(孙应飞随机过程讲义第一章.docVIP

随机过程及其分类 在概率论中，我们研究了随机变量，维随机向量。在极限定理中我们研究了无穷多个随机变量，但只局限在它们之间相互独立的情形。将上述情形加以推广，即研究一族无穷多个、相互有关的随机变量，这就是随机过程。 随机过程的概念 定义：设是一概率空间，对每一个参数，是一定义在概率空间上的随机变量，则称随机变量族为该概率空间上的一随机过程。其中是一实数集，称为指标集或参数集。 随机过程的两种描述方法： 用映射表示， 即是一定义在上的二元单值函数，固定，是一定义在样本空间上的函数，即为一随机变量；对于固定的，是一个关于参数的函数，通常称为样本函数，或称随机过程的一次实现，所有样本函数的集合确定一随机过程。记号有时记为或简记为。 参数一般表示时间或空间。常用的参数一般有：（1）；（2）；（3），其中可以取或，可以取。当参数取可列集时，一般称随机过程为随机序列。 随机过程可能取值的全体所构成的集合称为此随机过程的状态空间，记作。中的元素称为状态。状态空间可以由复数、实数或更一般的抽象空间构成。实际应用中，随机过程的状态一般都具有特定的物理意义。 例1：抛掷一枚硬币，样本空间为，借此定义： 其中，则是一随机过程。试考察其样本函数和状态空间。 例2：设 其中和是正常数，。试考察其样本函数和状态空间。 例3：设正弦随机过程，其中：， 是常数，。试求：（1）举例画出的样本函数；（2）确定过程的状态空间；（3）求 时的密度函数。 例4：质点在直线上的随机游动，令为质点在时刻时所处的位置，试考察其样本函数和状态空间。 例5：考察某“服务站”在时间内到达的“顾客”数，记为，则是一随机过程，试考察其样本函数和状态空间。若记为第个“顾客”到达的时刻，则为一随机序列，我们自然要关心的情况以及它与随机过程的关系，这时要将两个随机过程作为一个整体来研究其概率特性（统计特性）。 例6：布朗运动。 随机过程的分类 随机过程的分类一般有两种方法：（1）以参数集和状态空间的特征来分类；（2）以统计特征或概率特征来分类。我们分述如下： 以参数集和状态空间的特性分类： 以参数集的性质，随机过程可分为两大类：（1）可列；（2）不可列。 以状态空间的性质，即所取的值的特征，随机过程也可以分为两大类：（1）离散状态，即所取的值是离散的；（2）连续状态，即所取的值是连续的。 由此可将随机过程分为以下四类： 离散参数离散型随机过程； 连续参数离散型随机过程； 连续参数连续型随机过程； 离散参数连续型随机过程。 以随机过程的统计特征或概率特征分类： 以随机过程的统计特征或概率特征来进行分类，一般有以下一些： 独立增量过程； Markov过程； 二阶矩过程； 平稳过程； 鞅； 更新过程； Poission过程； 维纳过程。 注意：以上两种对随机过程的分类方法并不是独立的，比如，我们以后要讨论的Markov过程，就有参数离散状态空间离散的Markov过程，即Markov链，也要讨论参数连续状态离散的Markov过程，即纯不连续Markov过程。在下面几章中，我们将研究几种重要的、应用非常广泛的随机过程。 随机过程的数字特征 （一）单个随机过程的情形 设是一随机过程，为了刻画它的统计特征，通常要用到随机过程的数字特征，即随机过程的均值函数、方差函数、协方差函数和相关函数。下面我们给出它们的定义。 均值函数：随机过程的均值函数定义为：（假设存在） 方差函数：随机过程的方差函数定义为：（假设存在） （自）协方差函数：随机过程的（自）协方差函数定义为： （自）相关函数：随机过程的（自）相关函数定义为： 特征函数：记： 称 为随机过程的有限维特征函数族。 数字特征之间的关系： 例7：考察上面的例1，（1）写出的一维分布列；（2）写出的二维分布列；（3）求该过程的均值函数和相关函数。 例8：求例2中随机过程的均值函数和相关函数。 两个随机过程的情形 设、是两个随机过程，它们具有相同的参数集，对于它们的数字特征，除了有它们自己的数字特征外，我们还有： 互协方差函数：随机过程和的互协方差函数定义为： 互相关函数：随机过程和的互相关函数定义为： 互协方差函数和互相关函数有以下的关系： 如果两个随机过程和，对于任意的两个参数，有 或 则称随机过程和是统计不相关的或不相关的。 有限维分布族 设是一随机过程，对于，，记 其全体 称为随机过程的有限维分布族。它具有以下的性质： 对称性：对的任意排列，则有： 相容性：对于，有： 注1：随机过程的统计特性完全由它的有限维分布族决定。 注2：有限维分布族与有限维特征函数族相互唯一确定。 问题：一个随机过程的有限维分布