2随机过程的基本概念研究.ppt

(4) 增量过程 正交增量过程的协方差函数可以由它的方差确定： [定义] 设{ X(t), t ?T }是零均值的二阶矩过程，若对任意的 t1 t2 ? t3 t4 ?T ，有则称 X(t)为正交增量过程。 独立增量过程 [定义] 设{ X(t), t ?T }是随机过程，若对任意的正整数n和t1 t2 … tn ?T ，随机变量 X(t2)?X(t1), X(t3)?X(t2), … , X(tn)?X(tn-1) 是相互独立的，则称{ X(t), t ?T } 为独立增量过程，又称可加过程。 平稳独立增量过程 [定义] 设{ X(t), t ?T }是独立增量随机过程，若对任意 s t，随机变量 X(t)?X(s) 的分布仅依赖于 t? s，则称{ X(t), t ?T } 为平稳独立增量过程。 (5) 泊松过程 [定义] 设X (t)表示事件在[0, t]内发生的次数，若它满足下列条件，则称 { X (t) , t ?0 }为具有参数 ? 0 的泊松过程，(1) X (0) = 0 ; (2) X (t) 是独立、平稳增量过程;(3) X (t) 满足下列两式： (6) 马尔可夫过程 [定义] 设{ X (t), t ?T }是随机过程，若对任意的正整数n和t1 t2 … tn ?T ，P { X(t1)=x1, … , X(tn-1)=xn-1 } 0，且条件分布则称{X (t), t ?T } 为马尔可夫过程。 马尔可夫性,或无后效性 随机过程的基本概念(第二章) 随机过程的定义 随机过程的概率分布 随机过程的统计特性 随机序列及其统计特性 复随机过程 几种重要的随机过程 1 随机过程的定义 随机过程——研究随“时间”变化的“动态”的随机现象 随机过程几个例子： 生物群体的生长问题：以 Xt 表示在 t 时刻群体的个数，对每一个 t ，Xt 是一个随机变量。若从 t=0 开始，每隔24小时对群体个数观测一次，则{Xt , t =0, 1, … }是随机过程。 某电话交换台在时间段[0, t]内接到的呼叫次数是与 t 有关的随机变量 X (t)，对于固定的 t，X (t) 是一个取非负整数的随机变量。则 { X (t), t ?[0, ?) } 是随机过程。 随机过程的定义 [定义] 设（S, ?, P）是概率空间，T 是给定的参数集，若对每个 t ?T ，有一个随机变量 X (t, e) 与之对应，则称随机变量族 { X (t, e), t ?T } 是（S, ?, P）上的随机过程，简记为随机过程 { X (t), t ?T }。T 称为参数集，通常表示时间。 X (t, e) 是定义在 T ? S 上的二元函数。 状态与样本函数 状态——对于固定时刻 t ? T ，X (t, e) 是（S, ?, P）上的随机变量，此时把 X (t) 所取的值称为随机过程X (t)在时刻 t 所处的状态。 X (t) 的所有可能状态所构成的集合称为状态空间或相空间，记为I。 样本函数——对于固定e ，X (t, e) 是定义在T上的普通函数，称之为随机过程 { X (t, e), t ?T }的一个样本函数或轨道。样本函数的全体称为样本函数空间。 随机过程的四种类型 I T 离散 连续 离散 连续 离散型 随机序列 连续型 随机序列 连续型 随机过程 离散型 随机过程 2 随机过程的概率分布 设 {X (t), t ?T }是随机过程，对任意 t1?T 及实数 x1?R ，一维分布函数为 （连续型）一维概率密度函数为 （离散型）一维分布律为 其中： （1）一维概率分布 （2）二维概率分布 设{X (t), t ?T }是随机过程，对任意 t1, t2?T 及实数 x1 , x2 ?R，二维分布函数为 （连续型）二维概率密度函数为 （3）n 维概率分布 设 { X (t), t ?T } 是随机过程，对任意 t1, t2, …, tn ?T ，及实数 x1 , x2 …, xn ?R，n 维分布函数为全体有限维分布函数的集合称为 { X (t), t ?T } 的有限维分布函数族。 n 维概率密度函数 若 对 的n阶偏导数 存在时，则称 为随机过程X (t)的n维概率密度函数。 相应地，全体有限维概率密度函数的集合 称为随机过程X (t)的有限维概率密度函数族。 3 随机过程的统计特性 设XT ={X (t), t ?T }是随机过程，如果对任意t ?T，E{X (t)}存在，则随机过程 XT 的数字特征