10随机过程一般概念.ppt

10.2平稳过程的概念 2 由Cauchy-Schwarze不等式 E[X s X t ] 2? E[X2 s ]E[X2 t ] +?, 所以E[X s X t ]存在。 二、 弱 平稳过程 1． 定义 设 X t ,t?T 是二阶矩过程,如果 1 E[X t ] ?x 常数 ，t?T； 2 对任意的t,t+??T, Rx ? E[X t X t+? ]只依赖于?。则称 X t ,t?T 为宽平稳过程,简称为平稳过程. 2．严平稳和宽平稳的关系 1 ．严平稳过程不一定是宽平稳过程,因为严平稳的过程不一定是二阶矩过程,但当严平稳过程是二阶矩过程时,则它一定是宽平稳过程。 2 ．宽平稳过程不一定是严平稳过程,但对于正态过程,两者是等价的 性质4. Rx ? 非负定性.即对任意n, 任意实数a1,a2,…,an,任意t1,t2,…,tn∈T有 4．平稳相关与互相关函数 例6: 如图所示，将两个平稳过程X t ，Y t 同时输入加法器中,加法器输出随机过程W t X t +Y t ,若X t 与Y t 平稳相关，则W t 为平稳过程 例7: 设X t Asin ?t+Θ ，Y t Bsin ?t+Θ-? ,A,B, ?, ?为常数，Θ在 0,2? 上服从均匀分布，求RXY ? 。 10.3随机分析 10.4平稳过程的遍历性 引言 如果我们能对过程 X t 进行多次重复观察从而得到多条样本曲线用统计方法可以估计其均值及自相关函数 解：已证此过程为平稳过程。 2． 自相关函数遍历性定理 均方连续的平稳过程 X t ，且对给定?, X t X t+? 也是均方连续的平稳过程，则 X t 关于自相关函数具有遍历性? 1）. X t 关于均值具有遍历性? 　10.6独立增量过程 一、独立增量过程 1．定义 设 X t ,t?0 为一随机过程,对于0?s t,称随机变量X t -X s 为随机过程在区间[s,t]上的增量. 若对于任意的正整数n≥2及任意的0?t0 t1 t2 … tn,n个增量 X t1 -X t0 ，X t2 -X t1 ，…，X tn -X tn-1 相互独立，称 X t ,t?0 为独立增量过程。 例1.设 X t 是强度为?的泊松过程，定义Y t X t+L -X t ,其中L 0为常数，求?Y t ,RY s,t . 10.7马尔可夫链 附录 一维随机游动 传染模型 天气预报 排队模型 计算机的运行状态 平稳过程的统计特征完全由其前二阶矩函数确定,我们知道,对于固定的时刻t,均值函数是随机变量X t 的取值在样本空间上的概率平均,是由x t 的分布函数所确定,但是要知道其分布在实际中是不易办到的。 但在实际中这往往也是做不到的,而往往只获得一条样本曲成x t ,由于平稳过程的统计特性不随时间推移而变化,于是人们自然期望在一个很长时间观察到的一条样本曲线,可以作为得到整个过程的数字特征的依据. 所谓平稳过程的遍历性就是讨论这样的近似方法，在什么意义下具有怎样的可靠性。关于此类问题的研究结果一般称为遍历性定理。 不过实际问题中，一般也不可能给出x t 的表达式。通常通过模拟方法和数字方法估计，不介绍了。 各态历经定理的条件是比较宽的，工程中碰到的大多数平稳过程都能满足，不过真的验证他们成立却也十分困难，在时间中，通常先假定研究的平稳过程具有各态历经性，从这个假定出发，对各种资料进行分析处理，看结论是否与实际相符，如不符则要修改假设，另做处理。 正态过程是在实际问题中常见的一类随机过程。本节简单介绍正态过程的几个基本性质。 直观上，独立增量过程在不相重叠的时间间隔上，状态的增量是相互独立的。 若我们用泊松过程来描述服务系统接受服务的顾客数,则顾客到来接受服务的时间间隔,顾客排队的等待时间分布问题需要进行研究。下面考察这种时间间隔与等待时间的分布。 一般地，转移概率Pij n, n+1 不仅与状态i, j有关，而且与时刻n有关，当Pij n, n+1 不依赖于n时，表示马尔可夫链具有平稳转移概率。以下我们只讨论齐次马尔可夫链，通常将“齐次”两字省略。 问题：齐次马氏链在什么条件下才具有遍历性？如何求出它的极限分布?？这个问题在理论上已经圆满解决，下面仅就只有有限个状态的链即有限马氏链的遍历性给出一个充分条件。 这个分布表明：经过长时间游动之后，醉汉Q位于点i 1 i 5 的概率约为3/11，位于点1（或5）的概率约为1/11。 例2 解 解 例3 排队模型 设服务系统由一个服务员和只可以容纳两个人的等候室组成: 服务规则 假定一个需要服务的顾客到达系统时发现系统内已 先到先服务, 后来者需在等