2009 年 Eriksson, Jan; Ollila, Esa; Koivunen, Visa 發表了一篇 "Statistics for complex random variables revisited." (2009 IEEE International Conference on Acoustics, Speech and Signal Processing. Taipei, Taiwan: Institute of Electrical and Electronics Engineers. pp. 3565–3568.) 指出複數值隨機訊號資料在一些方面的應用日漸重要,但相關的數學基礎卻很散亂。
從定義來看,一個複數值隨機變數只是兩個實數值隨機變數對 X = (X_R, X_I) 或 X_R + i X_I;但從應用層面,我們必須把 X 看成一個數值性隨機變數,而非只是一個二維度向量值隨機變數,因為向量值的運算基礎是數值性的矩陣運算,而複數卻另有一套運算規則——兩複數相加減如同同維度向量相加減,但兩複數自有其一套乘除法則;另外複數可以進行如指數、對數等操作,只不過有些問題需要特別注意及處理,例如 e^z 或表示為 exp(z) 是唯一定義的,但 ㏑(z) 則有無窮多個分支,需要擇一做為主值;又如指數律 z^r.z^s = z^{r+s} 等在 z 是複數時並不當然成立。不過,本文不考慮這些問題,有關複變數函數 f(z) 種種,自有專書專課討論;本文僅粗略地來談談隨機變數分布、平均數(期望值)和變異數共變異數的問題。
不管實數值、複數值、向量值或其他隨機變數,其分布總是回到原始機率空間的機率分布 P。也就是說,P 是原始機率空間所設定的機率分布,不管它是如何設定的,機會均等的、主觀的、統計頻率的、或其他方式,反正必須符合 Kolmogorov 1933 年提出的公理(公設)體系,而隨機變數 X 的分布是