随机过程知识点精编.doc

随机过程复习 PAGE  PAGE 19 第一章：预备知识 §1.1　概率空间 随机试验，样本空间记为Ω。 定义1.1　设Ω是一个集合，F是Ω的某些子集组成的集合族。如果 （1）F； （2）F ，F； （3）若F ，，则F； 则称F为代数(Borel域)。(,F)称为可测空间，F中的元素称为事件。 由定义易知： 定义1.2 设(,F)是可测空间，P(·)是定义在上的实值函数。如果 则称P是上的概率，（）称为概率空间，P(A)为事件A的概率。 定义1.3 设（）是概率空间，，如果对任意，有： 则称为独立事件族。 §1.2 随机变量及其分布 随机变量X，分布函数，n维随机变量或n维随机向量，联合分布函数，是独立的。 §1.3随机变量的数字特征 定义1.7 设随机变量X的分布函数为，若，则称 ＝ 为X的数学期望或均值。上式右边的积分称为Lebesgue-Stieltjes积分。 方差，为X、Y的协方差，而 为X、Y的相关系数。若则称X、Y不相关。 （Schwarz不等式）若则 § 1.4 特征函数、母函数和拉氏变换 定义1. 10 设随机变量的分布函数为F（x），称 为X的特征函数 随机变量的特征函数具有下列性质： (1)1 ( 2 ) g (t)在 上一致连续。（3） (4)若是相互独立的随机变量，则的特征函数，其中是随机变量X的特征函数，. 定义1 . 11 设 是n维随机变量，t = () 则称 , 为X的特征函数。 定义1.12 设X是非负整数值随机变量，分布列 则称 ＝ 为X的母函数。 § 1.5 n维正态分布 定义1.13 若n维随机变量的联合概率密度为 式中，是常向量，是正定矩阵，则称为n维正态随机变量或服从n维正态分布，记作。 可以证明，若，则的特征函数为 为了应用的方便，下面，我们不加证明地给出常用的几个结论。 性质1 若则。 性质2 设，，若正定，则。即正态随机变量的线性变换仍为正态随机变量。 性质3 设是四维正态随机变量，，则 § 1.6 条件期望 给定Y=y时，X的条件期望定义为 由此可见除了概率是关于事件｛Y=y｝的条件概率以外，现在的定义与无条件的情况完全一样。 E(X|Y=y)是y的函数，y是Y的一个可能值。若在已知Y的条件下，全面地考虑X的均值，需要以Y代替y，E(X|Y)是随机变量Y的函数，也是随机变量，称为 X在 Y下的条件期望。 条件期望在概率论、数理统计和随机过程中是一个十分重要的概念，下面我们介绍一个极其有用的性质。 性质 若随机变量X与Y的期望存在，则 (1) 如果Y是离散型随机变量，则上式为 如果Y是连续型，具有概率密度f(x)，则（1）式为 随机过程的概念与基本类型 §2.1 随机过程的基本概念 定义2.1 设（）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，则称随机变量族是（）的随机过程,简记为随机过程。T称为参数集，通常表示时间。 通常将随机过程解释为一个物理系统。X(t)表示在时刻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。 从数学的观点来说，随机过程是定义在T×Ω上的二元函数。对固定的t，X(t,e)是定义在T上的普通函数，称为随机过程的一个样本函数或轨道，样本函数的全体称为样本函数的空间。 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 § 2.2 随机过程的函数特征 ={X(t),t∈T }的有限维分布函数族。 有限维特征函数族： 其中： 定义2.3 设={X(t),t∈T }的均值函数，。 二阶矩过程，协方差函数： 相关函数： 定义2.4 设{X(t),t∈T }，{Y(t),t∈T }是两个二阶矩过程， 互协方差函数，互相关函数。 § 2.3 复随机过程 定义 2.5 设，是取实数值的两个随机过程，若对任意 ， 其中 ，则称为复随机过程． 定理 2.2 复随机过程的协方差函数 具有性质 （1）对称性：； （2）非负定性 §2.4 几种重要的随机过程 一、正交增量过程 定义2.6 设是零均值的二阶矩过程，若对任意的有公式 ， 则称正交增量过程。 二、独立