刘次华《随机过程及其应用(第三版)》课件RP2a.pptVIP

2 随机过程的概念与基本类型 内容提要 随机过程的基本概念 随机过程的分布律 随机过程的数字特征 复随机过程 几种重要的随机过程 2.1 随机过程的基本概念 随机过程——随机变量族 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（?, F, 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(?, F, 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。 状态与样本函数 X (t, e) 是定义在 T? ? 上的二元函数 状态——对于固定时刻 t ? T ，X (t, e) 是 (?, F, 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——对于固定样本点e ，X (t, e) 是定义在T上的普通函数，称之为随机过程 { X (t), 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。 随机过程的分类 连续随机过程 参数连续，状态连续 离散随机过程 参数连续，状态离散 连续随机序列 参数离散，状态连续 离散随机序列 参数离散，状态离散 2.2 随机过程的分布律 n 维分布律 [定义] 设 XT ={X (t), t ?T } 是随机过程，对任意 n ? 1 和t1, t2, …, tn ?T ，随机过程 XT 的 n 维分布函数为 n维分布函数的性质 Kolmogorov定理 全局特征与局部特征 若对于任意时刻 t1, t2, …, tn ?T 和任意 n ? 1 ，随机过程 X (t) 的 n维分布函数或概率密度都已知，则认为该随机过程的统计描述是完全的或者具有全局统计特征。 通常描述的是随机过程的局部统计特征（n 为有限值），例如一维、 n维联合分布函数（及以下的数字特征等）。 两个随机过程的联合分布 2.3 随机过程的数字特征 [定义] 设随机过程 XT ={X (t), t ?T }是二阶矩过程，即对任意t ?T，E{X (t)}和E{X2(t)}存在，则其数字特征定义为 （自）相关函数和协方差函数 几种关系 均值函数 mX (t) 和相关函数 RX (s, t) 是最基本的两个数字特征。 “相关理论”——在随机过程理论中，仅研究 mX (t) 和 RX (s, t)有关的理论。 例1 已知随机相位正弦波 X (t) = a cos(?t + ?)，其中 a 0，? 为常数，?为在（0, 2?）内均匀分布的随机变量。求随机过程 { X (t), t ?(0, ?) } 的均值函数 mX (t) 和相关函数 RX (s, t) 。 互相关函数、互协方差函数 设有两个二阶矩过程{X (t), t ?T }和 {Y (t), t ?T } ， 例2 设 X (t) 为信号过程，Y (t) 为噪声过程，令W (t) = X (t) + Y (t)， 2.3 复随机过程 [定义] 两个实随机过程：{ Xt , t ?T }和 {Yt , t ?T }，若对于任意 t ?T，有  Zt = Xt + iYt 则称{Zt , t ?T }为复随机过程。 复随机过程的数字特征 复随机过程协方差函数的性质 复随机过程{Zt , t ?T }的协方差函数C(s, t)具有性质： 例3 2.4 几种重要的随机过程简介 独立过程 二阶矩过程 平稳过程 独立增量过程 正交增量过程 马尔可夫过程 高斯过程和维纳过程 独立过程 [定义] 若随机过程 {X (t), t ?T } 对任意的正整数 n ? 2 和t1 t2 … tn ?T ，随机变量 X (t1), X (t2), … , X (tn) 是相互独立的，则称 {X (t), t ?T } 是T上的独立随机过程。 二阶矩过程 [定义] 对于随机过程{X (t), t ?T }，若对任意t ?T ，X (t)的均值和方差都存在，则称X (t)为二阶矩过程。 平稳过程 广义平稳过程 独立增量过程 平稳独立增量过程 正交增量过程 马尔可夫过程 高斯过程 维