随机过程及应用(一) - 特征函数
来源:互联网 发布:淘宝天猫客服工作流程 编辑:程序博客网 时间:2024/06/07 02:32
随机过程及应用-特征函数(Stocbastic Processes With Its Applications ):
|| **1.通过随机变量来描述随机现象,由随机变量的分布函数来了解它的统计规律,引进随机过程理论对时间改变的随机现象进行研究,问题将显得十分复杂; || **2.为简化计算量,将傅里叶变换引入并用于分布函数(概率分布、分布律),就产生了* 特征函数 *,经概率论乃至随机过程的理论研究提升至前所未有的新局面!
1.1 一维特征函数定义及实例
设X,Y 是实随机变量,定义复随机变量Z=X+Y ,其中j=−1−−−√ ,定义其数学期望为特别的,根据欧拉公式,有E(Z)=E(X)+jE(Y), (1) E(ejuX)=E(cosuX)+jE(sinuX) (1) =∫+∞−∞cosuxdF(x)+jsinuxdF(x) (1) =∫+∞−∞ejuxdF(x) - 此式即关于分布函数F(x)的 傅里叶-斯蒂阶 变换
- 因对任意的
u∈R,cosux 和sinux 关于x 来说,均为有界连续函数,故对任意随机变量X ,E(ejuX) 总存在,而且是关于实变量u 的函数。
- 因对任意的
- 下面是二项分布
X−B(n,p) P{X=k}=Ckn(1−p)n−k, k=0,1,...,n
特征函数为φ(u)=E(ejuX)=∑kejuxkpk =∑kejukCknpk(1−p)n−k =∑kCkn(peju)k(1−p)n−k, u∈R.
到这一步相信很多人已经看出来或者看不出来了,应用 *二项式展开定理* 上式可化为(q+peju)n
最后整理一下:φ(u)=(q+peju)n, u∈R
- 下面是二项分布
0 0
- 随机过程及应用(一) - 特征函数
- MarkDown Letex编码 之 随机过程及应用-特征函数
- 随机过程回顾(一)
- 随机过程笔记(一)
- 随机过程及应用(二) - E[X|Y] = E[Y E[X|Y]]证明
- 【Derivation】随机过程及应用(三) - 高斯分布/正态分布的期望和方差
- opencv之轮廓特征属性及应用(一)
- Deep Learning in Customer Churn Prediction (一) (提升平衡随机森林及特征构建)
- SQL之随机函数及游标应用示例
- java中随机函数的使用及简单应用
- C++随机函数应用
- 随机函数的应用
- 随机过程建模及随机模拟
- MarkDown Letex 编码 之 随机过程及应用(二) - E[X|Y] = E[Y E[X|Y]]证明
- 【matlab】MarkDown Letex 编码 之 随机过程及应用(三) - 高斯分布/正态分布的期望和方差
- SIFT特征提取及应用
- 随机过程及其在金融领域中的应用 第二章 习题 及 答案
- 随机过程及其在金融领域中的应用 第三章 习题 及 答案
- Servlet web项目中 使用XML技术的时候的错误
- IOS开发之协议和代理
- PCB原理图的设计
- Kinect学习笔记二DepthFrame
- Android Studio安装导致Myeclipse 2014Android SDK无法使用
- 随机过程及应用(一) - 特征函数
- C语言_密码不回显+"*"函数
- 腾讯笔试编程题--小Q上厕所
- NOIP提高组知识要点(搭建中)
- 最经典的java 23种设计模式及具体例子
- 百度云管家登录时提示密码错误
- 配置eclipse使用gradle本地包
- java单链表实现
- iOS开发之protocol和delegate