第2章 随机过程的基本汇总.ppt

例1：利用抛掷一枚硬币的试验，定义一随机过程： 7．互不相关 注 有 则 即 若 例2 解 求：（1）均值函数；（2）协方差函数；（3）方差函数。 （1） （2） （3） 例3 解 试求它们的互协方差函数。 所以 三、随机过程的特征函数 1．一维特征函数 则 注 2．n维特征函数 则 3.有限维特征函数族 注 第三节 复随机过程 一、定义 是两个实随机过程 则 称为复随机过程 并称 二、数字特征 1．均值 函数 2．自协方差函数 其中记号“—”表示“共轭” 3．自相关函数 自协方差函数与自相关函数的关系 4．方差 函数 它实际上等于自协方差函数 且有 证 由于 所以 即 5．互协方差函数 6．互相关函数 自相关 关系 即 类似地 互相关 关系 * * 第二章 随机过程的基本概念 第一节 随机过程的定义及其分类 第二节 随机过程的分布及其数字特征 第三节 复随机过程 第四节 几种重要的随机过程简介 第一节 随机过程的定义及其分类 一、直观背景及例 某电话交换台在时间段[0，t]接到的呼叫次数 例1 一般情况下它是一个随机变数X ，并且依赖时间t，即随机变数X（t），t 。 例2 在天气预报中，研究某地一天当中最高气温 一般情况下它是一个随机变数X ，并且依赖时间t，即随机变数X（t），t=1，2，… 例3 国民收入问题 表示依赖于一个变动参量的一族随机变量。它虽然不能用一个确定的函数来描述，但也是有规律的。 随着各种随机因素的影响而随机变化， 一般地有 其中C（t）、I（t）分别表示t年的消费和积累 随机过程 二、随机过程的定义 1．随机 过程 设E是随机试验，? ?{?}是它的的样本空间，T是一个参数集，若对于每一个 都有随机变量 ，与之对应， 则称依赖于t的随机变量 为随机过程，或称为随机函数， 通常记作 说明1 参数集T在实际问题中，常常指的是时间参数，但有时也用其它物理量作为参数集。 说明2 因为 是一个随机变量， 2．贝努利过程 设每隔单位时间掷一次硬币，观察它出现的结果。如果出现正面，记其结果为1；如果出现反面，记其结果为0。一直抛掷下去，便可得到一无穷序列 因为每次抛掷的结果是一个随机变量（1或0），所以无穷次抛掷的结果是一随机变量的无穷序列，称为随机序列，也可称为随机过程。 每次抛掷的结果与先后各次抛掷的结果是相互独立的，并且出现1或0的概率与抛掷的时间n无关。 设 称具有这种特性的随机过程为贝努利型随机过程。 注 如果固定观测时刻t，则它的试验结果是属于两个样本点0和1所组成的样本空间 则样本空间出现的值为（0,0）,（0,1）,（1,0）,（1,1） 三、随机过程的分类 1、按参数集和状态分类 参数集T的是一个可列集T={0，1，2，…} 离散参数 连续参数 参数分类 参数集T的是一个不可列集 状态分类 离散状态 连续状态 取值是离散的 取值是连续的 T离散、I离散 T离散、I非离散（连续） 参数T状态I分类 概率结构分类 2．按过程的概率结构分类 T非离散（连续） 、I离散 T非离散（连续） 、I非离散（连续） 独立随机过程 独立增量随机过程 马尔可夫过程 平稳随机过程 （1）独立随机过程 简称独立随机过程。 （2）独立增量随机过程 是相互独立的， （3）马尔可夫过程 简称马氏过程。 马氏过程的特点 马氏性实质上是无后效性，所以也称马氏过程为无后效过程。 称这个特性为马尔可夫性，简称马氏性。 （4）平稳随机过程 平稳过程的统计特性与马氏过程不同，它不随时间的推移而变化，过程的“过去”可以对“未来”有不可忽视的影响。 第二节 随机过程的分布及其数字特征 一、随机过程的分布函数 一维分布函数 其分布函数为 一维概率密度 二维分布函数 联合分布函数 二维概率密度 n 维分布函数 联合分布函数 n维概率密度 有限维分布族 一维，二维，…，n维分布函数的全体： 易知 因此，一个随机过程的统计特性可由其有限维分布函数族表达出来。 联合分布函数 n + m维随机向量 分布函数 称为随机过程和的n + m维联合分布函数 相互独立 n + m维随机向量 分布函数 则称随机过程 相互独立 例1 袋中放有一个白球，两个红球，每隔单位时间从袋中任取一球，取后放回，对每一个确定的t对应随机变量 试求这个随机过程的一维分布函数族。 分析 先求概率密度 所以 解 P 1 2 3 4