第1章测度论基础与随机过程.pptVIP

随机数学 第1章 测度论基础与 随机过程的基本概念 教师: 陈 萍 prob123@mail.njust.edu.cn 引言 随机数学涉及4个主要部分:概率论,随机过程,数理统计,随机运筹.本课程在对概率论作适当补充的基础上,着重介绍随机过程的基本概念及主要结论,以备在解决实际问题中的应用. 随机过程通常被视为概率论的动态部分,在概率论中研究的随机现象,都是在概率空间上的一个或有限多个随机变量的规律性.但在实际问题中,我们还需要研究一些随机现象的发展和变化过程,即随时间不断变化的随机变量,这就是随机过程所要研究的对象. 1.1 测度与可测函数 概率的运算性质补充： 随机变量 §1.2 随机变量的期望 补充: Lebesgue 积分 1.2.2 随机变量的期望 期望的性质补充 自 学 P13 可测函数列的收敛性 P14 积分收敛定理 P17 随机变量的矩及重要不等式 §1.3 条件 期望 1. 关于事件B的条件期望 1.4 特征函数与正态随机变量 三、特征函数的定义 1.复随机变量与特征函数 2、几个常用随机变量的特征函数 3、特征函数的常用性质 三、正态随机向量及其性质 正态随机向量的性质 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 在计算积分时，改变积分区域有时可以带来很大的方便，这在微积分中是熟知的，在一般的测度论中，也有类似的结果，这就是重要的积分变换定理. 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},{Yt,t?T}，若对任意t ?T，E[Xt]2 、 E[Yt]2存在，则称函数 为随机过程 {Xt,t?T},与{Yt,t?T},的互协方差函数。