概率论与数理统计经典课件随机过程.pptVIP

概率论与数理统计 随 机 过 程 第十章 随机过程及其统计描述 关键词： 随机过程 状态和状态空间 样本函数 有限维分布函数 均值函数 方差函数 自相关函数 自协方差函数 互相关函数 互协方差函数 正态过程 独立增量过程 泊松过程 维纳过程 §1 随机过程的概念 随机过程被认为是概率论的“动力学”部分，即它的研究对象是随时间演变的随机现象，它是从多维随机变量向一族(无限多个)随机变量的推广。 给定一随机试验E，其样本空间S={e}，将样本空间中的每一元作如下对应，便得到一系列结果： 一维、二维或一般的多维随机变量的研究是概率论的研究内容，而随机序列、随机过程则是随机过程学科的研究内容。从前面的描述中看到，它的每一样本点所对应的，是一个数列或是一个关于t的函数。 例1：抛掷一枚硬币的试验，样本空间是S={H,T}，现定义： 例5：考虑抛掷一颗骰子的试验： 随机过程的分类： 随机过程可根据参数集T和任一时刻的状态分为四类，参数集T可分为离散集和连续集两种情况，任一时刻的状态分别为离散型随机变量和连续型随机变量两种： 连续参数连续型的随机过程，如例2，例3 连续参数离散型的随机过程，如例1，例4 离散参数离散型的随机过程，如例5 离散参数连续型的随机过程， §2 随机过程的统计描述 例1：抛掷一枚硬币的试验，定义一随机过程： 例1：抛掷一枚硬币的试验，定义一随机过程： §3 泊松过程及维纳过程 独立增量过程的性质： (一) 泊松分布 定理一：强度为λ的泊松流(泊松过程)的点间间距是相互独立的随 机变量，且服从同一指数分布 定理二：如果任意相继出现的两个质点的点间间距是相互独立， 且服从同一个指数分布： 这两个定理刻画出了泊松过程的特征，定理二告诉我们，要确定一个计数过程是不是泊松过程，只要用统计方法检验点间间距是否独立，且服从同一个指数分布。 (二) 维纳过程 维纳过程是布朗运动的数学模型 以W(t)表示运动中一微粒从时刻t=0到时刻t0的位移的横坐标，且设W(0)=0。由于微粒的运动是受到大量随机的、相互独立的分子碰撞的结果，于是: 粒子在时段(s,t]上的位移可看作是许多微小位移的 和，根据中心极限定理，假设位移W(t)-W(s)服从正 态分布是合理的。 (2) 由于粒子的运动完全由液体分子不规则碰撞而引起 的，这样，在不相重叠的时间间隔内，碰撞的次数、 大小和方向可假设相互独立，即W(t)具有独立增量， 同时W(t)的增量具有平稳性。 第十一章 马尔可夫链 关键词： 无后效性(马尔可夫性) 齐次马尔可夫链 n步转移概率 n步转移概率矩阵 C-K方程 马氏链的有限维分布律 遍历性 极限分布(平稳分布) §1 马尔可夫过程及其概率分布 马尔可夫性(无后效性) 过程(或系统)在时刻t0所处的状态为已知的条件下，过程在时刻tt0所处状态的条件分布与过程在时刻t0之前所处的状态无关。 通俗地说，就是在已经知道过程“现在”的条件下，其“将来”不依赖于“过去”。 由上例知，泊松过程是时间连续状态离散的马氏过程， 维纳过程是时间状态都连续的马氏过程。 时间和状态都离散的马尔可夫过程称为马尔可夫链，简称马氏链， 记为：{Xn=X(n),n=0,1,2,…},参数集T={0,1,2,…}， 记链的状态空间为： 例2：(0-1传输系统) 如图所示，只传输数字0和1的串联系统中，设每一级的传真率为p，误码率为q=1-p。并设一个单位时间传输一级，X0是第一级的输入， Xn是第n级的输出(n≥1)，那么{Xn,n=0,1,2…}是一随机过程， 状态空间I={0,1}，而且当Xn=i为已知时，Xn+1所处的状态的概率分布只与Xn=i有关，而与时刻n以前所处的状态无关，所以它是一个马氏链，而且还是齐次的，它的一步转移概率和一步转移概率矩阵 分别为： 例3：一维随机游动。设一醉汉Q(或看作一随机游动的 质点)在直线上的点集I={1,2,3,4,5}作随机游动， 且仅在1秒、2秒等时刻发生游动，游动的概率规则 是：如果Q现在位于点i(1i5)，则下一时刻各以 的概率向左或向右移动一格，或以 的概率 留在原处；如果Q现在处于1(或5)这一点上，则下 一时刻就以概率1 移动到2(或4)这点上，1和5