贝叶斯定理 2022年1月11日2021年4月17日 通过马图拉纳坦 重点：贝叶斯定理是一种修正特定事件先验概率的方法，考虑到事件的可用证据。在统计学中，从随机变化的数据中得出结论的过程称为“统计推断”。通常，在任何随机实验中，都会记录观察结果，并得出结论…阅读更多信息
隐马尔可夫模型（HMM）–简化！！！ 2023年3月16日2020年3月17日 通过马图拉纳坦 马尔可夫链在计算可观测事件的概率方面很有用。然而，在许多实际应用程序中，我们感兴趣的事件通常是隐藏的，即我们不直接观察它们。需要推断这些隐藏事件。例如，给定一个自然语言的句子，我们只观察…阅读更多信息
马尔可夫链–简化！！ 2021年10月27日2020年3月6日 通过马图拉纳坦 重点：马尔可夫链是一种概率模型，它描述了一系列观察结果，这些观察结果的发生仅在统计上依赖于之前的观察结果。● 语音、股价走势等时间序列数据。● 句子中的单词。● DNA阶梯梯级上的碱基对。状态和转换假设我们要建模…阅读更多信息
指数随机变量——模拟与应用 2020年11月17日2019年7月26日 通过马图拉纳坦 引言指数随机变量（RV）是一种连续随机变量，在泊松过程建模中有应用。泊松过程在远程交通建模和排队论中有着广泛的应用。它们用于对时间或空间中的随机点进行建模，例如呼叫请求到达交换机的时间、…阅读更多信息
基于Matlab的二项式随机变量 2020年11月17日2019年7月25日 通过马图拉纳坦 二项式随机变量是一种离散的随机变量，它对相互独立的伯努利试验的成功次数进行建模，每个试验都有成功的概率。伯努利试验一词意味着每项试验都是随机试验，有两种可能的结果：成功和失败。它可以用来模拟…阅读更多信息
伯努利随机变量 2020年11月17日2019年7月23日 通过马图拉纳坦 伯努利随机变量是一个离散随机变量，具有两种结果——成功和失败，概率为p和（1-p）。它是二进制数据生成器的一个很好的模型，也可以在通信信道引入随机错误时，对接收到的二进制数据中的误码模式进行建模。要生成贝努利随机变量X…阅读更多信息
在Matlab中绘制直方图和估计PDF 2020年11月19日2016年10月6日 通过马图拉纳坦 重点：通过示例，让我们使用Matlab直方图函数估计并绘制随机变量的概率密度函数。生成具有所需概率分布特性的随机变量在通信系统仿真中至关重要。让我们看看如何生成一个简单的随机变量，估计并绘制概率密度函数…阅读更多信息
白噪声：使用Matlab进行仿真和分析 2023年7月6日2013年11月29日 通过马图拉纳坦 定义具有恒定功率谱密度（PSD）函数的随机过程（或可视化信号）是白噪声过程。功率谱密度功率谱密度函数（PSD）显示每个光谱分量中包含的功率。例如，对于固定频率的正弦波，PSD图将…阅读更多信息
概率概念导论 2019年6月17日2013年10月9日 通过马图拉纳坦 什么是概率？概率是处理不确定性的数学分支。“概率”一词用于量化相信或相信某件事是真（或假）的程度。它为我们提供了发生给定事件的可能性。它表示为一个可以取任何值的数字…阅读更多信息
非中心卡方分布 2020年7月10日2012年9月24日 通过马图拉纳坦 如果加上k个独立标准正态随机变量的平方，则会产生具有“k”自由度的中心齐方分布。相反，如果将具有非零均值的k个独立正态随机变量的平方相加，则会产生非中心齐方分布。非中心齐方分布与Ricean分布有关，而中心分布与Rician分布有关…阅读更多信息
