第四講隨機變量函數(shù)與多維正態(tài)隨機變量課件_第1頁
第四講隨機變量函數(shù)與多維正態(tài)隨機變量課件_第2頁
第四講隨機變量函數(shù)與多維正態(tài)隨機變量課件_第3頁
第四講隨機變量函數(shù)與多維正態(tài)隨機變量課件_第4頁
第四講隨機變量函數(shù)與多維正態(tài)隨機變量課件_第5頁
已閱讀5頁,還剩54頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

本次課內(nèi)容隨機變量函數(shù)

單變量的函數(shù)多變量的函數(shù)隨機變量函數(shù)的數(shù)字特征多維正態(tài)隨機變量1.隨機變量變換后概率密度的確定例:設Y=aX+b(AffineTransformation),求Y的概率密度。如果X服從正態(tài)分布,AlinearfunctionofaGaussianrandomvariableisalsoaGaussianrandomvariable.如果不是單調(diào)函數(shù),假定有n個反函數(shù)則Example:Square-Lawdeviceb>0IfXisaGaussianrandomvariablewithmeanzeroandvariance2,Example:ThisPDFiscalledthelog-normalPDF2.FunctionofaDiscreteRandomVariableHowtodeterminethePMFofatransformedrandomvariable?Forexample,tossadieandtransformasfollowIngeneral,wehavethatCheckYourselfWhichoffollowingiscorrect?One-to-One:ABCDENoneofaboveCheckYourselfWhichoffollowingiscorrect?One-to-One:ABCDENoneofaboveCheckYourselfSupposeY=2X,Whichoffollowingarecorrect?NoneofaboveABCDECheckYourselfSupposeY=2X,Whichoffollowingarecorrect?NoneofaboveABCDE對于一對一的變換,Example:Many-to-OneTransformationExample:x0

x1g(x)xA3.Continuous-to-DiscreteExample:PDFforamplitude-limitedRayleighRV.4.MixedrandomvariableAssume一般說來,如果g(x)在區(qū)間(x0,x1]上為一常數(shù)A,則FY(y)在y=A處不連續(xù),跳變點跳變高度為fY(y)在y=A處有一函數(shù),函數(shù)的強度為例-cc當y<0時當y=0時當y>0時FY(y)在y=0處有一個跳變,跳變的高度為P{-c<Xc}=FX(c)-FX(-c)Example:HardLimiterY為離散型隨機變量,FY(y)為階梯型1-1-111y5.多維隨機變量的函數(shù)Jacco

比行列式例令則當X1,X2相互獨立時,如果Xi服從相同分布,多個函數(shù)卷積的結(jié)果逐漸趨近一個高斯函數(shù),所以大量獨立同分布的隨機變量之和服從正態(tài)分布(中心極限定理)。6.Expectedvalueforafunctionofarandomvariable均值:

方差:

均值:

方差:

對于離散型隨機變量,也有類似的結(jié)果:Example:Square-LawLetXbeanoisevoltagethatisuniformlydistributedinSx={-3,-1,1,3}withpX(k)=1/4.FindE(Y)whereY=X2.TheFirstApproach:findthePMFofYTheSecondApproach:Example:

Expectedvalueofasinusoidalwithrandomphase隨機變量的函數(shù)概率分布和概率密度的確定離散隨機變量的函數(shù)

One-to-OneTransformationMany-to-OneTransformation連續(xù)-離散的變換混合型隨機變量多維隨機變量的函數(shù)學習內(nèi)容:正態(tài)隨機變量二維正態(tài)隨機變量多維正態(tài)隨機變量正態(tài)隨機變量的線性變換教學目的:掌握多維正態(tài)隨機變量的理論,為學習正態(tài)隨機過程打下基礎(chǔ)。多維正態(tài)隨機變量1.NormalRandomVariable(GaussianRV)ThesumoflargenumberofiidrandomvariablesisdistributedtonormalPDF.CDF標準正態(tài)分布IfXhasaRayleighdensity2.JointNormalrandomvariable如果r=0不相關(guān)X1與X2是獨立的對于正態(tài)隨機變量而言,不相關(guān)與獨立是等價的。特征函數(shù):

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論