概率论
文章平均质量分 87
「已注销」
这个作者很懒,什么都没留下…
展开
-
条件概率密度与条件均值
笔者在研究室内定位算法的过程中,有一些论文出现了条件均值。比如x∼f(x)x\sim f(x),那么该变量的均值为 EX=∫+∞−∞xf(x)dx\begin{equation*}EX=\int_{-\infty }^{+\infty }{xf(x)dx}\end{equation*} 现在需要求解E[X|x>a]E\left[ X|x>a \right]。我们将条件均值进行展开 E[X|原创 2016-08-16 13:20:11 · 15023 阅读 · 1 评论 -
高斯随机变量相加得到高斯随机变量的证明
假设X∼N(a,A)X\sim \mathcal{N}(a,A), Y∼N(b,B)Y\sim \mathcal{N}(b,B), 并且XX 与 YY相互独立, 证明 nX+mY∼N(na+mb,n2A+m2B)\begin{equation}nX+mY\sim N(na+mb,n^2A+m^2B)\end{equation} 其中m,nm, n是任意常数,以下分两步给出证明。(1) 假设X原创 2017-05-12 17:01:28 · 9066 阅读 · 4 评论 -
高斯相乘引理及其证明
高斯相乘引理 N(x;a,A)N(x;b,B)=N(0;a−b,A+B)N⎛⎝x;aA+bB1A+1B,11A+1B⎞⎠\begin{equation}\mathcal{N}(x;a,A)\mathcal{N}(x;b,B)=\mathcal{N}(0;a-b,A+B)\mathcal{N} \left({x;\frac{\frac{a}{A}+\frac{b}{B}}{\frac{1}{A}+原创 2017-05-12 19:22:38 · 3411 阅读 · 0 评论 -
高斯噪声与中心极限定理
切比雪夫不等式辛钦大数定律特征函数设随机变量X1,X2,⋯,Xn{{X}_{1}},{{X}_{2}},\cdots ,{{X}_{n}}是相互独立同分布的随机变量序列,且具有相同的数学期望E(Xi)=μ (i=1,2,3,⋯)E({{X}_{i}})=\mu \text{ }(i=1,2,3,\cdots ),作前 个随机变量的算数平均值1n∑i=1nXi\frac{1}{n原创 2016-08-15 05:28:29 · 6124 阅读 · 2 评论 -
似然函数与概率密度函数的区别
在统计学中似然函数(Likelihood function)与概率密度函数(Probability density function)都扮演着重要的角色。本文针对的是其在参数估计(Parameter estimation)中的应用。 现代估计理论在许多设计用来提取信息的电子信号处理系统中都可以找到,这些系统包括 在所有的这些系统中,我们都将面对根据连续时间原创 2017-06-04 16:52:41 · 16866 阅读 · 5 评论 -
Stein引理(Stein's lemma)
Stein’s lemma:假设XXX是均值为μμ\mu,方差σ2σ2\sigma^2的高斯随机变量(Gaussian random variable)。进一步假设映射ggg存在期望E[g(X)(X−μ)]E[g(X)(X−μ)]\mathbb{E}[g(X)(X-\mu)]和E[g′(X)]E[g′(X)]\mathbb{E}[g'(X)],则有 E[g(X)(X−μ)]=σ2E[g′(X)]...原创 2018-06-26 21:25:23 · 10485 阅读 · 1 评论