f Y ( y ) f X ( h( y )) h( y )
Y 1 X h(Y ) 3
1 h' ( y ) 3
y 1 1 1 1 1 0 3 fY ( y ) 3 3 其它 0 0
1 y 4 其它
29
2、二维变换
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ),以及 二维随机变量 (Y1 , Y2 )与( X 1 , X 2 )之间的函数关系为 : Y1 1 ( X 1 , X 2 ) X 1 h1 (Y1 , Y2 ) 它们的反函数为 : Y2 2 ( X 1 , X 2 ) X 2 h2 (Y1 , Y2 ) 那么随机变量 (Y1 , Y2 )的联合概率密度 f Y ( y1 , y2 )由下式给出 :
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
30
Y1 1 ( X 1 , X 2 ) X 1 h1 (Y1 , Y2 ) 它们的反函数为 : Y2 2 ( X 1 , X 2 ) X 2 h2 (Y1 , Y2 )
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
x1 y1 J x2 y1 x1 y2 x2 y2
J 雅可比行列式
31
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
Y1 X 1 设 只要求出 f Y2 ( y 2 ) Y2 X 1 X 2
fY2 ( y
2 ) fY ( y1 , y2 )dy1
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
X 1 h1 (Y1 , Y2 ) Y1 X 2 h2 (Y1 , Y2 ) Y2 Y1
x1 y1 J x2 y1
x1 1 0 y2 1 x2 1 1 y2
32
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
X 1 h1 (Y1 , Y2 ) Y1 X 2 h2 (Y1 , Y2 ) Y2 Y1
fY ( y1 , y2 ) f X ( y1 , y2 y1 )
fY2 ( y2 ) f X ( y1 , y2 y1 )dy1
J 1
用Y代替Y2
fY ( y )
f X ( y1 , y y1 ) dy1
33
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
fY ( y ) f X ( y1 , y y1 )dy1
如果X 1 , X 2 互相独立, 则有 : f X ( x1 , x2 ) f X 1 ( x1 ) f X 2 ( x2 )
fY ( y ) f X 1 ( y1 ) f X 2 ( y y1 )dy1 f X 1 ( y ) f X 2 ( y )
两个互相独立随机变量之和的概率密度等 于两个随机变量各自概率密度的卷积积分
34
任选两个标有阻值 20 K 的电阻 R1和 R2串联 , 两个 电阻的误差都在 5% 之内, 并且在误差之内它们 是均匀分布的 .求 R1和 R2串联后误差不超过 2.5% 的概率有多大 ?
(1) R1和R2 应在19 ~ 21K内均匀分布 (2) R1和R2 互相独立, 串联后的R R1 R2 (3) R应在38 42 K之间, 求R取39 ~ 41K的概率
P ( 39 R 41 )
41
39
f R ( r ) dr
0.5 19 r 21 f R1 (r ) f R2 (r ) 0 r为其它
35
f R (r ) f R1 (r ) f R2 (r )
任选两个标有阻值 20 K 的电阻 R1和 R2串联 , 两个 电阻的误差都在 5% 之内, 并且在误差之内它们 是均匀分布的 .求 R1和 R2串联后误差不超过 2.5% 的概率有多大 ?
P ( 39 R 41 )
0.25(r 38) 38 r 40 f R (r ) 0.25(42 r ) 40 r 42 0 r为其它值
40
41
39
f R ( r ) dr
概率为0.75
41 42 r r 38 3 3 3 P (39 R 41) dr dr 39 40 4 4 8 8 4
36
1.5 随机变量的特征函数
37
38
特征函数的性质
性质1 : (t ) (0) 1
39
特征函数的性质
性质5 : 若Y aX b, a和b为常数 , X (t )为 X的特征函数 , 则Y的特征函数为 :
Y (t ) e itb X ( at )
性质6 : 互相独立随机变量之和 的特征函数等于各随机 变量 特征函数之积 ,即 : 若Y X n , X n之间相互独立 ,
n 1 N
则 : Y (t ) E[eitY ] X n (t )
n 1
40
N
特征函数的性质
i ( t t ( t t ) z z E [ e l k l k
l
n
n
n
n
k
)X
l 1 k 1
l 1 k 1
] zl z k
2
E[ e itl X e it k X zl z k ] E e itl X zl 0
l 1 k 1 l 1
41
n
n
n
X (t ) f ( x)eitx dx
X (t ) F (t )
t u
FT [ f ( x)] F (t ) f ( x)e itx dx
1 f ( x) 2
F (t )e dt
iux
itx
1 2
F (u )e iux du
1 2
X (u )e
du
1 2
X (t )e dt
itx
42
X (t ) f ( x)eitx dx
1 f ( x) 2
X (t )e dt
itx
X (t ) F (t )
X (t ) F (t )
特征函数与概率密度之间的关系与 傅里叶变换略有不同,指数项差一 负号。
随机变量X 1 , X 2为互相独立的高斯变量, 数学期望 为零, 方差为 1. 求Y X 1 X 2的概率密度.
f X ( x)
1 e 2
x2 2
fY ( y ) f X1 ( y ) f X 2 ( y )
2 Y (t ) X (t ) X (t ) X (t )
1 2
X (t ) e
x2 2 2
t2 2
X (t ) FT [ f X ( x)]
FT [e
] 2 e
2t 2
2
44
随机变量X 1 , X 2为互相独立的高斯变量, 数学期望 为零, 方差为 1. 求Y X 1 X 2的概率密度.
Y (t ) (t )
2 X
X (t ) e X (t ) e
ity
2 2 t t 2 2
Y (t ) e
t 2
1 fY ( y ) 2
x2 2 2
Y (t ) e
2t 2
2
1 dt 2
e e ity dt
y2 4
t 2
FT [e
] 2 e
1 2 fY ( y ) e 2 2
1 2
45
e
y2 4
已知随机变量X服从柯西分布f X ( x) 求它的特征函数.
1
x
2
2
,
解 : X (t )
1
x
2
2
e dx
t
itx
1 2 itx e dx e 2 2 x 2
FT [ e
x
2 ] 2 2 t
X (t ) e
t
46
1 x 求概率密度为 f X ( x ) e 的随机变量 X的特征函数 . 2
1 x itx e e dx 解 : X (t ) f X ( x)e dx 2 0 1 1 (1 it ) x ( 1 it ) x e dx e dx 0 2 2 1 1 1 1 1 2 2 1 it 2 1 it 1 t
itx
另一种解法:
2 x FT [ e ] 2 2 t
1 XX(( tt)) FT [ f X ( x)] 2 1 t
47
48
1.6 n维正态分布
如果n个独立随机变量的分布是相同的,并且 具有有限的数学期望和方差,当n无穷大时, 它们之和的分布趋近于高斯分布。即使n个 独立随机变量不是相同分布的,当n无穷大 时,如果满足任意一个随机变量都不占优势 或对和的影响足够小,那么它们之和的分布 仍然趋于高斯分布。 (中心极限定理)
49
高斯变量的线性组合仍为高斯变量
若X i为高斯变量 , 其数学期望和方差为 mi 和 , Y X i ,
2 i i 1 n n
则Y也是高斯变量 , 其数学期望和方差分别 为 : mY mi
i 1
Y2 i2 2 ri
j i j
i 1 i j
n
rij 是X i与X j 之间的相关系数
n
若 X i 之间是互相独立的 , 则上面的方差应修正为 : i2
2 Y i 1
50
对于高斯变量来说,不相关和统计独立是等阶的。
归一化高斯变量Y的特征函数为 : Y (t ) e
X m
t2 2
Y
X Y m
X (t ) e Y (t ) e
itm
itm
2t 2
2
51
两个高斯变量X 1和X 2 , 数学期望分别为m1和m2 , 方差分别
2 为 12和 2 , 它们的联合概率密度为 :
f X ( x1 , x2 )
1 2 1 2 1 2
e
1 2 (1 2 )
( x1 m1 ) 2 2 ( x1 m1 )( x2 m2 ) ( x2 m2 ) 2 [ ] 2 2
1
1 2
2
若 X 1和 X 2 是互相独立的 , 则上式简化为 : f X ( x1 , x2 ) f X 1 ( x1 ) f X 2 ( x2 ) 1 2 1 2 e
1 ( x1 m1 ) 2 ( x 2 m 2 ) 2 ] [ 2 2 2 1 2
52
二维高斯变量联合特征函数的一般形式为 :
X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 1 2t1t 2 2 t2 ) i ( m1t1 m2t 2 ) 2
e
当X 1和X 2的数学期望都为零时, 有 :
X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 1 2t1t 2 2 t2 ) 2
进一步,当X 1和X 2相互独立时, 有 : X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 t2 ) 2
53
54
55
1.7 条件数学期望
56
57
58
证明:假设X与Y都是离散型随机变量
59
性质1 : (t ) (0) 1
(t ) f ( x)eitx dx
f ( x) 0, 且 eitX 1
f ( x ) e dx
itx
(t )
f ( x ) e dx
itx
f ( x ) e itx dx 1
(t ) 1
(0) f ( x)dx 1
(t ) (0) 1
60
设随机变量 X的概率密度为 f X ( x), 其特征函数为 :
X (t ) f X ( x)e itx dx
d X (t ) d itx f X ( x)( e )dx f X ( x)(ix) eitx dx dt dt
d X (t ) f X ( x)(ix) dx iE[ X ] dt t 0
d X (t ) E[ X ] i dt t 0
d X (t ) n itx f ( x )( ix ) e dx X n dt
n
n d X (t ) n n E[ X ] (i ) dt n t 0
61
若Y aX b, a和b为常数, X (t )为X的特征函数, 则Y的特征函数为 : Y (t ) e itb X (at )
Y ( t ) E [ e itY ] E [ e it ( aX b ) ]
E [e
itb itb
itb
e
itaX
]
e E[e e E[e
itb
itaX
] ]
i ( at ) X
e X ( at )
62
互相独立随机变量之和 的特征函数等于各随机 变量 特征函数之积, 即 : 若Y X n , X n 之间相互独立,
n 1 N
则 : Y (t ) E [ e ] X n (t )
itY n 1
N
Y (t ) E[e itY ] E[e
it X n
n 1
N
] E[ e itX n ]
n 1
N
Y (t ) E[e
n 1
N
itX n
] X n (t )
n 1
63
N
随机过程
专业领域课 必修课,考试课 48学时,3学分
1
参 考 教 材
汪荣鑫,《随机过程》(第2版) 西安交通大学出版社 刘次华,《随机过程》(第4版) 华中科技大学出版社 赵淑清,郑薇,《随机信号分析》(第2版) 电子工业出版社
2
第一章 概率论基础
1.1 概率空间 随机试验的三个特性 (1)可以在相同条件下重复进行; (2)每次试验的结果不止一个,但预先知道试验的 所有可能的结果; (3)每次试验前不能确定哪个结果会出现。 用E表示随机试验
3
第一章 概率论基础 1.1 概率空间
随机试验的所有可能出现的结果构成一个集合, 称为样本空间或基本事件空间,记为 。而把每 一可能出现的试验结果称为一个基本事件或样本 为 中的元素。 的子集A称为事 点,记为 , 件,样本空间 称为必然事件,空集 称为不可 能事件。
4
5
6
第一章 概率论基础
1.2 随机变量及其分布
分布函数说明随机变量在某一区间内取值的概率
7
分布函数的性质
1、F ( x )是x的单调非减函数 ,对于 x 2 x1,有 : F ( x 2 ) F ( x1 )
2、F ( x )非负 ,且取值满足
0 F ( x) 1
:
3、 随机变量在 x 1 , x 2 区间内的概率为 P ( x1 X x 2 ) F ( x 2 ) F ( x1 )
4、F ( x ) 右连续 , 即 : F ( x ) F ( x )
8
离散型随机变量
9
连续型随机变量
10
11
n维随机变量及其概率分布
定义1.6
( )
( )
( )
( )
( )
( ) ( ) ( )
( )
12
13
14
15
则有:
则有:
16
X cos 二维随机变量( X , Y )满足 Y sin 式中, 是在[0,2 ]上均匀分布的随机 变量, 讨论X , Y的独立性.
X Y 1
2 2
X , Y不是互相独立的
1.3 随机变量的数字特征
18
对于离散随机变量有:
D [ X ] E {( X E [ X ]) }
2
i 1
( x i E [ X ]) 2 p i
对于连续随机变量有:
D [ X ] E {( X E [ X ]) }
2
( x E [ X ]) 2 f X ( x ) dx
2 D[ X ] X
19
均方差或标准差: X
矩函数
随机变量 X 的 n 阶原点矩: 原点矩 集中特性
mn E[ X n ]
对于离散随机变量:
n 1,2,
m n x in pi
i 1
n 1,2,
对于连续随机变量:
m n x n f X ( x )d x
n 1,2,
20
随机变量 X 的 n 阶中心矩: 中心矩
离散特性
n E {( X E[ X ]) }
n
n 1,2,
对于离散随机变量:
n ( x i E[ X ]) pi
n i 1
n 1,2,
对于连续随机变量:
n ( x E [ X ]) f X ( x )dx
n
n 1,2,
21
二维随机变量 X 和 Y 的 n+k 阶联合原点矩: 联合原点矩
m nk E[ X Y ]
n k
对于离散随机变量:
m nk x y pij
i 1 j 1 n i k j
pij P ( X x i ,
Y y j )
对于连续随机变量:
m nk
x y f XY ( x , y )dxdy
22
n
k
二维随机变量 X 和 Y 的 n+k 阶联合中心矩: 联合中心矩
nk E {( X E[ X ]) (Y E[Y ]) }
n k
对于离散随机变量:
nk ( x i E[ X ]) ( y j E[Y ]) pij
n k i 1 j 1
对于连续随机变量:
nk
( x E[ X ]) ( y E[Y ]) f XY ( x, y )dxdy
n k
23
二维随机变量 X 和 Y 的相关矩: 相关矩
R XY E [ XY ] m 11 ( 二阶联合原点矩 )
B XY R XY E[ X ]E[Y ]
24
( EXY ) 2
25
1.4 随机变量的函数变换
1、一维变换 设随机变量X和Y满足 Y ( X ) ,如果X、Y之间的 关系是单调的,并且存在反函数 X 1 (Y ) h (Y )
f Y ( y )dy
P ( x X x dx) P( y Y y dy )
f X ( x)dx fY ( y )dy
f X ( x)dx
26
dx fY ( y ) f X ( x) dy
X 1 (Y ) h(Y )
dx fY ( y ) f X ( x) dy
f Y ( y ) f X ( h ( y )) h( y )
X 1 h1 (Y ) X 2 h2 (Y )
f Y ( y ) dy f X ( x1 ) dx1 f X ( x2 ) dx 2
' f Y ( y ) f X ( h1 ( y )) h1' ( y ) f X ( h2 ( y )) h2 ( y)
27
随机变量 X和 Y满足线性关系 Y aX b, X为高斯变量 , a , b为常数 , 求 Y的概率密度 .
f X ( x) 1 2 X
( xmX )2
2 2 X
e
Y b X h(Y ) a
fY ( y ) f X (h( y )) h( y )
1 e 2 a X
1 2 X
e
y b mX )2 a 2 2 X (
1 a
( y am X b ) 2
2 2 a 2 X
mY am X b
2 2 Y a 2 X
28
1 0 x 1 设随机变量 X的概率密度为 : f X ( x ) 0 其它 求随机变量函数 Y 3 X 1 的概率密度 .
f Y ( y ) f X ( h( y )) h( y )
Y 1 X h(Y ) 3
1 h' ( y ) 3
y 1 1 1 1 1 0 3 fY ( y ) 3 3 其它 0 0
1 y 4 其它
29
2、二维变换
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ),以及 二维随机变量 (Y1 , Y2 )与( X 1 , X 2 )之间的函数关系为 : Y1 1 ( X 1 , X 2 ) X 1 h1 (Y1 , Y2 ) 它们的反函数为 : Y2 2 ( X 1 , X 2 ) X 2 h2 (Y1 , Y2 ) 那么随机变量 (Y1 , Y2 )的联合概率密度 f Y ( y1 , y2 )由下式给出 :
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
30
Y1 1 ( X 1 , X 2 ) X 1 h1 (Y1 , Y2 ) 它们的反函数为 : Y2 2 ( X 1 , X 2 ) X 2 h2 (Y1 , Y2 )
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
x1 y1 J x2 y1 x1 y2 x2 y2
J 雅可比行列式
31
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
Y1 X 1 设 只要求出 f Y2 ( y 2 ) Y2 X 1 X 2
fY2 ( y
2 ) fY ( y1 , y2 )dy1
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
X 1 h1 (Y1 , Y2 ) Y1 X 2 h2 (Y1 , Y2 ) Y2 Y1
x1 y1 J x2 y1
x1 1 0 y2 1 x2 1 1 y2
32
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
fY ( y1 , y2 ) J f X ( x1 , x2 ) J f X (h1 ( y1 , y2 ), h2 ( y1 , y2 ))
X 1 h1 (Y1 , Y2 ) Y1 X 2 h2 (Y1 , Y2 ) Y2 Y1
fY ( y1 , y2 ) f X ( y1 , y2 y1 )
fY2 ( y2 ) f X ( y1 , y2 y1 )dy1
J 1
用Y代替Y2
fY ( y )
f X ( y1 , y y1 ) dy1
33
已知二维随机变量 ( X 1 , X 2 )的联合概率密度 f X ( x1 , x2 ), 求 X 1 , X 2之和 Y X 1 X 2的概率密度 .
fY ( y ) f X ( y1 , y y1 )dy1
如果X 1 , X 2 互相独立, 则有 : f X ( x1 , x2 ) f X 1 ( x1 ) f X 2 ( x2 )
fY ( y ) f X 1 ( y1 ) f X 2 ( y y1 )dy1 f X 1 ( y ) f X 2 ( y )
两个互相独立随机变量之和的概率密度等 于两个随机变量各自概率密度的卷积积分
34
任选两个标有阻值 20 K 的电阻 R1和 R2串联 , 两个 电阻的误差都在 5% 之内, 并且在误差之内它们 是均匀分布的 .求 R1和 R2串联后误差不超过 2.5% 的概率有多大 ?
(1) R1和R2 应在19 ~ 21K内均匀分布 (2) R1和R2 互相独立, 串联后的R R1 R2 (3) R应在38 42 K之间, 求R取39 ~ 41K的概率
P ( 39 R 41 )
41
39
f R ( r ) dr
0.5 19 r 21 f R1 (r ) f R2 (r ) 0 r为其它
35
f R (r ) f R1 (r ) f R2 (r )
任选两个标有阻值 20 K 的电阻 R1和 R2串联 , 两个 电阻的误差都在 5% 之内, 并且在误差之内它们 是均匀分布的 .求 R1和 R2串联后误差不超过 2.5% 的概率有多大 ?
P ( 39 R 41 )
0.25(r 38) 38 r 40 f R (r ) 0.25(42 r ) 40 r 42 0 r为其它值
40
41
39
f R ( r ) dr
概率为0.75
41 42 r r 38 3 3 3 P (39 R 41) dr dr 39 40 4 4 8 8 4
36
1.5 随机变量的特征函数
37
38
特征函数的性质
性质1 : (t ) (0) 1
39
特征函数的性质
性质5 : 若Y aX b, a和b为常数 , X (t )为 X的特征函数 , 则Y的特征函数为 :
Y (t ) e itb X ( at )
性质6 : 互相独立随机变量之和 的特征函数等于各随机 变量 特征函数之积 ,即 : 若Y X n , X n之间相互独立 ,
n 1 N
则 : Y (t ) E[eitY ] X n (t )
n 1
40
N
特征函数的性质
i ( t t ( t t ) z z E [ e l k l k
l
n
n
n
n
k
)X
l 1 k 1
l 1 k 1
] zl z k
2
E[ e itl X e it k X zl z k ] E e itl X zl 0
l 1 k 1 l 1
41
n
n
n
X (t ) f ( x)eitx dx
X (t ) F (t )
t u
FT [ f ( x)] F (t ) f ( x)e itx dx
1 f ( x) 2
F (t )e dt
iux
itx
1 2
F (u )e iux du
1 2
X (u )e
du
1 2
X (t )e dt
itx
42
X (t ) f ( x)eitx dx
1 f ( x) 2
X (t )e dt
itx
X (t ) F (t )
X (t ) F (t )
特征函数与概率密度之间的关系与 傅里叶变换略有不同,指数项差一 负号。
随机变量X 1 , X 2为互相独立的高斯变量, 数学期望 为零, 方差为 1. 求Y X 1 X 2的概率密度.
f X ( x)
1 e 2
x2 2
fY ( y ) f X1 ( y ) f X 2 ( y )
2 Y (t ) X (t ) X (t ) X (t )
1 2
X (t ) e
x2 2 2
t2 2
X (t ) FT [ f X ( x)]
FT [e
] 2 e
2t 2
2
44
随机变量X 1 , X 2为互相独立的高斯变量, 数学期望 为零, 方差为 1. 求Y X 1 X 2的概率密度.
Y (t ) (t )
2 X
X (t ) e X (t ) e
ity
2 2 t t 2 2
Y (t ) e
t 2
1 fY ( y ) 2
x2 2 2
Y (t ) e
2t 2
2
1 dt 2
e e ity dt
y2 4
t 2
FT [e
] 2 e
1 2 fY ( y ) e 2 2
1 2
45
e
y2 4
已知随机变量X服从柯西分布f X ( x) 求它的特征函数.
1
x
2
2
,
解 : X (t )
1
x
2
2
e dx
t
itx
1 2 itx e dx e 2 2 x 2
FT [ e
x
2 ] 2 2 t
X (t ) e
t
46
1 x 求概率密度为 f X ( x ) e 的随机变量 X的特征函数 . 2
1 x itx e e dx 解 : X (t ) f X ( x)e dx 2 0 1 1 (1 it ) x ( 1 it ) x e dx e dx 0 2 2 1 1 1 1 1 2 2 1 it 2 1 it 1 t
itx
另一种解法:
2 x FT [ e ] 2 2 t
1 XX(( tt)) FT [ f X ( x)] 2 1 t
47
48
1.6 n维正态分布
如果n个独立随机变量的分布是相同的,并且 具有有限的数学期望和方差,当n无穷大时, 它们之和的分布趋近于高斯分布。即使n个 独立随机变量不是相同分布的,当n无穷大 时,如果满足任意一个随机变量都不占优势 或对和的影响足够小,那么它们之和的分布 仍然趋于高斯分布。 (中心极限定理)
49
高斯变量的线性组合仍为高斯变量
若X i为高斯变量 , 其数学期望和方差为 mi 和 , Y X i ,
2 i i 1 n n
则Y也是高斯变量 , 其数学期望和方差分别 为 : mY mi
i 1
Y2 i2 2 ri
j i j
i 1 i j
n
rij 是X i与X j 之间的相关系数
n
若 X i 之间是互相独立的 , 则上面的方差应修正为 : i2
2 Y i 1
50
对于高斯变量来说,不相关和统计独立是等阶的。
归一化高斯变量Y的特征函数为 : Y (t ) e
X m
t2 2
Y
X Y m
X (t ) e Y (t ) e
itm
itm
2t 2
2
51
两个高斯变量X 1和X 2 , 数学期望分别为m1和m2 , 方差分别
2 为 12和 2 , 它们的联合概率密度为 :
f X ( x1 , x2 )
1 2 1 2 1 2
e
1 2 (1 2 )
( x1 m1 ) 2 2 ( x1 m1 )( x2 m2 ) ( x2 m2 ) 2 [ ] 2 2
1
1 2
2
若 X 1和 X 2 是互相独立的 , 则上式简化为 : f X ( x1 , x2 ) f X 1 ( x1 ) f X 2 ( x2 ) 1 2 1 2 e
1 ( x1 m1 ) 2 ( x 2 m 2 ) 2 ] [ 2 2 2 1 2
52
二维高斯变量联合特征函数的一般形式为 :
X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 1 2t1t 2 2 t2 ) i ( m1t1 m2t 2 ) 2
e
当X 1和X 2的数学期望都为零时, 有 :
X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 1 2t1t 2 2 t2 ) 2
进一步,当X 1和X 2相互独立时, 有 : X (t1 , t 2 ) e
1 2 2 2 2 ( 1 t1 2 t2 ) 2
53
54
55
1.7 条件数学期望
56
57
58
证明:假设X与Y都是离散型随机变量
59
性质1 : (t ) (0) 1
(t ) f ( x)eitx dx
f ( x) 0, 且 eitX 1
f ( x ) e dx
itx
(t )
f ( x ) e dx
itx
f ( x ) e itx dx 1
(t ) 1
(0) f ( x)dx 1
(t ) (0) 1
60
设随机变量 X的概率密度为 f X ( x), 其特征函数为 :
X (t ) f X ( x)e itx dx
d X (t ) d itx f X ( x)( e )dx f X ( x)(ix) eitx dx dt dt
d X (t ) f X ( x)(ix) dx iE[ X ] dt t 0
d X (t ) E[ X ] i dt t 0
d X (t ) n itx f ( x )( ix ) e dx X n dt
n
n d X (t ) n n E[ X ] (i ) dt n t 0
61
若Y aX b, a和b为常数, X (t )为X的特征函数, 则Y的特征函数为 : Y (t ) e itb X (at )
Y ( t ) E [ e itY ] E [ e it ( aX b ) ]
E [e
itb itb
itb
e
itaX
]
e E[e e E[e
itb
itaX
] ]
i ( at ) X
e X ( at )
62
互相独立随机变量之和 的特征函数等于各随机 变量 特征函数之积, 即 : 若Y X n , X n 之间相互独立,
n 1 N
则 : Y (t ) E [ e ] X n (t )
itY n 1
N
Y (t ) E[e itY ] E[e
it X n
n 1
N
] E[ e itX n ]
n 1
N
Y (t ) E[e
n 1
N
itX n
] X n (t )
n 1
63
N