5G标准下的蜂窝网络正在向异构化、超密集化的方向发展，传统的基于六边形网格模型的研究方法较为理想化且并不精确，越来越不适用于如今的异构网络.针对这个问题，目前常用的方法是使用基于随机几何的泊松点过程来研究异构网络的基站部署，这种方法假设基站的空域分布完全随机，因此得到了覆盖概率的理论下界.但是由于宏蜂窝边缘（盲区）以及热点地区（忙区）等特殊区域中，站点的分布可能形成簇，此时，基于泊松点过程的空域分布将不再准确.针对这个问题，本文使用泊松簇过程研究三层异构蜂窝网络的基站部署与规划.首先，提出基于泊松簇过程的基站部署系统模型，讨论了基于簇分布的基站形成过程；其次，在充分分析用户受到的聚集干扰基础上，采用基于瞬时信干噪比的小区选择机制，推导出了中断概率模型，并讨论了三种特殊条件下的中断概率；最后，通过仿真对比分析了基于泊松簇过程与泊松点过程的中断概率的差异以及信干噪比阈值变化时的中断概率的变化曲线，证明了基于簇的空域基站部署具有更低的中断概率

我们在第一章就已经知道，推论统计有两个基本内容：①假设检验；②参数估计。有了概率和概率分布的知识，接下来我们要逐步掌握统计检验的一般步骤。既然按照数学规则得到的概率都不能用经验方法准确求得，于是，理论概率和经验得到的频率之间肯定存在某种差别，这就引出了实践检验理论的问题。随机变量的取值状态不同，其概率分布的形式也就不同。本章我们不仅要引出二项分布和正态分布这两个著名的概率分布，并且要将它们与抽样调查联系起来，以领会统计检验，并逐步拓宽其应用面。 第一节 二项分布 第二节 统计检验的基本步骤 第三节 正态分布 第四节 中心极限定理 第五节 总体均值和成数的单样本检验

推论统计有两个基本内容：①假设检验；②参数估计。有了概率和概率分布的知识，接下来我们要逐步掌握统计检验的一般步骤。既然按照数学规则得到的概率都不能用经验方法准确求得，于是，理论概率和经验得到的频率之间肯定存在某种差别，这就引出了实践检验理论的问题。随机变量的取值状态不同，其概率分布的形式也就不同。本章我们不仅要引出二项分布和正态分布这两个著名的概率分布，并且要将它们与抽样调查联系起来，以领会统计检验，并逐步拓宽其应用面

本章是推断统计的基础。主要内容包括：基础概率，概率的数学性质，概率分布、期望值与变异数推断统计研究如何依据样本资料对总体性质作出推断，这是以概率论为基础的

一．概率的公理化定义 二．概率的性质

2002-2003学年第二学期概率论与数理统计(B)期末考试试卷答案 一.(本题满分35分,共有5道小题,每道小题7分) 1.设A、B、C是三个随机事件,且P(A)=PB)=P(C)=,p(b)=,P(C)= P(AC)=0.试求A、B、C这三个随机事件中至少有一个发生的概率. 解: 所求概率为P(A∪BC).由概率的加法公式得 (AUBUC)=P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC). 由于 ABC AC,由概率的单调性、非负性及题设中的条件,得0≤P(ABC)P(AC)

1、理解随机事件和样本空间的概念，熟练掌握事件之间的关系与基本运算； 2、理解事件频率的概念，了解随机现象的统计规律性； 3、理解古典概率的定义，了解概率的统计定义、几何概率的定义，知道概率的公理化定义；

第一章 随机事件和概率 随机试验 样本空间、随机事件 频率和概率 古典概型 几何概型 概率的公理化结构 条件概率 事件的独立性 贝努里概型 第二章 离散型随机变量及其分布 随机变量的概念 一维离散型随机变量的分布律 二维离散型随机变量 离散型随机变量函数的分布律 第三章 连续型随机变量及其分分布函数 一维连续性随机变量及其分布 二维连续性随机变量及其分布 连续性随机变量函数的密度函数 第四章 随机变量的数字特征 数学期望 方差 协方差和相关系数 矩 几个重要随机变量的期望和方差 第五章 大数定律与中心极限定理 依概率收敛 大数定律 依分布收敛 中心极限定理

I.什么是古典概率模型 如果试验E满足 (1)试验结果只有有限种, (2)每种结果发生的可能性相同。 则称这样的试验模型为等可能概率模型或 古典概率模型,简称为等可能概型或古典 概型

7.2概率的基本公式 7.2.1互斥事件概率的加法公式 7.2.2任意事件概率的加法公式 7.2.3条件概率 7.2.4乘法公式