12.2过程的统计描述解析.ppt

例1：抛掷一枚硬币，样本空间是Ω={H,T}，其中P(H )=P(T )=1/2,现定义： 二、随机过程的数字特征 1、定义： {X(t)}、{Y(t)}为定义在同一样本空间Ω和同一参数集T上的随机过程，对于任意t?T， (X(t),Y(t))是二维随机变量，称{(X(t),Y(t)),t?T}为二维随机过程。 2．有限维分布函数和独立性 (1){(X(t),Y(t)), t?T}为二维随机过程,对于任意的正整数n和m，以及任意的t1,t2,…,tn；t?1, t?2,…,t?m?T ，称n+m元函数 (2)互协方差函数： 例4: 设有两个随机过程X(t)=g1(t+? )和Y(t)=g2(t +? )，其中g1(t )和g2(t )都是周期为L的周期函数,? 是在(0,L)上服从均匀分布的随机变量。求互相关函数RXY(s，t)的表达式. 解: 例5: 设X(t)为信号过程,Y(t)为噪声过程，令W(t)=X(t)+Y(t)，则 (1) W(t)的均值函数为 ?W(t)= ?X(t)+ ?Y(t). (2) 其自相关函数为 RW(s,t)=E{[X(s)+Y(s)][X(t)+Y(t)]} =RX(s,t)+RXY(s,t)+RYX(s,t)+RY(s,t) 两个随机过程之和的自相关函数是每个随机过程的自相关函数与它们的互相关函数之和。若两个随机过程正交（或互不相关且均值函数均恒为零），则 RW(s,t) = RX(s,t)+RY(s,t) 五、随机序列的数字特征（见教材） * * 在实际中，要知道随机过程的全部有限维分布族是不可能的。我们知道，随机变量的数字特征可以在一定程度上描述随机变量的分布，因此，人们往往用随机过程的某些统计特征来取代分布函数族。其中常用的是下面介绍的几个数字特征。 意义：均值函数表示{X(t),t∈T}在各时刻摆动的中心；方差函数表示{X(t),t∈T}在各时刻关于的平均偏离程度； Rx(s,t)，Cx(s,t) 表示{X(t),t∈T}在两个不同时刻状态的统计依赖关系。其中最重要的数字特征是均值函数与自相关函数。 §12.2 随机过程的统计描述 一、随机过程的有限维概率分布 1、一维分布 考虑随机过程 由于 在任意时刻均为随机变量，故可用随机变量的统计描述方法来描述其统计特性。 对于任意确定时刻t∈T，X(t)为随机变量，其分布函数一般与t有关，记为 F1= x∈R 一维分布函数族描述了该随机过程在任一时刻的统计特性。 （1）二维分布 对于任意确定时刻t1，t2∈T，随机变量X(t1)， X(t2)的联合分布函数一般与t1，t2有关，记为 称为随机过程的二维分布函数。 称为随机过程的二维分布函数族。 二维分布函数族描述了该随机过程在任意两时刻的状态及其联系。 2、多维分布 （2）三维分布 对于任意确定时刻t1，t2，t3∈T，随机变量X(t1),X(t2),X(t3)的联合分布函数一般与t1,t2,t3有关，记为 称为随机过程的三维分布函数。 称为随机过程的三维分布函数族。 三维分布函数族描述了该随机过程在任意三个时刻的状态及其联系。 …… （3）n维分布 对于任意确定时刻t1，t2，…,tn∈T，随机变量X(t1),X(t2),…,X(tn)的联合分布函数一般与t1,t2,…,tn有关，记为 称为随机过程的n维分布函数。 称为随机过程的n维分布函数族。 n维分布函数族描述了该随机过程在任意n个时刻的状态及其联系。 3、有限维分布函数族 称为随机过程的有限维分布函数族。 由此，随机过程的有限维分布函数族F 完整地刻画了该随机过程的统计特性。 变化n及t1,t2，…，tn所得到的有限维分布函数的全体 =F1∪F2∪…∪Fn∪… 随机过程 有限维分布函数族 Kolmogorov, 1933 例1：抛掷一枚硬币，样本空间是Ω={H,T}，其中P(H )=P(T )=1/2,现定义： 例 1 2 3 4 解（2） 练: 设随机过程X(t)=Y+Zt, t?T=(-∞,+∞),其中Y，Z是相互独立的服从N(0,1)的随机变量，求 {X(t), -∞t+∞}的一，二维概率密度。 解: ?t?T，由正态分布的性质知X(t)服从正态分布: E[X(t)]=E(Y)+tE(Z)=0, D[X(t)]=D(Y)+t 2 D(Z)=1+t 2 所以一维概率密度为 又由正态分布的性质知，对于任意s, t∈T，(X(s),X(t))服从二维正态分布而E[X(s)]= E[X(t)]=0；D[X(s)]=1+s2 ,D[X(t)]=1+t2 又由正态分布的性质知，