概率论基础PPT

1.2 多维随机变量与条件随机变量
电子科技大学通信学院
35/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
36/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
37/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
38/108
1.2 多维随机变量与条件随机变量
20/108
1.1 概率公理与随机变量
电子科技大学通信学院
21/108
1.1 概率公理与随机变量
电子科技大学通信学院
22/108
1.1 概率公理与随机变量
电子科技大学通信学院
23/108
1.1 概率公理与随机变量
电子科技大学通信学院
24/108
1.1 概率公理与随机变量

随机变量不同于普通变量表现在两点wk.baidu.com：
1.7 随机变量的仿真与实验
电子科技大学通信学院
111/108
15/108
1.1 概率公理与随机变量
电子科技大学通信学院
16/108
1.1 概率公理与随机变量
电子科技大学通信学院
17/108
1.1 概率公理与随机变量
电子科技大学通信学院
18/108
1.1 概率公理与随机变量
电子科技大学通信学院
19/108
1.1 概率公理与随机变量
电子科技大学通信学院
离散变量，常采用分布律；
电子科技大学通信学院
26/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
27/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
28/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
29/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
39/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
40/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
41/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
42/108
1.3 随机变量的函数
电子科技大学通信学院
43/108
1.3 随机变量的函数
第1章 概率论基础
1.1 1.2 1.3 1.4 1.5 1.6 1.7 概率公理与随机变量 多维随机变量与条件随机变量 随机变量的函数 数字特征与条件数学期望 特征函数 典型分布 随机变量的仿真与实验
电子科技大学通信学院
3/108
1.1 概率公理与随机变量
电子科技大学通信学院
4/108
1.1 概率公理与随机变量
随机信号分析
第1章 概率论基础
电子科技大学通信学院
1/108
第1章 概率论基础
本章将复习与总结概率论的基本知识 也扩充一些新知识点，比如：
1) 利用冲激函数表示离散与混合型随机变量的 概率密度函数， 2) 随机变量的条件数学期望 3) 特征函数 4) 瑞利与莱斯分布 5) 随机变量的基本实验方法
电子科技大学通信学院 2/108
电子科技大学通信学院
87/108
1.5 特征函数
电子科技大学通信学院
88/108
1.5 特征函数
电子科技大学通信学院
89/108
1.5 特征函数
电子科技大学通信学院
90/108
1.5 特征函数
电子科技大学通信学院
91/108
1.5 特征函数
电子科技大学通信学院
92/108
1.6典型分布

60/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
61/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
62/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
63/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
64/108
1.4 数字特征与条件数学期望
1.6典型分布
我们常常用到与正态分布函数有关的几种函数：
电子科技大学通信学院
100/108
1.6典型分布

容易证明:
电子科技大学通信学院
101/108
1.6典型分布

8.瑞利与莱斯分布（Rayleigh and Rician）： 瑞利与莱斯分布是正态分布随机变量的 变换结果。它们取值为非负实数，在通信 与电子工程的应用中经常出现，比如，窄 带高斯信号的包络服从瑞利或莱斯分布。
电子科技大学通信学院
102/108
1.6典型分布

9.
分布（Chi-square）：
电子科技大学通信学院
103/108
1.7 随机变量的仿真与实验
Matlab是一种最常用的PC机模拟与仿真软 件，它能方便地产生各种随机数，并进行 基本测量。主要功能： 产生指定分布随机数； 统计均值、方差与直方图（概率密度）； 绘制某种概率分布与密度函数曲线；
变量可以有多个取值，并且永远不能预知它 到底会取哪个值； (2) 变量取值是有规律的，这种规律用概率特性 来明确表述；
(1)
电子科技大学通信学院
25/108
1.1 概率公理与随机变量
因此，凡是讨论随机变量就必然要联系到 它的取值范围与概率特性。 在描述随机变量的概率特性时：

分布函数指明直到x处的累积概率； 密度函数适用于连续取值部分。
电子科技大学通信学院
97/108
1.6典型分布

6.指数分布（Exponential）： 指数分布的取值为非负实数。实际应用中 它经常用于描述一些随机性的等待时间与 间隔。比如，在公交车站等车的时间；顾 客排队等候服务的时间；电话交换机或网 络服务器等待呼叫的时间；设备工作到出 现故障的时间等等。
电子科技大学通信学院
55/108
1.3 随机变量的函数
电子科技大学通信学院
56/108
1.3 随机变量的函数
电子科技大学通信学院
57/108
1.3 随机变量的函数
电子科技大学通信学院
58/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
59/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
电子科技大学通信学院
65/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
66/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
67/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
68/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
69/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
81/108
1.5 特征函数
电子科技大学通信学院
82/108
1.5 特征函数
电子科技大学通信学院
83/108
1.5 特征函数
电子科技大学通信学院
84/108
1.5 特征函数
电子科技大学通信学院
85/108
1.5 特征函数
电子科技大学通信学院
86/108
1.5 特征函数
电子科技大学通信学院
107/108
1.7 随机变量的仿真与实验
电子科技大学通信学院
108/108
1.7 随机变量的仿真与实验

利用Matlab还可以进行符号的与数值的积分运算， 使我们很容易进行统计分析。
电子科技大学通信学院
109/108
1.7 随机变量的仿真与实验
电子科技大学通信学院
110/108
1.6典型分布

4. （离散）均匀分布（Uniform）： 离散均匀分布是N元等概的。常常用到的 古典概型就是离散均匀分布。
电子科技大学通信学院
96/108
~ U (0, 2 )
1.6典型分布

5. 均匀分布（Uniform ）： 实际应用中，均匀的或没有明确偏向性的 物理特性导致均匀分布特性，比如：量化 与截尾噪声一般认为具有均匀分布。此外， 工程中的正弦信号通常具有均匀的相位特 性
电子科技大学通信学院
5/108
1.1 概率公理与随机变量
电子科技大学通信学院
6/108
1.1 概率公理与随机变量
电子科技大学通信学院
7/108
1.1 概率公理与随机变量
电子科技大学通信学院
8/108
1.1 概率公理与随机变量
电子科技大学通信学院
9/108
1.1 概率公理与随机变量
电子科技大学通信学院
电子科技大学通信学院
30/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
31/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
32/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
33/108
1.2 多维随机变量与条件随机变量
电子科技大学通信学院
34/108
1. （0－1）分布、两点分布 （0－1）或两点分布是最简单与离散的，代表 了许多实际的物理现象，比如：掷币试验、 击中与否、有无检验、二元数据等等。
电子科技大学通信学院
93/108
1.6典型分布

2.二项分布（Binomial）：
二项分布的结果共n+1种：整数0～n。它代 表的实例如：连续n次掷币试验后正面的总 数目，n次独立二元检验中总的吻合次数，n 长独立二进制数据串中1的总数，等等。
电子科技大学通信学院
44/108
1.3 随机变量的函数
电子科技大学通信学院
45/108
1.3 随机变量的函数
电子科技大学通信学院
46/108
1.3 随机变量的函数
电子科技大学通信学院
47/108
1.3 随机变量的函数
电子科技大学通信学院
48/108
1.3 随机变量的函数
电子科技大学通信学院
49/108
1.3 随机变量的函数
电子科技大学通信学院
50/108
1.3 随机变量的函数
电子科技大学通信学院
51/108
1.3 随机变量的函数
电子科技大学通信学院
52/108
1.3 随机变量的函数
电子科技大学通信学院
53/108
1.3 随机变量的函数
电子科技大学通信学院
54/108
1.3 随机变量的函数

电子科技大学通信学院
104/108
1.7 随机变量的仿真与实验
电子科技大学通信学院
105/108
1.7 随机变量的仿真与实验
电子科技大学通信学院
106/108
1.7 随机变量的仿真与实验
解： Xi_array=exprnd(0.5, 1,10000); mean(Xi_array) ; % ans =2.0019 var(Xi_array) ; % ans =4. 0939 hist(Xi_array)
电子科技大学通信学院
75/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
76/108
1.5 特征函数
电子科技大学通信学院
77/108
1.5 特征函数
电子科技大学通信学院
78/108
1.5 特征函数
电子科技大学通信学院
79/108
1.5 特征函数
电子科技大学通信学院
80/108
1.5 特征函数
电子科技大学通信学院
94/108
1.6典型分布

3.泊松分布（Poisson）： 泊松分布的结果为非负整数。大量的 实际物理现象近似地符合这种分布，比如： 顾客服务问题中，顾客的数目；误码发生 问题中，误码的数目；网络服务器应用中， 服务请求的次数，故障部件更换中，更换 的次数。
电子科技大学通信学院 95/108
电子科技大学通信学院
70/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
71/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
72/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
73/108
1.4 数字特征与条件数学期望
电子科技大学通信学院
74/108
1.4 数字特征与条件数学期望
10/108
1.1 概率公理与随机变量
电子科技大学通信学院
11/108
1.1 概率公理与随机变量
电子科技大学通信学院
12/108
1.1 概率公理与随机变量
电子科技大学通信学院
13/108
1.1 概率公理与随机变量
电子科技大学通信学院
14/108
1.1 概率公理与随机变量
电子科技大学通信学院
电子科技大学通信学院 98/108
1.6典型分布

7.正态分布（Normal/Gaussian）： 许多随机变量由大量相互独立的随机因素 综合影响所形成，而每一单个因素在总的影 响中的作用是微小的，这类随机变量近似地 服从正态分布。中心极限定理给出了这种现 象的数学解释。
电子科技大学通信学院
99/108