要确定复高斯随机变量的模平方是否服从伽马分布,我们需要对复高斯随机变量的性质进行分析。
复高斯随机变量的定义
设 \( Z \) 是一个复高斯随机变量,表示为:
\[ Z = X + iY \]
其中 \( X \) 和 \( Y \) 是独立同分布的实值高斯随机变量,且均服从均值为零、方差为 \(\sigma^2\) 的正态分布,即 \( X, Y \sim \mathcal{N}(0, \sigma^2) \)。
模平方的分布
复高斯随机变量的模平方 \( |Z|^2 \) 定义为:
\[ |Z|^2 = Z \overline{Z} = (X + iY)(X - iY) = X^2 + Y^2 \]
由于 \( X \) 和 \( Y \) 是独立的正态分布随机变量,我们需要确定 \( X^2 + Y^2 \) 的分布。
1. \(X^2\) 和 \(Y^2\) 的分布
由于 \( X \) 和 \( Y \) 服从 \(\mathcal{N}(0, \sigma^2)\),它们的平方 \( X^2 \) 和 \( Y^2 \) 服从卡方分布(自由度为1),即:
\[ X^2 \sim \sigma^2 \chi^2_1 \]
\[ Y^2 \sim \sigma^2 \chi^2_1 \]
2. \(X^2 + Y^2\) 的分布
由于 \( X \) 和 \( Y \) 是独立的,因此 \( X^2 + Y^2 \) 的分布是两个独立卡方分布的和,其分布为自由度为2的卡方分布:
\[ X^2 + Y^2 \sim \sigma^2 \chi^2_2 \]
我们知道,具有自由度 \( k \) 的卡方分布可以看作是伽马分布 \( \text{Gamma}(\alpha, \beta) \) 的特例,其中 \(\alpha = \frac{k}{2}\) 且 \(\beta = 2\)。因此:
\[ \chi^2_2 \sim \text{Gamma}\left(\frac{2}{2}, 2\right) = \text{Gamma}(1, 2) \]
然后,考虑到 \(\sigma^2\) 的缩放因子,我们有:
\[ \sigma^2 \chi^2_2 \sim \sigma^2 \text{Gamma}(1, 2) = \text{Gamma}(1, 2\sigma^2) \]
因此,模平方 \( |Z|^2 \) 的分布为:
\[ |Z|^2 \sim \text{Gamma}(1, 2\sigma^2) \]
结论
复高斯随机变量 \( Z \) 的模平方 \( |Z|^2 \) 服从参数为 \( (1, 2\sigma^2) \) 的伽马分布。