连续随机变量与贝叶斯推断

第三章 一般随机变量

  对于随机变量,若存在一个非负函数,使得:

  对每一个实数轴上的集合都成立,则称为连续随机变量,函数就称为的 概率密度函数

特别,当是一个区间的时候

3.1.1 期望

3.2 分布函数

F_{X}(x)=P(X \leqslant x)=\left\{\begin{array}{ll} \sum_{k \leqslant x} p_{X}(k), & \text { 若 } X \text { 离散的, } \\ \int_{-\infty}^{x} f_{X}(t) \mathrm{d} t, & \text { 若 } X \text { 连续的. } \end{array}\right.
CDF:分布函数

3.3 连续随机变量的贝叶斯准则

  令为连续的随机变量

  • 若为连续随机变量,我们有


例题(信号检测)

设是一个只取两个值的信号。记和。在接收端,得到的信号为,其中是一个正态分布,期望为0,方差为1,并且与相互独立。当观察到的信号为的时候,的概率是多少?

  对于给定的,,是一个正态分布随机变量,期望为,方差为1。

\mathrm{P}(S=1 \mid Y=y)=\frac{p_{s}(1) f_{Y \mid S}(y \mid 1)}{f_{Y}(y)}=\frac{\frac{p}{\sqrt{2 \pi}} \mathrm{e}^{-(y-1)^{2} / 2}}{\frac{p}{\sqrt{2 \pi}} \mathrm{e}^{-(y-1)^{2} / 2}+\frac{1-p}{\sqrt{2 \pi}} \mathrm{e}^{-(y+1)^{2} / 2}}

化简得:

你可能感兴趣的:(连续随机变量与贝叶斯推断)