随机过程讲义(第二章).pdfVIP

第二章 随机过程的一般概念 2.1 随机过程的基本概念和例子 定义 2.1.1：设(Ω, F, P )为概率空间，T 是某参数集，若对每一个t ∈T ，X (t, w) 是该概率空间上的随机变量，则称X (t, w) 为随机过程(Stochastic Process) 。 随机过程就是定义在同一概率空间上的一族随机变量。随机过程X (t, w) 可 以看成定义在T ×Ω上的二元函数，固定w0 ∈Ω，即对于一个特定的随机试验， X t w 为样本路径(Sample Path) ，或实现(realization) ，这是通常所观测到的 称 ( , 0 ) 过程；另一方面，固定t0 ∈T ，X (t0 , w) 是一个随机变量，按某个概率分布随机 取值。 抽象一点：令R T ∏R ，即R T 中的元素为X (x , t ∈T) , B(R T ) 为其Borel t t t ∈T ( ) T T σ Ω,F ( ) 域(插乘 域) ，随机过程实质上是 到 R , B(R ) 上的一个可测映射，在 ( T T ) P R , B(R ) 上诱导出一个概率测度 ： T T ( ) ∀B ∈B(R ), P (B) P X ∈B 。 T T 一般t 代表的是时间。根据参数集T 的性质，随机过程可以分为两大类： { } { } T 0,1,2, L T L,−1,0,1, L 1) T 为可数集，如 或 ，称为离散参数随机 过程，也称为随机序列； { } { } 2) T 为不可数集，如T t t ≥0 或T t −∞t ∞ ，称为连续参数随机 过程。 随机过程X (t), t ∈T 的取值称为过程所处的状态(State) ，所有状态的全体称 为状态空间(State Space) 。通常以S 表示随机过程的状态空间。根据状态空间的 特征，一般把随机过程分为两大类： 1) 离散状态，即X (t) 取一些离散的值； 2) 连续状态，即X (t) 的取值范围是连续的。 1 离散参数离散状态随机过程： Markov 链 连续参数离散状态随机过程： Poisson 过程 离散参数连续状态随机过程： *Markov 序列 连续参数连续状态随机过程： Gauss 过程，Brown 运动 例2.1.1 ：一醉汉在路上行走，以 的概率向前迈一步，以 的概率向后迈一步， p q