10随机过程的1般概念.pptVIP

10.1 随机过程概念及统计特性 一、随机过程的定义 二、随机过程的分类 三、随机过程的概率分布 四、二维随机过程 随机过程 引言 现实世界中的许多现象是随时间的进展而变化与发展的，这些现象通常称为过程。可分为两类： (1)确定性的变化过程：例如 (2)不确定的变化过程：例如 如果质点在一个随机的力（它由各种随机因素形成）的作用下，那么质点运动的位置也是随机的。 如何描述这样的变化过程： 1. 如果对其变化过程的全过程做一次观察,得到一个位置与时间关系的函数x1(t ),若再次观察，又得到函数x2(t ),… ,因而得到一族函数. 2. 如果在时刻t观察质点的位置x(t ),则x(t )是一个随机变量,这样对于每个时刻t便得到一个随机变量X(t ),于是我们就得到一族随机变量{X(t),t≥0},（最初始时刻为t=0）,它描述了此随机的运动过程. 一、随机过程的定义 1.定义1 设E是一随机实验,样本空间为Ω={}，参数T(-,+),如果对每个 ,总有一个确定的时间函数X(,t)与之对应,这样对于所有的 ,就得到一族时间t的函数,我们称此时间t的函数族为随机过程,而族中每一个函数称为这个随机过程的样本函数。 我们称这种随时间的进展而变化与发展的随机现象为随机过程。 定义2：设E是一随机实验，样本空间为Ω={}，参数T(-,+),如果对任意t T ，有一定义在Ω上的随机变量X(,t)与之对应,则称{X(,t),t T}为随机过程，简记为X(t),t T 或X(t),也可记为X(t). 注释：(1) 随机过程X(t),t T是定义在Ω×T上的二元函数，因此可以从两个角度去理解, 因而有如上的两个定义。 在理论分析往往用随机变量族的描述方式， 在实际测量和处理中往往采用样本函数族的描述方式。 (3)从定义2的角度上看，随机过程是有限维随机变量的推广. (2)通常将随机过程X(t),t T 解释为一个物理系统， X(t)表示系统在时刻t所处的状态,X(t)的所有可能状态所构成的集合称为状态空间，记为I，对于给定的t0 T，及x I,X(t0)=x 说成是在时刻t0，系统处于状态x. 2.随机过程的例 （4）随机过程{X(t),t∈T}中参数t通常解释为时间集，便于理解，符合实际。但参数t可以表示为其它的量，例如序号，距离等等. 例2　测量运动目标的距离. 测量存在随机误差. 例1:(分枝过程)两个个体（第0代）可能生产 0,1,2……个子女形成第一代，每一个子女再生子女，他们合在一起形成第二代，等等，假定第n代的个体数目为Xn，则{Xn, n=0,1,2….}是随机过程。 例3　某城市的120急救电话台接收呼叫. 例4　抛掷一颗骰子的试验. 伯努利过程或伯努利随机序列 例5:(热噪声电压)电子元件或器件由于内部微观粒子（如电子）的随机热骚动所引起的端电压称为热噪声电压，在无线电通讯技术中，接收机在接收信号时，机内的热噪声电压要对信号产生持续的干扰，为要消除这种干扰（假设没有其他干扰因素），就必须考虑热噪声电压随时间变化的过程，现以电阻的热噪声电压为例说明这种变化过程的描述方法，我们通过某种装置对电阻两端的热噪声电压进行长时间的测量，并把结果记录下来，作为一次试验结果，便得到一个电压-时间函数（即电压关于时间t的函数）V1(t),如图. 它在任一确定时刻的 值是随机变量. 一次测得的电压——时间 函数是一个样本函数. 二、随机过程的分类 1．按状态和时间是可列集还是连续集分类： (1). 连续型随机过程:T是连续集,且tT,X(t)是连续型随机变量,则称过程{X(t),tT}为连续型随机过程. (2).离散型随机过程:T是连续集，且tT,X(t)是离散型随机变量，则称过程{X(t),tT}为离散型随机过程。 (3).连续型随机序列: T是可列集,且tT,X(t)是连续型随机变量，则称过程{X(t),tT}为连续型随机序列. (4).离散型随机序列:T是可列集, 且tT, X(t)为离散型随机变量, 则称过程{X(t),tT}为离散型随机序列。通常T取为T ={0,1,2…}或T ={0, ± 1，±2…},此时随机序列常记成{Xn,n=0,1,…}或{Xn,n0}。 2．按分布特性分类： 依照过程在不同时刻状态的统计依赖关系分类。例如：独立增量过程，马尔可夫过程，平稳过程等。 1．n维分布函数： 设{X(t),tT}是随机过程，对于任意整数n≥1及T中任意n个