随机过程第四版_Ch2_刘次华_研究生课件讲义.ppt

2.3 复随机过程 例 设复随机过程 X1, X2, ?, Xn独立，w1, w2, ?, wn为参数， 求{Zt, t?0}的均值函数m(t)和相关函数R(s, t) 解 2.3 复随机过程 时间增量 时间平移 正交增量过程 EX2＜∞ EX=0，EX2＜∞ 宽平稳随机过程 独立增量过程 严平稳随机过程 平稳独立增量过程 维纳过程 泊凇过程 高斯过程 增量服从正态分布 增量服从泊凇分布 有限维联合变量服从正态分布 马尔可夫过程 时间记忆 2.4 几种重要的随机过程 2.4 几种重要的随机过程 定义2.6: 设{X(t)，t ?T }是随机过程，且EX(t)=0, EX2(t) +?，若对任意的t1 t2 ? t3 t4?T,有E[(X(t2)-X(t1))(X(t4)-X(t3))]=0，则称{X(t)，t ?T }为正交增量过程。 不相关 t1 t2 t3 t4 定理：设T=[a,b] , 规定X(a)=0, 若{Xt，t ?T }是正交增量过程，则 2.4 几种重要的随机过程 证:对于astb 同理对于a t s b , 有 于是 2.4 几种重要的随机过程 定义2.7: 设{X(t)，t ?T }是随机过程，对任意正整数n和t1t2?tn?T, 随机变量X(t2)-X(t1)，X(t3)-X(t2), ?, X(tn)-X(tn-1)是相互独立的，则称{X(t)，t ?T }是独立增量过程或可加过程。 定理：若{Xt，t ?T }是独立增量过程，且EX(t)=0，EX2(t)+?，则{Xt，t ?T }是正交增量过程。 * * * 第二章 随机过程的概念与基本类型 随机过程的例子 以X(t)表示某电话交换台在时间段[0,t]内接到的呼叫次数，则{X(t)，t∈[0,∞)}是随机过程； 以X(t)表示某地区第t天的最高气温，则{X(t)，t=0,1,…} 是随机过程； 以X(t)表示某固定点处在时刻t的海面相对于平均海平面的高度，则{X(t)，t∈[0,∞)}是随机过程； X(t)=acos(ωt+Θ)， t∈（- ∞,∞)，其中a，ω是常数，Θ是随机变量。则{X(t)，t∈ （- ∞,∞)}是随机过程 2.1 随机过程的一般概念 定义2.1 设(?, F,P)为概率空间，T是参数集。若对任意 t ?T ，有随机变量X(t, e)与之对应，则称随机变量族{X(t, e)， t ?T }是(?, F,P)上的随机过程，简记为 {X(t)，t ?T }或{Xt，t ?T }。 X(t)的所有可能的取值的集合称为状态空间或相空间，记为I。 2.1 随机过程的基本概念 从数学上看，随机过程{X(t, e)， t ?T }是定义在T??上的二元函数。 对固定的t，X(t, e) 是(?, F,P)上的随机变量； 对固定的e，X(t, e) 是定义在T上的普通函数，称为随机过程的一个样本函数或样本轨道。 2.1 随机过程的基本概念 按参数T和状态空间I分类 （1）T和I都是离散的 （2）T是连续的，I是离散的 （3）T是离散的，I是连续的 （4）T和I都是连续的 按Xt 的概率特性分类 正交增量过程 独立增量过程 马尔可夫过程 平稳随机过程 一维随机变量 e → X(e) 二维随机变量 e → （X(e)， Y(e)） 。。。 n维随机变量 e → （X1(e)， X2(e)，…,Xn(e)） 随机序列 e → （X1(e)， X2(e)，…, ） 随机过程 e → （X(t,e)， t∈T ） 随机变量族 (t ,e) → xt(e)=x(t, e) x x (ti,e) t1 t2 t3 2.2 随机过程的分布和数字特征 随机过程{X(t)，t ?T }的有限维分布函数族 其中 是n维随机变量 (X(t1), X (t2), ?, X (tn))的联合分布函数 例：X(t)=tV,-∞t ∞,其中V为随机变量。 P(V=1)=0.6,P(V=-1)=0.4, 求F1.5 (x), F2 (x), F1.5,2 (x1,x2), (详解在笔记本） 2.2