当前课程知识点:概率论与数理统计 > 第3章 多维随机变量及其分布 > 随机变量和的分布 > 拓展知识
本节中,我们学习了利用分布函数法求取二维随机变量 \( (X,Y) \) 的函数 \( Z=G(X,Y) \) 的分布,并且得到了随机变量 \( Z=X+Y \) 的分布律(密度)公式。
离散场合:
\[
P\{Z=z_{k}\}=\sum_{i=1}^{+\infty}P\{X=x_{i},Y=z_{k}-x_{i}\}=\sum_{j=1}^{+\infty}P\{X=z_{k}-y_{i},Y=y_{j}\}
\tag{1}\]
当 \( X \) 与 \( Y \) 独立时,
\[
P\{Z=z_{k}\}=\sum_{i=1}^{+\infty}P\{X=x_{i}\}P\{Y=z_{k}-x_{i}\}=\sum_{j=1}^{+\infty}P\{X=z_{k}-y_{i}\}P\{Y=y_{j}\}
\tag{2}\]
连续场合:
\[
f_{Z}(z)=\int_{-\infty}^{+\infty}f(x,z-x)dx=\int_{-\infty}^{+\infty}f(z-y,y)dy
\tag{3}\]
当 \( X \) 与 \( Y \) 独立时,
\[
f_{Z}(z)=\int_{-\infty}^{+\infty}f_{X}(x)f_{Y}(z-x)dx=\int_{-\infty}^{+\infty}f_{X}(z-y)f_{Y}(y)dy
\tag{4}\]
特别的,公式(2)、(4)称为卷积公式。(4)可记作
\[
f_{Z}=f_{X}(z-y)*f_{Y}(y)
\]
卷积是一种非常重要的运算,在诸多领域均有应用,例如,在统计学中,加权的滑动平均是一种卷积。在概率论中,两个统计独立变量 \( X \) 与 \( Y \) 的和的概率密度函数是 \( X \) 与 \( Y \) 的概率密度函数的卷积。在声学中,回声可以用源声与一个反映各种反射效应的函数的卷积表示。在电子工程与信号处理中,任一个线性系统的输出都可以表示为输入信号与系统函数(系统的冲激响应)的卷积。在物理学中,任何一个线性系统(符合叠加原理)都存在卷积。
一、一些重要结论
独立变量的线性可加性: 常见分布中的二项分布、负二项分布、泊松分布、正态分布、\( \Gamma \) 分布(伽玛分布)和卡方分布都具有独立可加性,都可利用卷积公式加以证明。而两点分布、几何分布、均匀分布及指数分布等不具有独立可加性。
① \( X,Y \) 相互独立且 \( X\sim B(m,p) \),\( Y\sim B(n,p) \),则 \( X+Y\sim B(m+n,p) \);
② \( X,Y \) 相互独立且 \( X\sim NB(m,p) \),\( Y\sim NB(n,p) \),则 \( X+Y\sim NB(m+n,p) \);
③ \( X,Y \) 相互独立且 \( X\sim P(\lambda_{1}) \),\( Y\sim P(\lambda_{2}) \),则 \( X+Y\sim P(\lambda_{1}+\lambda_{2}) \);
④ \( X,Y \) 相互独立且 \( X\sim N(\mu_{1},\sigma_{1}^2) \),\( Y\sim N(\mu_{2},\sigma_{2}^2) \),则 \( X+Y\sim N(\mu_{1}+\mu_{2},\sigma_{1}^2+\sigma_{2}^2) \);
⑤ \( X,Y \) 相互独立且 \( X\sim \Gamma (n_{1},\lambda) \),\( Y\sim\Gamma(n_{2},\lambda) \),则 \( X+Y\sim\Gamma(n_{1}+n_{2},\lambda) \);
⑥ \( X,Y \) 相互独立且 \( X\sim\chi^2(n_1) \) (自由度为 \( n_1 \) 的卡方分布),\( Y\sim\chi^2(n_2) \),则 \( X+Y\sim\chi^2(n_1+n_2) \)。
独立同分布的变量之和的性质:
① \( X_1,X_2,\cdots,X_n \) 独立同分布于两点分布且 \( B(1,p) \),则 \( X_1+X_2+\cdots +X_n \) 则服从二项分布 \( B(n,p) \);
② \( X_1,X_2,\cdots,X_n \) 独立同分布于几何分布且 \( Geo(p) \),则 \( X_1+X_2+\cdots +X_n \) 则服从负二项分布 \( NB(n,p) \);
③ \( X_1,X_2,\cdots,X_n \) 独立同分布于指数分布且 \( \Gamma(1,\lambda) \),则 \( X_1+X_2+\cdots +X_n \) 则服从伽玛分布 \( \Gamma(n,\lambda) \)。
二、卷积的几何意义------图解法计算卷积
卷积、旋积或摺积(英语:Convolution)是通过两个函数 \( f \) 和 \( h \)
生成第三个函数的一种数学算子,表征函数 \( f \) 与 \( h \) 经过翻转和平移的重叠部分的面积。
示例: \( f,h \) 如下图,求 \( y(t)=h(t)*f(t)=\int_{-\infty}^{+\infty}h(\tau)f(t-\tau)d\tau \)。
第1步:\( f(\tau) \) 反折得 \( f(-\tau) \)
第2步: \( f(-\tau) \) 平移 \( t \) (5种情况)
第3步:曲线相乘\( h(\tau)f(t-\tau) \)
第4步:积分 \( y(t)=\int_{t-1}^{t}h(\tau)f(t-\tau)d\tau \)
第4步的具体计算过程及结果如下:
(1) 当 \( t<0 \) , \( f(t-\tau) \) 向左移,\( f(t-\tau)h(\tau)=0 \) ,故 \( y(t)=0. \)
(2) 当 \( 0\leq t\leq 1 \),\( f(t-\tau) \) 向右移,\( y(t)=\int_{0}^{t}\tau \frac{1}{2}d\tau=\frac{1}{4}t^2. \)
(3) 当 \( 1\leq t\leq 2 \),\( y(t)=\int_{t-1}^{t}\tau \frac{1}{2}d\tau=\frac{1}{2}t-\frac{1}{4}. \)
(4) 当 \( 2\leq t\leq 3 \),\( y(t)=\int_{t-1}^{2}\tau \frac{1}{2}d\tau=-\frac{1}{4}t^2+\frac{1}{2}t+\frac{3}{4}. \)
(5) 当 \( t>3 \) ,,\( f(t-\tau)h(\tau)=0 \),故 \( y(t)=0. \)
三、一维信号滤波
滤波一词起源于通信理论,它是从含有干扰的接收信号中提取有用信号的一种技术。例如用雷达跟踪飞机,测得的飞机位置的数据中,含有测量误差及其他随机干扰,要利用这些数据尽可能准确地估计出飞机在每一时刻的位置、速度、加速度等,并预测飞机未来的位置,就是一个滤波与预测问题。
示例:一维信号分解。
现有一维数字信号 \( \{x_{k}\} \) 及两个离散滤波器(卷积算子) \( H \) 和 \( L \),其冲击响应分别为 \( h \) 和 \( l \):
\[ h = ( \cdots 0 \cdots \mathop {\underbrace{ - 1/2\quad 1/2}}\limits_{k =-1,0} \cdots 0 \cdots ),l = ( \cdots 0 \cdots \mathop {\underbrace{ 1/2\quad 1/2}}\limits_{k =-1,0} \cdots 0 \cdots ) \]
信号分解:
信号 \( \{x_{k}\} \) 通过滤波器 \( H \),输出信号为 \( H(x):=h*x \),即得信号 \( \{x_{k}\} \) 的高频细节 \( (h*x)_{2k}=\sum_{n}x_{n}l_{2k-n}=\frac{1}{2}x_{2k}-\frac{1}{2}x_{2k+1} \);
信号 \( \{x_{k}\} \) 通过滤波器 \( L \),输出信号为 \( L(x):=l*x \),即得信号 \( \{x_{k}\} \) 的低频概貌信息 \( (l*x)_{2k}=\sum_{n}x_{n}l_{2k-n}=\frac{1}{2}x_{2k}+\frac{1}{2}x_{2k+1} \);
设 \( \{x_{k}\}=\{64,2,34,61,60,6,7,57,34,46,2431\} \),即
则 \( (h*x)_{2k}=\sum_{n}x_{n}h_{2k-n}=\frac{1}{2}x_{2k}-\frac{1}{2}x_{2k+1}=\{16,-13.5,27,-25,-6,-3.5\} \) ------细节 \( (l*x)_{2k}=\sum_{n}x_{n}l_{2k-n}=\frac{1}{2}x_{2k}+\frac{1}{2}x_{2k+1}=\{33,47.5,33,32,40,27.5\} \) ------概貌(主色调)即
-课程发展概况及概率的三要素
--讲义下载
--拓展知识
-第一章第一节测试题
-古典概率
--讲义下载
--拓展知识
-第一章第二节测试题
-几何概率
--讲义下载
--拓展知识
-第一章第三节测试题
-条件概率与乘法公式
--讲义下载
--拓展知识
-第一章第四节测试题
-全概率公式
--讲义下载
--拓展知识
-第一章第五节测试题
-贝叶斯公式
--讲义下载
--拓展知识
-第一章第六节测试题
-事件的独立性及应用
--讲义下载
--拓展知识
-第一章第七节测试题
-讨论
--“三门”问题
-第一章测试题
-随机变量及其分布
--讲义下载
--拓展知识
-第二章第一节测试题
-一类离散型随机变量的分布
--讲义下载
--拓展知识
-第二章第二节测试题
-泊松分布及泊松定理
--讲义下载
--拓展知识
-第二章第三节测试题
-均匀分布与指数分布
--讲义下载
--拓展知识
-第二章第四节测试题
-正态分布
--讲义下载
--拓展知识
-第二章第五节测试题
-连续型随机变量函数的分布
--讲义下载
--拓展知识
-第二章第六节测试题
-讨论
--分布之间关系
-第二章测试题
-多维随机变量及分布(一)
--讲义下载
--拓展知识
-第三章第一节测试题
-多维随机变量及分布(二)
--讲义下载
--拓展知识
-第三章第二节测试题
-边缘分布律和边缘密度
--讲义下载
--拓展知识
-第三章第三节测试题
-条件分布与随机变量的独立性
--讲义下载
--拓展知识
-第三章第四节测试题
-随机变量极值的分布
--讲义下载
--拓展知识
-第三章第五节测试题
-随机变量和的分布
--讲义下载
--拓展知识
-第三章第六节测试题
-数形结合求解函数的分布
--讲义下载
--拓展知识
-第三章第七节测试题
-讨论
--分布类的和不变性
-第三章测试题
-数学期望和方差的定义
--讲义下载
--拓展知识
-第四章第一节测试题
-数学期望和方差的应用
--讲义下载
--拓展知识
-第四章第二节测试题
-数学期望的线性性质及应用
--讲义下载
--拓展知识
-第四章第三节测试题
-方差的性质与协方差
--讲义下载
--拓展知识
-第四章第四节测试题
-标准化与相关系数
--讲义下载
--拓展知识
-第四章第五节测试题
-讨论
-第四章测试题
-大数定律
--课程讲义下载
--拓展知识
-第五章第一节测试题
-中心极限定理
--讲义下载
--拓展知识
-第五章第二节测试题
-讨论
--用电量的正态假设
-第五章测试题
-数理统计的基本概念
--讲义下载
--拓展知识
-第六章第一节测试题
-单样本均值统计量的分布
--讲义下载
--拓展知识
-第六章第二节测试题
-单样本方差统计量的分布
--讲义下载
--拓展知识
-第六章第三节测试题
-讨论
--保险损失分布
-第六章测试题
-什么是参数估计
--讲义下载
--拓展知识
-第七章第一节测试题
-矩估计
--讲义下载
--拓展知识
-第七章第二节测试题
-似然原理与似然函数
--讲义下载
--拓展知识
-第七章第三节测试题
-连续型分布的似然估计
--讲义下载
--拓展知识
-第七章第四节测试题
-一类离散总体的似然估计
--讲义下载
--拓展知识
-第七章第五节测试题
-区间估计
--讲义下载
--拓展知识
-第七章第六节测试题
-讨论
--湖中有多少条鱼?
-第七章测试题
-假设检验的基本原理
--讲义下载
--拓展知识
-第八章第一节测试题
-两类错误
--讲义下载
--拓展知识
-第八章第二节测试题
-正态总体均值的检验
--讲义下载
--拓展知识
-第八章第三节测试题
-正态总体方差的检验
--讲义下载
--拓展知识
-第八章第四节测试题
-卡方拟合检验
--讲义加载
--拓展知识
-第八章第五节测试题
-讨论
-第八章测试题
-一元线性回归(最小二乘估计)
--讲义下载
--拓展知识
-第九章第一节测试题
-一元线性回归(相关系数检验)
--讲义下载
--拓展知识
-第九章第二节测试题
-讨论
--火灾损失的因素
-第九章测试题