映射方法:将具体的样本空间映射到数集或者 函数集(传统的方法;概率论中常用)。 直接方法:直接指定样本空间为数集或函数集 当样本空间为一维实数集合时,则称该一维实变量为随机变量。 当样本空间为一维复数集合时,则称该一维复数变量为复随机变量当样本空间为高维实数空间时,则称该高维实数空间为随机向量当样本空间为定义于某个数集上的函数组成,则称该函数集合为随机过程

第2章随机信号分析 2.2随机过程一般描述 2.3平稳随机过程 2.4平稳随机过程的相关函数与功率谱口 2.5高斯过程口 2.6窄带随机过程 2.7正弦波加窄带高斯噪声 2.8随机过程通过线性系统

如果二维随机向量(X,Y)的每个分 量都是离散型随机变量,则称(X,Y)是 二维离散型随机向量. 二维离散型随机向量(X,Y)所有可 能取的值也是有限个或可列无穷个

一、随机变量和分布函数 1.随机变量的概念 基本事件有的是数量性质的,有的不是数量性质,为了更全面,更深入地研究随机现象,需 把试验结果数量化,即在基本事件与数之间建立一种对应关系,我们称这种对应关系为随机变 量

第三讲多维随机变量及其概率分布 内容提要 (1)联合分布函数与边缘分布函数(关系与性质) (2)二维离散型随机变量(联合分布律及性质边缘分布,条件分布,独立性判断) (3)二维连续型随机变量(联合密度函数及性质,概率计算,边缘密度,条件分布及密度,独立性判断) (4)独立随机变量及相关性质(独立性判断,相关计算) (5)随机变量函数的分布(离散场合,连续场合和、商、积与极值的分布) (6)常见的两个二维分布(二维均匀,二维正态以及它们的相关性质)

第二讲随机变量及其概率分布 内容提要 (1)随机变量及其分布函数(分布函数的性质) (2)离散型随机变量的分布律 (3)连续型随机变量的密度函数及概率计算 (4)重要分布的定义及背景(二项分布,超几何分布,几何分布,负二项分布, Poisson分布,均匀分布,指数分布, amma分布,正态分布) (5)随机变量函数的分布(离散场合,连续场合)

随机事件与概率 随机试验概率论的一个基本概念是随机试验.一个试验(或观察)若它的结果预先无法 确定,则称之为随机试验简称为试验ernt)

载有信息的信号是不可预测的,或者说带有某种随机性。干扰信息信号的噪 声更是不可预测的。这些不可预测的信号和噪声都是随机过程。但随机信号和噪 声的不可预测性的意义完全不同。随机信号的不可预测性是它携带信息的能力, 而噪声的不可预测性则是有害的,它将使有用信号受到污染。 在通信系统中,随机过程是重要的数学工具。它在信息源的统计建模、信源 输出的数字化、信道特性的描述以及评估通信系统的性能等方面都是很重要的

第四章随机变量的数字特征 4-2方差 在实际问题中常关心随机变量与均值的 偏离程度,可用EX-EX|,但不方便;所以 通常用E(X-EX)2来度量随机变量X与其均 值EX的偏离程度。 1、定义 设X是随机变量,若E(X-EX)2存在,称其 为随机变量X的方差,记作DX,Var(X),即: DX=Var(X)=E(X-EX) 2.x称为标准差。 DX=E(X-E)2=(x-E)2p,离散型

第三单元连续型随机变量 一、学习目标 通过本节课的学习,了解连续型随机变量的定义和密度函数的性质,会计算相关的概率,并记住两个常见连续型随机变量一均匀分布和指数分布. 二、内容讲解 1.定义3.2连续型随机变量定义