第二章随机过程的基本概念1.pptVIP

中国民用航空学院 2 随机过程的基本概念 2.1 引言与基本概念 2.1.1 引言 2 随机过程的基本概念 2 随机过程的基本概念 随机变量、随机向量是状态观察的结果 随机过程是过程观察的结果 对随机过程采样得到随机变量和随机向量 2 随机过程的基本概念 2.1.2 基本概念 ?定义1 设(Ω ,F, P)是概率空间，对每一个参数 t ∈T ，X( t, ?)是一个随机变量，称随机变量族 XT ={X( t, ?), t ∈T } 为该概率空间上的一个随机过程 ( stochastic process )，或称为随机函数。随机过程 X( t, ?) 也记作X T (?)、 X(t)、 X t 。 用映射可以表示为X T X( t, ?) ： T??? R 即X(?,?)是定义在T ??上的二元函数. 2 随机过程的基本概念 ?说明: 随机过程 X( t, ?) 是定义在T ??上的二元函数： ▲固定t ∈T ，则 X(t ,?) 表示系统t时刻所处的状态，是定义在样本空间?上的函数—随机变量。 ▲固定?∈ ?，则X(?, ?) (t 在T 中顺序变化)是参数t ∈T 的一般函数,称之为样本函数( sample function ) （路径(path)、现实(realization)、轨道(trajectory)） .样本函数全体称为样本函数空间。 ▲随机过程 X( t, ?) 是可能取值的全体所构成的集合称为状态空间(state space)或相空间(phase space)，记作 S 随机过程的两种观点 观点一：随机过程是样本空间为函数的概率空间 缺点：概率特性描述上不方便。概率集函数描述了样本函数组成的事件的概率，不直观 观点二：随机过程是随时间参变量变化的一族随机变量 直观，便于用概率函数描述 2.2 随机过程的分类 ?随机过程Z( t, ?)的分类 (一) 根据参数T的性质和状态空间S取值(状态)的特征随机过程通常分为四类 ⑴离散参数离散型随机过程? T 可列∪ S可列 ⑵连续参数离散型随机过程? T 不可列∪ S可列 ⑶离散参数连续型随机过程? T 可列∪ S不可列 ⑷连续参数连续型随机过程? T不可列∪不S可列 2.2 随机过程的分类 特别 ◇ T 可列时,称X( t, ?)为离散参数随机过程(stochastic process with discrete parameter),或随机序列(random sequence)或时间序列(time series ) ◇※ T 连续(T=R1 or T=[a,b] ∈ R1 )时,称X( t, ?)为连续参数(continuous parameter)过程,或可列(有限)过程(denumerable (finite) process ),或离散状态过程(discrete state process ) ◇ S连续时,称X( t, ?)为连续状态过程(continuous state process). 2.2 随机过程的分类 ?随机过程X( t, ?)的分类 (二) 根据随机过程X( t, ?)的概率分布特性主要分为： ⑴正态随机过程 ? ⑵Gauss随机过程? ⑶Poissin随机过程? 2.2 随机过程的分类 ?随机过程X( t, ?)的分类 (三) 根据随机过程X( t, ?)的记忆特性主要分为： ⑴纯粹独立随机过程; ⑵独立增量过程; ⑶Markov随机过程; 2.2 随机过程的分类 ?随机过程X( t, ?)的分类 (四) 根据随机过程X( t, ?)的性质 (Xt 间的概率关系)主要分为： ⑴二阶矩过程 ⑵马尔科夫过程 ⑶独立增量过程 ⑷鞅 (5)更新过程 2.2 随机过程的分类 ?亦可以根据随机过程X( t, ?)的遍历性、功率普密度等进行分类。 这些分类标准都是人们观察随机过程的角度，当观察的角度变化时，标准也随之变化。 2.3 随机过程的有限维分布函数族 ?定义1：设X( t, ?)为一随机过程，? t =const∈T ， X ( t , ? )为一随机变量，其分布函数 称为随机过程X( t, ?)的一维分布函数。 2.3 随机过程的有限维分布函数族 ?定义2：设X( t, ?)为一随机过程，一般地， ?t1 =const1, t2 =const2 , …, tn=constn ∈T ， 随机变量X( t1 , ? ) ,X( t2 , ? ) , …, X( tn , ? )的n维联合分布函数  称为随机过程X (t )={X( t , ? ), t ∈T }的n维分布函数。 2.3 随机过程的有限维分布函数族