- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
概率论与数理统计
随机变量的分布
分布函数F(X):F(x)表示随机变量X落在区间(-∞,x]上的概率。
随机变量:离散型、非离散型〔连续型、奇异型〕
离散型随机变量分布:0-1分布、二项分布、泊松分布
连续型随机变量分布:均匀分布(uniformdistribution)、正态分布〔高斯分布normalorGaussiandistribution〕、指数分布(exponentialdistribution)
正态分布
,X的分布密度函数
指数分布
,X的分布密度函数
X的分布函数
随机变量的数字特征
数学期望〔平均值〕〔反映统计变量自身特征〕
数学期望的性质
〔X、Y相互独立〕
方差〔variance〕〔反映统计变量自身特征〕
标准差〔均方差〕
方差的性质
协方差〔convariance〕和相关系数〔反响统计变量之间的关系〕
协方差的性质
〔柯西施瓦兹不等式〕
协方差与X,Y量纲有关,为更好地反映随机变量X,Y之间的关系,引入相关系数
,
X,Y独立,那么不相关。X,Y不相关,那么不一定独立。
〔X,Y〕服从二维正态分布时,X和Y不相关,那么X与Y独立。反之亦然。
矩和协方差矩阵
数学期望、方差、协方差均可以看作矩的特例
X的k阶原点矩
X的k阶中心矩
二维随机向量〔X,Y〕
X,Y的〔k+l〕阶混合原点矩
X,Y的〔k+l〕阶混合中心矩
随机向量〔X,Y〕的协方差矩阵,即为它们的4个二阶中心矩。
假设〔X,Y〕~,那么〔X,Y〕的协方差矩阵为
矩阵行列式性质
行列式与它的转置行列式相等
互换行列式两行〔列〕,行列式变号
如果行列式有两行〔列〕相同,那么行列式为零
行列式的某一行〔列〕同乘一数k,等于用数k乘此行列式
行列式中如果两行元素成比例,那么行列式为零
如果行列式中某一行〔列〕元素都是两数之和,那么行列式等于该两数列分别形成行列式之和
把行列式某一行〔列〕乘一数加到另一行〔列〕对应元素上,行列式值不变
正定矩阵的判定
A为实对称阵n×n
←→对任意向量x有,x’Ax0〔定义〕
←→A的所有特征值都是正数
←→存在非奇异阵P,使得A=P’P
←→各阶顺序主子矩阵都是正定矩阵〔由定义推得〕
实对称矩阵的正负定性质
A0→tr(A)λi(i=1,…,n)
A≥0→tr(A)≥0(i=1,…,n)
A0→A-10
A0→任一n阶非奇异阵C,C’AC0
A≥0→任一n×m矩阵C,C’AC≥0
克罗内克(kronecker)积,ordirectproduct,tenserproduct,kroneckerproducct
这种乘积不受矩阵行数和列数的限制。
定义:,,那么
为A的克罗内克积,或称A与B的直积,或张量积tensorproduct,记为。
性质
,,
的mp个特征值,对应的特征向量
相似于
克罗内克(kronecker)和
矩阵的特征值是,特征向量是
元素为1或-1的矩阵,,那么H称为n阶哈达马矩阵。
矩阵拉直运算matrixstraightoperator
,
,,,
一般线性矩阵方程
通过矩阵拉直,可以求解未知矩阵X,以上方程转化为
,
矩阵方程有唯一解的充要条件是
矩阵方程有唯一解的充要条件是
函数f(x)在x+Δ处的泰勒展开
Fourier变换
正变换
逆变换
Matlab内建傅立叶变换公式
正变换
逆变换
clc;clear;
Fs=1000;%Samplingfrequency
dT=1/Fs;%Sampletime
L=1000;%Lengthofsignal
t=(0:L-1)*dT;%Timevector
%Sumofa50Hzsinusoidanda120Hzsinusoid
x=0.7*sin(2*pi*50*t)+sin(2*pi*120*t);
y=x+2*randn(size(t));
%2^NFFT=abs(L)
NFFT=2^nextpow2(L);%Nextpowerof2fromlengthofy
Y=fft(y,NFFT);
Ynew=ifft(Y,NFFT);
y(end+1:NFFT,1)=0;
fork=1:NFFT
Y1(k,1)=sum(y(1:NFFT).*exp(-i*2*pi*(0:NFFT-1)*(k-1)/NFFT));
end
forj=1:NFFTynew1(j,1)=sum(Y1(1:NFFT).*exp(i
文档评论(0)