第2讲第2章随机过程的概念.ppt

§2.1 随机过程的基本概念 第二章 随机过程的基本概念 概率论中对于随机变量的研究限于一维或有限维， 有时也讨论了随机序列 但都要求这些随机变量相互独立且同分布。 （大数和中心极限定理） 实际中有很多随机现象是随时间而变的动态过程，而且在不同时刻，随机现象可能相互有关联，未必具有独立和同分布性。 这种动态的随机现象，就需要用随机过程来描述。 例2 考察 [0,t)小时内某服务台接受服务的人数X(t) 。 例1 观察某只股票一天的价格走势. X(t)为t时价格。 以股票价格为例，可能被观察到的走势图： X(t1,ω) X(t2,ω) X(t,ω1) X(t,ω2) X(t,ω3) t1 t2 tn X(t3,ω) 特点2：每一固定时刻t，都对应一随机变量。 特点1：每一个观察到的样本，都是随时间t在变化的曲 线，称为样本函数，或轨道. 样本函数的全体称为样本函数族. 随机变量的全体称为随机变量族。 ω1 ω2 ω3 所以随机过程可以用 表示 为(ΩF,P)上的一个随机过程. T称为参数集，或时间参数集。　 定义 T是参数集,Ω为样本空间， (Ω,F, P)是概率空间, 简记为 或 的值称为随机过程在t时所处的状态。 所有可能的值的集合，称状态空间， 记为I. 若对每个 1) T, I 均为离散; 2) T 离散, I 连续; 3) T 连续, I离散; 4) T, I 为连续. 根据时间集和状态空间的不同，随机过程分为四类： 当T为离散集,称随机过程为随机序列, 时间序列. 在t时状态空间离散，则 为离散型随机变量 例1为时间状态皆连续的随机过程 例2为时间连续状态离散的随机过程 时间离散状态随机过程，又称随机序列。 若例1、例2中只考虑整点时刻时刻的情形，则分别是时间离散状态连续和时间离散状态也离散的随机过程。 的联合分布函数： 称为过程的n 维分布函数族. §2.2 随机过程的分布和数字特征 定义 是一随机过程，对于任意 有限维分布函数性质 1) 对称性 对1,2,…,n的任一排列j1, j2, … , jn,均有 对任意固定的自然数mn,均有 2) 相容性 例3 设Y, Z是两个独立的标准正态随机变量, 求随机过程的一、二维概率密度族 解 是两个独立正态随机变量组合， 故为正态分布。 所以 所以: 是独立的正态随机变量Y, Z的满秩线性 变换，故为二维正态分布。 对于 例4 若从t=0开始每隔1/2秒抛掷一枚均匀的硬币做试验，定义一个随机过程： 1) 一维分布函数F(1/2；x)和F(1,x); 2) 二维分布函数F(1/2, 1;x, y). 求 解（1） 这是独立随机过程（即在不同时刻的随机变量相互独立） ，所以过程的有限维统计特性由一维确定。 X(t) cosπt 2t p 1/2 1/2 X(1/2) 0 1 p 1/2 1/2 X(1) -1 2 p 1/2 1/2 （3） 在实际应用中,很难确定出随机过程的有限维 分布函数族,过程的数字特征能反映其局部统计性 质. 下面，讨论随机过程的数字特征. 定义 给定随机过程 ,有如下定义的数字特征： 均值函数 方差函数 均方差函数 自相关函数 自协方差函数 由于各数字特征都可以由均值函数和自相关函数计算而得，所以，我们重点讨论的是均值函数和自相关函数 例5 随机变量A 与Θ相互独立, A～N(0,1), Θ～ U(0, 2 π). 求过程的均值函数和相关函数. 解 ，其中β是正常数, 解 例6 是相互独立的随机序列，且 求随机过程 的均值函数和自相关函数 定义 设 和 是两个随机过程, 它们的互相关函数定义为 互协方差函数为 例7 已知实随机过程X(t)具有自相关函数R(s,t), 令 Y(t)=X(t+a)－X(t) 求RXY(s, t), 解 RYY(s, t). 2.3、复随机过程 定义 设 和 是两个实随机过程， 为复随机过程. 均值函数： 自相关函数： 自协方差函数： 称 定义 设 和 是两个复随机过程, 有如下定义： 互协方差函数 互相关函数 §2.4 几种重要的随机过程 平稳增量过程 X(t+h)－X(s+h)与X(t)－X(s)具有相同的分布， 称随机过程X(t)为平稳增量过程. 若对任意s,t, h