第5讲 随机过程的基本概念.ppt

随机数学 第5讲 随机过程的基本概念 教师: 陈 萍 prob123@mail.njust.edu.cn 1.5 随机过程的基本概念1.5.1 随机过程的概念与举例 1.5.2 随机过程的数字特征及有限维分布族 §1.5.3 几类典型的随机过程 (3) 马尔可夫过程（马氏过程） Markov性的等价描述: (5) 平稳随机过程 严平稳过程 宽平稳过程 * * 定义 1.5.10 设 (?,F, P)为概率空间， (E,E )为可测空间，T?R ，若 ，且 t给定时，Xt关于F可测，则称 为 (?,F, P) 上取值于E 的随机过程. 此时, X t(?)表示在时刻t系统的状态。称 (E,E )为相空间或状态空间；称 T为参数集或时间域； 通常取 或 数学解释：可认为{X (?,t)， t ?T }是定义在T??上的二元函数。当t固定时， X(?,t)是r.v.(stat)，当?固定时， X(?,t)是定义在T上的普通函数，称为随机过程的样本函数或轨道(path)，样本函数的全体称为样本函数空间。 … … (2)由抛硬币决定的随机过程: (∈随机游动) 随机过程可按时间(参数)是连续的或离散的分为两类: (1)若T是有限集或可列集时,则称为离散参数随机过程或随机序列. (2)若T是有限或无限区间时,则称为连续参数随机过程. 随机过程也可按任一时刻的状态是连续型随机变量或离散型随机变量分为两类: (1)若对于任意 都是离散型随机变量,称 为离散型随机过程； (2)若对于任意 都是连续型随机变量,称 为连续型随机过程. 定义 1.5.1 设{Xt，t?T} 为(?,F, P)? (E,E )随机过程，令 其中F1× ..., × Fk?E. 称 为随机过程{Xt，t?T} 的有限维分布族. 特别,对于一维随机过程{X (t), t ?T } 任意 n?Z+ 和 t1,···,t n ?T，随机向量（X t1 ,···, X t n )’的分布函数全体 称为{Xt，t ?T }的有穷维分布函数族。 若对 ,随机向量 有密度函数, 则这些密度函数的全体 称为{Xt，t ?T }的有穷维密度函数族。 若对 ,随机向量 是离散型的, 则这些分布律的全体 称为{Xt，t ?T }的有穷维概率分布族。 设{X (t), t ?T }为随机过程，称 为{X (t), t ?T}的n维特征函数；称 为{X (t), t ?T}的有穷维特征函数族。 由于r.v.的特征函数与分布函数有一一对应关系，所以，也可以通过随机过程的有穷维特征函数族来描述它的概率特性。 随机过程的有限维分布满足下面的两个性质： (1)对称性：对于1,2,…,n 的任意排列?(1),?(2),…,?(n) 有 (2)相容性：对于任意的自然数 k ,m, 反之， (Kolmogorov’s 扩张定理). 对一切 性质(1) (2)的概率测度，则存在概率空间 (?,F, P) 及定义在 ? 上取值于E的随机过程{Xt} ，使得 令 为Ek上满足以上 例1.5.2. 求随机过程 的一维密度函数族.这里b 是常数, X是标准正态随机变量. 解:(1)当cosbt≠0时,由X(t)=Xcosbt,X~N(0,1)知X(t)~N(0,cos2bt),则X(t)的一维密度函数为 (2)当cosbt=0时, X(t)不存在一维密度函数. 故{X(t)}的一维密度函数族为 定义1.5.2 给定随机过程{Xt,t?T}, 给定t, （1）随机变量Xt的均值或数学期望与t有关,记为 称??X(t)为随机过程Xt的均值函数(Mean) 称为随机过程{Xt,t?T},的均方值函数. （2） 随机变量Xt的二阶原点矩 （3） 随机变量Xt的方差 称为随机过程{Xt,t?T},的方差函数(Varance) (4) 设Xt1和Xt2是随机过程{Xt,t?T}在任意二个时刻t1和t2时的状态.称Xt1和Xt2的二阶混合原点矩 为随机过程{Xt,t?T}的自相关函数(correlation),简称相关函数. （5）称Xt1和Xt2的二阶混合中心矩 为随机过程{Xt,t?T}的自协方差函数covaricance,简称协方差函数. (6) 对于两个随机过程{Xt,t?T}