- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
随机过程课件三
第三章 随机过程
3.1 随机过程的基本概念
1、随机过程
定义3-1
设是给定的概率空间,为一指标集,对于任意,都存在定义在上,取值于的随机变量与它相对应,则称依赖于的一族随机变量为随机过程,简记,或。
注:随机过程是时间参数和样本点的二元函数,对于给定的时间是是概率空间上的随机变量;对于给定样本点是定义在上的实函数,此时称它为随机过程对应于的一个样本函数,也成为样本轨道或实现。称为随机过程的相空间,也成为状态空间,通常用表示处于状态。
2、随机过程分类:
随机过程按照时间和状态是连续还是离散可以分为四类: 连续型随机过程、离散型随机过程、连续随机序列、离散随机序列。
3、有穷维分布函数
定义3-2
设随机过程,在任意个时刻的取值构成维随机向量,其维联合分布函数为:
其维联合密度函数记为。
我们称为随机过程的有穷维分布函数。
3.2 随机过程的数字特征
1、数学期望
对于任何一个时间,随机过程的数学期望定义为
是时间的函数。
2、方差与矩
随机过程的二阶中心矩
称为随机过程的方差。
随机过程的二阶原点矩定义为
注:是时间的函数,它描述了随机过程的诸样本对于其数学期望的偏移程度。
3、协方差函数和自相关函数
随机过程对于任意,其协方差函数定义为
当时,协方差函数就是方差。
随机过程的自相关函数(相关函数)定义为
当时,自相关函数就是二阶原点矩。
4、实二阶矩过程
定义3-3
设为实随机过程,若对于任意的,其均方函数,则称为实二阶矩过程。
注:由柯西-施瓦兹(Cauchy-Schwarz),可知,二阶矩过程自相关函数一定存在。
5、例3-1
判断随机过程在下列两种情况下是否为二阶矩过程。
(1)为常数;
(2)具有概率密度
解:(1)因为
所以是二阶矩过程。
(2)因为
所以不是二阶矩过程。
3.3 离散时间和离散型随机过程
当时间参数取离散值时,这种随机过程称为离散随机过程 。这时,是一串随机变量所构成的序列,即随机序列。由于随机序列的指标表示时间,所以常称随机序列为时间序列。
1、例3-2
设一维随机游动过程,其中(即独立同分布随机序列,且。求。
解: 根据期望、方差的定义和性质,有
而且
则
2、例3-3
考虑随机点在时间区间内发生的次数,若随机点在内发生的次数是偶数(视0为偶数),则令;若为奇数,且令;且。又设在内有个随机点发生的概率与无关,且(即参数为的Poisson分布)
其中由此计算可得
于是有
故得
通过类似的计算,可以得到对于
所以相关函数为
同理可以计算当时的情况。
综合上面的结论有
因此的方差为
3.4 正态随机过程
1、正态随机过程
如果随机过程的任意n维概率分布都是正态分布,则称它为正态随机过程或高斯随机过程,简称正态过程或高斯过程。
正态随机过程的n维概率密度为
其中,是n维向量,是阶的矩阵,逆矩阵,它的第i行j列的元素为
其中,为相关系数。
注: 由上式可见,正态随机过程的n维概率分布仅取决于它的一、二阶矩函数,即只取决于它的数学期望、方差和相关系数。
2、正态随机过程性质
如果对正态过程在n个不同时刻采样,所得到的一组随机变量两两互不相关,即
则这些随机变量也是相互独立的。
在的条件下,n维正态概率密度等于n个一维正态概率密度的连乘积。所以对于一个正态过程来说,不相关与独立是等价的。
3.5 Poisson过程
1、独立增量过程
定义3-4
设是一随机过程,若对任意正整数n及
,随机变量的增量
是相互独立的,则称是独立增量过程。
注: 设是独立增量过程,若对任意的,增量的概率分布只依赖于而与无关,则称随机过程为齐次的或时齐的。
若只要时间间隔相同,那么增量服从的分布也相同,也称此过程具有平稳性。 具有独立增量和平稳增量的过程称为独立平稳增量过程。常见的独立平稳增量过程有Poisson过程和Wiener(维纳)过程。
2、计数过程
定义3-5
如果用表示内随机事件发生的总数,则随机过程称为一个计数过程。因此,计数过程满足
(1);
(2)是非负整数值;
(3)对于任意两个时刻,有;
(4)对于任意两个时刻,等于时间区间中发生的事件个数。
如果计数过程在不相交时间区间中发生的事件个数是独立的,则称计数过程有独立增量。
3、Poisson过程的两个定义
定义3-6
设随机过程是一个计数过程,如果满足
(1);
(2)是独立增量过程;
(3)对于任意,增量具有参数
的Poisson分布,即
则称为具有
文档评论(0)