随机过程的数字特征新.pdfVIP

第三节 随机过程的数字特征 定义 6.3.1 设随机过程{ξ(t),t ∈T}的一维分布函数为 F(t; x) ，我们称 +∞ μ t = E[ξ(t)] = xdF(t; x) ξ () ∫ ?∞ +∞ σ 2 t = D[ξ(t)] = [x ? μ t ]2 dF(t; x) ξ () ∫ ξ () ?∞ 分别为随机过程{ξ(t),t ∈T}的均值函数和方差函数。 对离散型的随机过程，其均值函数和方差函数分别为： n μξ ()t = E[ξ(t)] = ∑ xi pi (t) i=1 n 2 2 2 σ ξ ()t = D[ξ(t)] = E[ξ(t) ? μξ ()t ] = ∑[xi ?μξ ()t ] pi (t) i=1 其中： pi ()t = P{ξ(t) = xi },i = 1,,n 对连续型的随机过程，其均值函数和相关函数分别为： +∞ μ t = E[ξ(t)] = xf (t; x)dx ξ () ∫ ?∞ +∞ σ 2 t = D[ξ(t)] = E[ξ(t) ? μ t ]2 = [x ? μ t ]2 f (t; x)dx ξ () ξ () ∫ ξ () ?∞ 均值函数和方差函数刻画了随机过程在不同时刻的统计特性，均值函数表示{ξ(t) }在各个不同 时刻取值的摆动中心。方差函数表示{ξ(t) }在各个不同时刻取值的关于 μξ (t)的平均偏离程度。但 不能描述在不同时刻之间的相互关系，因此我们必须引入自相关函数和自协方差函数概念。 定义 6.3.2 设随机过程{ξ( t ),t ∈T } 的二维分布函数为 F(t1 ,t2 ; x1 , x2 ) ，我们称其自相关函数 和自协方差函数分别为： +∞+∞ R ( t ,t ) = E[ξ( t )ξ( t )] = x x dF(t ,t ; x ,x ) t ,t ∈T ξ 1 2 1 2 ∫∫ 1 2 1 2 1 2 1 2 ?∞?∞ Cξ ( t1 ,t2 ) = E[ξ( t1 ) ? μξ ()t1 ][ξ( t2 ) ? μξ ( t2 )] 且： Cξ ( t1 ,t2 ) = Rξ ( t1 ,t2 ) ? μξ ( t1 )μξ ( t2 ) 2 2 若令 t1 = t2 = t ，则 Cξ (t,t) = Rξ (t,t) ? μξ (t)=Dξ (t)=σ ξ 由此可以看出：均值函数 μξ (t)和相关函数 Rξ ( t1 ,t2 ) 是最基本的数字特征，协方差函数 2 Cξ ( t1 ,t2 ) 和方差函数σ ξ (t)可以由它们确定。在随机过程理论中，仅研究均值函数 μξ (t)和相关函 数 Rξ ( t1