矩母函数,概率生成函数, 随机变量的变换方法

这个标题真帅

    • Thanks Ni Zihan.
  • 随机变量的变换方法总结
  • 概率生成函数 (probability-generating function, PGF)
  • 矩母函数(Moment Generating Function , MGF)
    • 矩母函数详细介绍
  • 特征函数

Thanks Ni Zihan.

随机变量的变换方法总结

(Thanks Dr. Ni Zihan)

时域信号和频域信号是等价的, 给出时域信号可以算出频域信号, 给出频域信号也可以算出时域信号. 同理拉普拉斯域和时域也是等价的, z 变换域与时域也是等价的. 利用上述三种变换可以简化信号与系统处理的复杂计算量…

那么随机变量的处理中是否也存在着变换的方法呢?

那么使用连续随机变量的概率密度函数的傅里叶变换和拉普拉斯变换以及离散随机变量的概率分布函数的傅里叶变换和 z 变换, 也可以仿照信号与系统的处理手段, 对概率密度函数或者概率分布函数进行简化计算处理.

1/ 连续随机变量的概率密度函数的拉普拉斯变换被称为矩母函数 (Moment Generating Function, MGF). [但是这里有一个小注意事项, 矩母函数定义中所描述的拉普拉斯变换不是我们信号与系统学的拉普拉斯变换公式, 这里的公式需要把信号与系统中拉普拉斯变换中的 e − s t e^{-s t} est 改成 e s t ] \left.e^{s t}\right] est]

2/ 离散随机变量的概率分布函数的 z 变换被称为概率生成函数 (Probability Generating Function, PGF). [但是这里有一个小注意事项, 概率生成函数定义中所描述的 z 变换不是我们信号与系统学的 z 变换公式, 需要我们把信号与系统学的 z 变换公式中的 z − n z^{-n} zn 改成 z n z^{n} zn , 求和下限改成 0 ]

3/ 连续性或离散型随机变量的概率密度函数或概率分布函数的连续时间傅里叶变换或离散时间傅里叶变换成为特征函数 (Characteristic Function, CF). [但是这里有一个小注意事项, 特征函数定义中所描述的傅里叶变换不是我们信号与系统学的傅里叶变换公式, 这里的公式需要把信号与系统中傅里叶变换中的 e − j ω t 改成 e j ω t e^{-j \omega t} 改成 e^{j \omega t} et改成et , 离散的就是 e − j ω n e^{-j \omega n} ejωn 改成 e j ω n e^{j \omega n} ejωn.


概率生成函数 (probability-generating function, PGF)

面对这样一个问题,A服从均匀分布,B服从指数分布,C服从另一个高斯分布。则 A*B + C应该是什么分布呢?是否有办法求出其特征的闭式解?

概率生成函数就是这样一个工具,可以用来求解两个连续随机变量乘积的分布。而对于两个连续随机变量和的分布,可以采用卷积公式。

 我们已经说过, 离散型 随机变量的概率分布函数的’  z  变换’ 称为概率生成函数, 下面给出定义式  \text { 我们已经说过, 离散型 随机变量的概率分布函数的' } z \text { 变换' 称为概率生成函数, 下面给出定义式 }  我们已经说过离散型 随机变量的概率分布函数的’ z 变换’ 称为概率生成函数下面给出定义式 
G X ( z ) = E [ z X ] = ∑ n = 0 ∞ z n P ( X = n ) = P ( X = 0 ) + z P ( X = 1 ) + z 2 P ( X = 2 ) + ⋯ \begin{aligned} G_{X}(z) & =E\left[z^{X}\right]=\sum_{n=0}^{\infty} z^{n} P(X=n) \\ & =P(X=0)+z P(X=1)+z^{2} P(X=2)+\cdots \end{aligned} GX(z)=E[zX]=n=0znP(X=n)=P(X=0)+zP(X=1)+z2P(X=2)+

这里我强调一下收玫域. 对于 z 变换, 右边信号的收玫域为 ∣ z ∣ > r |z|>r z>r, 左边信号的收玫域为 ∣ z ∣ < r |z|<r z<r.我们这里使用的’ z 变换’ 是把 z − n z^{-n} zn 改成 z n z^{n} zn 的’ z 变换’. 上面的结论也正好反过来, 而且我们的’ z 变换’ 是 n ≥ 0 n \geq 0 n0 (理解成右边信号) 的’ 单边 z 变换’, 所以实际上 PGF 的收玫域结构是 ∣ z ∣ < r |z|<r z<r . 再加上概率分布函数一定绝对可和, 其必有傅里叶变换, 所以其收玫域必定包含单位圆 ∣ z ∣ = 1 |z|=1 z=1 . 综上所述 PGF 的收玫域结构为 ∣ z ∣ < r , r > 1 |z|<r, r>1 z<r,r>1 . 我们考虑一下, 一个参数为 λ \lambda λ 的泊松分布的的 PGF:

G X ( z ) = E [ z X ] = ∑ n = 0 ∞ z n P ( X = n ) = ∑ n = 0 ∞ z n λ n e − λ n ! = e − λ ∑ n = 0 ∞ ( z λ ) n n ! = e − λ e z λ = e λ ( z − 1 ) \begin{aligned} G_{X}(z) & =\mathrm{E}\left[z^{X}\right] \\ & =\sum_{n=0}^{\infty} z^{n} \mathrm{P}(X=n) \\ & =\sum_{n=0}^{\infty} z^{n} \frac{\lambda^{n} e^{-\lambda}}{n !} \\ & =e^{-\lambda} \sum_{n=0}^{\infty} \frac{(z \lambda)^{n}}{n !} \\ & =e^{-\lambda} e^{z \lambda}=e^{\lambda(z-1)} \end{aligned} GX(z)=E[zX]=n=0znP(X=n)=n=0znn!λneλ=eλn=0n!(zλ)n=eλezλ

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/203293.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【WPF】扫描的方式发现局域网中的Android设备

C#部分 扫描局域网的IP地址范围 检查每个IP地址是否可达 using System.Net; using System.Net.Sockets;public static class NetworkScanner {public static List<IPAddress> ScanLocalNetwork(){List<IPAddress> devices new List<IPAddress>();string lo…

AI伦理专题报告:2023年全球人工智能伦理治理报告

今天分享的是人工智能系列深度研究报告&#xff1a;《AI伦理专题报告&#xff1a;2023年全球人工智能伦理治理报告》。 &#xff08;报告出品方&#xff1a;钛媒体&#xff09; 报告共计&#xff1a;239页 摘要 人工智能(ArtificialIntelligence)作为新一轮科技革命和产业变…

vscode 安装插件

打开VSCode编辑器&#xff0c;点击左侧的扩展图标&#xff08;或使用快捷键CtrlShiftX&#xff09;打开扩展面板。 vue插件 在搜索框中输入"Vue"&#xff0c;会显示出一系列与Vue相关的插件。 1. "Vetur"是一个非常强大的Vue开发插件&#xff0c;它提供…

在 Node-RED 中引入 ECharts 实现数据可视化

Node-RED 提供了强大的可视化工具&#xff0c;而通过引入 ECharts 图表库&#xff0c;您可以更直观地呈现和分析数据。在这篇博客中&#xff0c;我们将介绍两种在 Node-RED 中实现数据可视化的方法&#xff1a;一种是引入本地 ECharts 库&#xff0c;另一种是直接使用 CDN&…

springboot(ssm电商个性化推荐系统 在线销售系统Java(codeLW)

springboot(ssm电商个性化推荐系统 在线销售系统Java(code&LW) 开发语言&#xff1a;Java 框架&#xff1a;ssm/springboot vue JDK版本&#xff1a;JDK1.8&#xff08;或11&#xff09; 服务器&#xff1a;tomcat 数据库&#xff1a;mysql 5.7&#xff08;或8.0&…

网络和Linux网络_11(数据链路层)以太网(MAC帧)协议+局域网转发+ARP协议

目录 1. 以太网协议 1.1 MAC地址 1.2 以太网帧格式 2. 局域网转发原理 2.1 数据碰撞和交换机 2.2 最大传输单元MTU 3. ARP协议 3.1 ARP协议格式 3.2 模拟APR协议工作过程 3.3 ARP缓存表 4. 重看TCP/IP四层模型 本篇完。 1. 以太网(MAC帧)协议 网络层的IP协议并不是…

Flink基础之DataStream API

流的合并 union联合&#xff1a;被unioin的流中的数据类型必须一致connect连接&#xff1a;合并的两条流的数据类型可以不一致 connec后&#xff0c;得到的是ConnectedStreams合并后需要根据数据流是否经过keyby分区 coConnect: 将两条数据流合并为同一数据类型keyedConnect …

泛洪填充(Flood Fill)

图像形态学是图像处理中的一种基础技术&#xff0c;泛洪填充&#xff08;Flood Fill&#xff09;是其中的一种操作&#xff0c;用于在图像中填充特定区域。 原理和作用 原理 泛洪填充是基于种子点开始的区域生长算法。它从一个种子点开始&#xff0c;通过选择相邻像素并根据一…

什么是数据清洗、特征工程、数据可视化、数据挖掘与建模?

1.1什么是数据清洗、特征工程、数据可视化、数据挖掘与建模&#xff1f; 视频为《Python数据科学应用从入门到精通》张甜 杨维忠 清华大学出版社一书的随书赠送视频讲解1.1节内容。本书已正式出版上市&#xff0c;当当、京东、淘宝等平台热销中&#xff0c;搜索书名即可。内容涵…

Jtti:网站服务器如何预防CC攻击?

CC攻击主要通过大量的请求或连接不断地向目标网站服务器发送流量&#xff0c;以消耗其带宽、资源和处理能力。为了有效应对CC攻击&#xff0c;以下是一些关键的防御策略&#xff1a; 1.使用防火墙 安装和配置一个强大的防火墙是预防CC攻击的首要步骤。防火墙可以根据IP地址、用…

python HTML文件标题解析问题的挑战

引言 在网络爬虫中&#xff0c;HTML文件标题解析扮演着至关重要的角色。正确地解析HTML文件标题可以帮助爬虫准确地获取所需信息&#xff0c;但是在实际操作中&#xff0c;我们常常会面临一些挑战和问题。本文将探讨在Scrapy中解析HTML文件标题时可能遇到的问题&#xff0c;并…

微软 Power Platform 零基础 Power Pages 网页搭建高阶实际案例实践(四)

微软 Power Platform 零基础 Power Pages 网页搭建教程之高阶案例实践学习&#xff08;四&#xff09; Power Pages 实际案例学习进阶 微软 Power Platform 零基础 Power Pages 网页搭建教程之高阶案例实践学习&#xff08;四&#xff09;1、新增视图&#xff0c;添加List页面2…

http的 content-type都有哪些?

HTTP请求中的Content-Type是用来指定请求或者响应的内容类型&#xff0c;告诉浏览器或者相关设备如何显示或处理加载的数据&#xff0c;此属性的值可以查看MIME&#xff08;Multipurpose Internet Mail Extensions&#xff0c;多用途互联网邮件扩展&#xff09;的类型。 如果设…

Java集合进阶(上)

集合 集合在Java开发中应用极为广泛&#xff0c;它其实就是一些常用的数据结构的包装类&#xff0c;分为单列集合&#xff08;Collecton接口类&#xff0c;例如LinkdeList集合&#xff09;和双列集合&#xff08;Map接口类&#xff0c;例如HashMap集合)两种 Collection Coll…

网络层之IP数据报格式、数据报分片、IPv4、子网划分和子网掩码

学习的最大理由是想摆脱平庸&#xff0c;早一天就多一份人生的精彩&#xff1b;迟一天就多一天平庸的困扰。各位小伙伴&#xff0c;如果您&#xff1a; 想系统/深入学习某技术知识点… 一个人摸索学习很难坚持&#xff0c;想组团高效学习… 想写博客但无从下手&#xff0c;急需…

Kubernetes Service控制器详解以及切换为ipvs代理模式

文章目录 一、Service 存在的意义二、Pod与Service的关系三、Service定义与创建四、Service三种常用类型五、Service代理模式六、切换Service代理模式七、service总体工作流程八、kube-proxy ipvs和iptables的异同九、Service DNS名称 一、Service 存在的意义 service的引入主…

【从零开始学习JVM | 第四篇】类加载器的分类以及双亲委派机制

前言&#xff1a; 在Java编程中&#xff0c;类加载器(Class Loader)扮演着重要的角色。类加载器负责加载Java字节码并将其转换为可执行对象&#xff0c;使得我们能够在应用程序中使用各种类和资源。Java类加载器的设计和实现旨在支持动态扩展和模块化编程&#xff0c;为Java语…

管理和监控CentOS上的HTTP服务

CentOS作为一款稳定的开源服务器操作系统&#xff0c;为各种网络服务提供了优秀的支持。其中&#xff0c;HTTP服务是互联网上最常用的服务之一&#xff0c;它为人们提供了便捷的信息访问和交互方式。在CentOS上管理和监控HTTP服务是一项重要的任务&#xff0c;下面我们将介绍一…

【改进YOLOv8】融合感受野注意力卷积RFCBAMConv的杂草分割系统

1.研究背景与意义 项目参考AAAI Association for the Advancement of Artificial Intelligence 研究背景与意义 随着计算机视觉技术的不断发展&#xff0c;图像分割成为了一个重要的研究领域。图像分割可以将图像中的不同对象或区域进行有效的分离&#xff0c;对于许多应用领…

elk+kafka+filebeat

elk1 cd /opt 把filebeat投进去 tar -xf filebeat-6.7.2-linux-x86_64.tar.gz mv filebeat-6.7.2-linux-x86_64 filebeat cd filebeat/ yum -y install nginx systemctl restart nginx vim /usr/share/nginx/html/index.html this is nginx cp filebeat.yml filebeat.yml.…