《随机过程应用》随机变量

最新推荐文章于 2024-01-07 02:10:15 发布

longzu0

最新推荐文章于 2024-01-07 02:10:15 发布

阅读量1.1k

点赞数

分类专栏：其他文章标签：概率论

本文链接：https://blog.csdn.net/longzu233/article/details/120428515

版权

其他专栏收录该内容

5 篇文章 0 订阅

订阅专栏

本文深入探讨了随机变量的概念，包括离散和连续随机变量的定义、概率分布，如伯努利、二项、几何、超几何、泊松分布等。还介绍了期望、方差、独立随机变量的性质以及联合分布和协方差。通过矩母函数，我们可以计算高阶矩并推导出统计特性。最后，讨论了极限定理和马尔可夫不等式在概率论中的重要应用。

摘要由CSDN通过智能技术生成

随机变量

随机变量：定义在样本空间的实值函数。如两次骰子的和。两次硬币出现正面总次数。
可以给随机变量的可能值指定概率。
示性随机变量：如果随机变量I的取值取决于事件E是否发生，则称I为示性随机变量。如I表示：在正面骰子大于3时为1否则为0.

离散随机变量

离散随机变量X的累计分布函数F(b) = P{X<=b}
概率密度函数p(a) = P{X=a}

常见随机变量类型：

伯努利：成功或失败 (p ) EX=p
二项：多次伯努利 (n,p) EX=np
几何：几次实验才出现成功 EX=1/p
超几何：不放回模球
泊松：可以用来近似二项分布(lambda) Ex = lamda
期望：X可能取值的加权和。概率作为权。

连续随机变量

累积分布函数F XX
概率密度函数f XX

常见均匀变量：

均匀：(a,b) EX=(a+b)/2
指数： EX=1/lambda
伽马：(lamda，gama)
正态：
期望：积分 xf(x) dx

随机变量的函数

随机变量的函数：Y=g(X),给定X，有一个Y对应。
Y的期望： $E (g (x)) = \sum g (x) p (x)$
$\int g(x)f(x) dx$
方差：
$var(X) = EX^2 + (EX)^2$

联合分布的随机变量：

联合累积概率分布函数：
$F(a,b) = P\{X<=a, Y<=b\}$
a, b, F(a,b) ，都是实数。
离散：
联合概率质量函数：p(x,y) = P{X=x, Y=Y}
连续：
概率密度函数：
$\int^ a _ {-\infty} \int ^b _ {-\infty} f(x,y)dx$

期望：
注意下面的公式不要求xy独立，任何情况下都成立
$E[g(X,Y)]=\left\{ \begin{aligned} \sum\sum g(x,y)p(x,y) & ,离散\\ \int^ a _ {-\infty} \int ^b _ {-\infty} g(x,y)f(x,y)dxdy &,连续 \end{aligned} \right.$
例如 E(X+Y)=EX+EY （任何情况下都成立）

独立随机变量

独立：如果 P{X<=a,Y<=b}=P{X<=a}P{Y<=b}，则XY独立，或者说Fa和Fb独立。
特别的：
离散：
$p(x,y) = p_{_X} (x)p_{_Y}(y)$
连续：
$f_{_X} (x)f_{_Y}(y) \tag{1}$

特点：
如果XY独立。则：
$E [g (X) h (Y)] = E [g (X)] E [h (Y)]$

协方差

$C o n v (X, Y) = E [X Y] - E [X] E [Y]$
如果XY独立，则协方差为0，如果X增加，使得Y更可能增加，则协方差为正。

协方差的性质：
Conv(X,X) = Var(X)
Conv(X,Y)=Conv(Y,X)
Conv(cX,Y)=cConv(X,Y)
Conv(X,Y+Z)=Conv(X,Y)+Conv(X,Z)
其中：
$Var(X) = E[X^2]-(EX)^2$
称为方差，总体方差。

推论：
$Conv(\sum X_i, \sum Y_i) = \sum \sum Conv( X_i, Y_i)$
$Var(\sum X_i) = \sum Var(X_i)+ \sum_{i=1}\sum_{j\ne i}{Conv(Xi,Yj)}$

$Var(\sum X_i) = \sum Var(X_i), if ~Xi独立同分布$

p41-42

当XY独立，可以计算出X+Y的分布。
$F_{X+Y}(a)=P\{X+Y \le a \}\\ =\iint_{x+y \le a} f(x,y)dxdy ~（由公式(1)）\\ =\iint_{x+y \le a} f(x)g(y)dxdy \\ =\int_{-\infty}^ \infty F_X(a-y)g(y)dy$
微分得：
$f_{X+Y}(a)=\int_{-\infty}^ \infty f(a-y)g(y)dy$