隨機信號分析——概率 - 子木的文章 - 知乎 https://zhuanlan.zhihu.com/p/40316711

一、概率論

1.1 概率空間（,,）：樣本空間??+事件域??+事件??的概率?

1.1.1常見隨機現象的模型：

古典概率、幾何概率、統計概率

1.1.2三個基本性質：

(1)0??1;

(2)=1,=0;

(3)若??、??、???是兩兩互不相交的事件則有

1.2 條件概率空間

1.2.1 條件概率

1.2.2 全概率公式

若事件是樣本空間S的一個劃分，則有

由條件概率公式得：

1.2.3 貝葉斯公式

1.2.4 獨立事件，統計獨立

在概率空間（,,）中，??、，且，若??則稱事件??隨機獨立于事件??（簡稱獨立于）。

兩事件的互斥和統計獨立是兩個完全不同的概念。

1.3 隨機變量及其概率分布函數

1.3.1 隨機變量

由于數學分析不能直接利用來研究集合函數。故，在集合函數與數學分析中研究的點函數間建立起某種聯系。

隨機變量就是原樣本空間??到一個新的樣本空間??的一種映，這種對應關系在概率空間（,,）稱之為隨機變量，用??表示。

1.3.2 離散型隨機變量及其?分布列

隨機變量??只可能取有限個或一串值。

兩個性質：

(1)?

(2)?

1.3.3 連續型隨機變量及其?密度函數

隨機變量?的值不是集中在有限個或可列無窮個點上。

兩個性質：

（1）?

（2）?

1.3.4 分布函數及其性質

1.??為非負，單調遞增函數，即若???，則

，且

2.右連續性，即

?。

3.令，則

?。

還有一種既不是離散型也不是連續型的隨機變量，稱之為混合型隨機變量。

1.4 多維隨機變量及其分布函數

n個隨機變量的總體稱為n維隨機變量。

1.4.1 二位分布函數及其基本性質

一.?二維聯合分布函數：

4個基本性質：

1.分別對x，y單調遞增；

2.對每個變量為右連續；

3.?

4.

二，離散型概率分布函數

三， 連續型分布函數

1.4.2 邊沿分布

?分別為??的密度函數。

1.4.3 相互獨立的隨機變量與條件分布

（一）， 相互獨立的隨機變

1.設??是兩個隨機變量，若對任意實數??有

則稱??為相互獨立的隨機變量。

若??是的聯合分布函數，則上式等價于

若??是連續型隨機變量，其密度函數滿足

聯合密度決定了邊沿密度，而邊沿密度不能決定聯合密度。

（二），條件分布與條件密度函數

?條件下，??的條件概率密度:

?條件下，??的條件概率密度:

1.5 隨機變量函數的分布

1.5.1 一維隨機變量函數的分布

設Y和X存在單調函數關系，并存在反函數??，此時，

若??位于??很小的一個區間內，則??必位于??的一個相應區間內。實質上他們是同一個隨機事件，概率相等。即

則

1.5.2 二維隨機變量函數的分布

（一）.?設
雅可比行列式：

（二）.一些利用聯合變量推導出的隨機變量

1.兩個獨立正態隨機變量??,其和??也是正態隨機變量。

2.兩個獨立正態隨機變量具有相同的柯西分布，如

其和??也是柯西分布的隨機變量。

1.5.3 二維正態隨機變量函數的變換

（一）.平面直角坐標上兩個彼此獨立的正態分布的隨機變量，經極坐標變換成隨機變量后，其模服從瑞利分布，相位??服從均勻分布，且Z，也是相互獨立的隨機變量。

(二).借助于坐標的旋轉變換可將兩個彼此獨立的正態隨機變量變換成兩個相關的正態隨機變量。反之，如果兩個正態隨機變量是彼此相關的，也可借助坐標旋轉某一個角度使其變為兩個獨立的正態隨機變量。

1.6 隨機變量的數字特征

1.6.1 統計平均值與隨機變量的期望值

算術平均?

數學期望??,或

1.6.2 隨機變量函數的期望值

1.6.3 條件數學期望

由此可得

1.6.4 隨機變量的各階矩

1.k階原點矩

2.k階中心矩

3.聯合矩

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的随机信号知识点总结的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。