随机过程及应用(一) - 特征函数

本文介绍了随机过程中的特征函数概念,通过一维特征函数的定义和实例,特别是二项分布的特征函数计算,展示了如何利用傅里叶-斯蒂阶变换进行分析。通过对二项分布的特征函数推导,得出最终化简式φ(u) = (q + peju)^n,揭示了特征函数在概率论中的应用。

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
    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

    E(Z)=E(X)+jE(Y),          (1)
    特别的,根据欧拉公式,有
    E(ejuX)=E(cosuX)+jE(sinuX)   
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值