D2随机过程的数字特征1解析.ppt

由于 与 互不相关 于是可得： 10.2 几类重要过程 一、 独立增量过程 定义6.3 设过程 ，其中 T=[0，+∞) 若对任意正整数 和 过程的增量 是相互独立的，则称 为独立增量过程或可加过程。 独立增量过程的特点是：在不相重叠的时间间隔上,状态的增是相互独立的。 可以证明独立增量过程 的有限维分布可用一维增量分布来确定。 注: (1) 为了简便，不失一般性，通常可令独立增量过程在起始时间 的 (2) 若增量 的分布只与 有关而与 本身无关，则称为齐次的或称为时齐的独立增量过程. (3) 独立增量过程的协方差函数 设 记 因为 是具有独立增量的过程 , 则 也是具有独立增量的过程 且 方差函数 当 时, 就有 所以对任意的 ,协方差函数可用 方差函数表示为: 二、泊松过程 用 表示在 时间内发生的事件数 考虑下列一些事件:在 时间内电话总机接到的顾客“呼叫”的次数；某服务系统在 时间内要求服务的顾客人次；机器 在时间内发生故障的次数等等，这些事件的共同特点都是考虑在 时间内某类事件发生的次数， 1、计数过程定义 以 表示在时间间隔 内只出现的质点数。则 是一状态取非负整数。时间参数连续的随机过程，称为计数过程。 若将顾客看作时间轴上的质点, 顾客到达服务站等事件的发生相当于质点的出现. 它的状态空间 ；它的样本函数都是递增的阶梯函数；它的一个典型的样本函数如图所示，使 的值发生跃变的时刻 也就是某类事件发生的时刻。 1 0 2 3 4 5 其概率计为 令 则事件“在 出现k个质点”可表示成 2、泊松过程的定义 k=0,1,2,… 则称X(t)为泊松过程。 定义6.4 若 为独立增量过程，且对任意 过程的增量 服从参数为 的泊松分布，即有： 3、泊松过程满足下列条件。 ①对于任意时刻 , 事件在各区间段出现次数 是相互独立的； ②对于充分小的 , 事件出现１次的概率为: 式中 是当 时，关于 的高阶无穷小量,常数 ; ③对充分小的 有 即在 内事件出现二次及二次以上的概率与出现一次的概率相比，可忽略不计。 定义6.5 若随机过程 满足以上几个条件，则 为泊松过程。 于是得到泊松过程的等价定义： 将上面②、③合起来可得到在 内 事件不出现的概率为： 此定义中条件?表示 为独立增量过程,与定义6.4相同，所不同的是前者给出了增量的具体概率分布，后者给出在短时间间隔 内引起增量分布的极限性质。 定理6.1 定义6.4与定义6.5是等价的 证：由定义6.5推出定义6.4成立，只要由条件②和③式导出增量的分布即可。 这可用数学归纳法通过确定概率 来证明。 首先我们来确定 为此对充分小的 考虑 故 由条件①可写成 * 我们把随机变量 （随机过程 对应于某个固定t值）的二阶原点矩 记作 称为随机过程 的均方值函数。 （二）均方值与方差 称为随机过程 的方差函数。 是t的确定函数，它描述了随机过程的诸样本函数对数学期望 的偏离程度见图示。 而把 的二阶中心矩， 是非负函数，它的平方根称 为随机过程的均方差函数。 均值和方差刻划了随机过程在各个时刻的统计特性，但不能描述过程在不同时刻的相关关系，这点可从下图所示的两个随机过程 和 来说明，从直观上看，它们具有大致相同的均值和方差，但两者的内部结构却有非常明显的差别 （三）自相关函数 具有相同数学期望和方差的两个不同的随机过程 而 的样本函数变化激烈，波动性大，其不同时刻的状态之间的联系不明显，且时刻间隔越大，联系越弱. 其中 随时间变化缓慢，这个过程在两个不同时刻的状态之间有较强的相关性; 因此，必须引入描述随机过程在不同时刻之间相关程度的数字特征。 自相关函数（简称相关函数）就是用来描述随机过程两个不同时刻状态之间内在联系的重要数字特征。 称为随机过程X(t)的自相关函数，简称相关函数， 我们把随机变量 在任意两个不同时刻 的随机变量