随机过程第三章技术总结.ppt

应用随机过程;§3.1 随机过程的收敛性; 则称随机变量序列xn依均方收敛于随机变量x，并记为 或 （m·s——是英文Mean—Square缩写） 1. 两个均方收敛性判据 里斯—菲希尔定理：对随机变量序列 构造柯西序列 如果满足 则必然存在一个随机变量x，使得 。; 洛夫准则（又称均方收敛准则）：随机变量序列 均方收敛于x的充要条件是 （c取常数） 2. 均方收敛的性质 （1）如果随机变量序列 依均方收敛于随机变量x，则有 （2）均方收敛是唯一的。如果 则必有x = y ;（3）如果 ，则有 （4）如果 ，a和b是任意常数，则有 研究随机过程的统计变化规律，在一定条件下，有时我们也可以借助数学分析的工具建立起随机过程的收敛性、连续性、可微性、可积性等概念，进而可对随机过程的变化规律有更清楚的分析了解。这部分内容属于随机分析，这里我们只作简介。当然在此基础上，我们还可建立随机微分方程，自从伊藤1961年建立随机微分方程理论以来，随机微分方程发展很快，已渗透到各领域。 ;§3.2 随机过程的连续性; 对于右边极限式，自相关函数 是的函数。 欲使右边极限为零，则需 ，才能保证随机过程均方连续。 对于左边，若随机过程均方连续，则随机过程的自相关函数，在上也处处连续。 总之，若随机过程处处均方连续，则它的自相关函数所在上也处处连续，反之也成立。; 性质3.1 若随机过程X(t)是 连续的，则它的数学期望也必定连续，即： ; 性质3.1 若随机过程X(t)是 连续的，则它的数学期望也必定连续，即： 证 设 是一个随机变量; 又∵ 均方连续 由夹挤定理知 这表明求极限和求数学期望的次序可以交换，这是一个非常有用的结果，以后经常可用到。;§3.3 随机过程的微分及其数学期望与相关函数; 我们说当随机过程的所有样本函数，即 的极限都存在，则可以说随机过程的导数存在，然而在随机过程 中可能有某些样本函数的极限不存在，但大部分都存在，为此我们给出一个条件较弱的随机过程在均方意义下（即平均意义下）的导数存在定义。 定义均方可微：如果 满足下式; 则 称在t时刻具有均方导数 ，记为 一般函数存在导数的前提是函数必须连续，因此随机过程存在导数的前提也需要随机过程必须连续。但是，对一个随机过程要求它们所有样本函数都连续很困难，为此我们定义了所谓的均方连续，并给出随机过程的均方导数与它的相关函数关系 ;性质3.2 如果自关函数 时连续，且存在二阶偏导数 则随机过程在均方意义下存在导数（证明略） 应当指出，随机过程有导数，首先过程必须是连续的，但随机过程的连续性不能保证过程一定有导数。;2. 随机过程的均方导数 的数学期望; 上式说明：随机过程 的导数 的数 学期望等于它的数学期望的导数，且上式的量都是普通非随机函数，因此这个导数具有一般意义。;3. 随机过程的的导数的自相关函数;;;§3.4 随机过程的积分; 仿此，类似可给出随机过程均方可积定义。 定义随机过程均方可积：当我们把积分区间[a,b]分 成n个小区间并令 ，当 时，若 则称Y为随机过程在均方意义下的积分。可表示为： 注意，由随机过程均方可积定义可知其积分结果Y应为一个随机变量。; 由随机过程的均方可积定义，我们还可给出带有权函数的随机过程均方可积定义，即 式中， 是一个权函数，且该函数为普通函数，而积分结果是一个新的随机过程。 在第七章我们将看到， 在工程上的解释可看成