概率论课堂讲义6.3.pdfVIP

6.3 几类重要的随机过程 6.3.1 ．马尔可夫过程(Markov) 设 {X(t),tT}是随机过程，对于任意整数n≥3及T中任意n个 不同的参数t1t2…tn，在 （X(t1),X(t2),…,X(tn-1)） = （x1,x2,…,xn-1） 的条件下，若有 P {X (t ) x | X (t ) x , X (t ) x , ,X (t ) x , } n n 1 1 2 2 n1 n1 P {X (t ) x | X (t ) x }, n n n1 n1 则随机过程 {X (t),t T}称为马尔可夫过程. 6.3.2 平稳过程 （统计规律不随时间推移而改变） 设 {X (t),t T}是随机过程，对于任意的 h，及T中任意 n个不同的参数t ，t ，…，t ，当t +h,t +h,…,t +h T， 1 2 n 1 2 n （X (t),X (t),…,X (t)）与(X(t+h),X(t +h),…,X(t +h )) 1 2 n 1 2 n 的分布函数相同，即 F (x , x , , x ;t ,t , ,t ) F (x , x , , x ;t h, t h, , t h) 1 2 n 1 2 n 1 2 n 1 2 n 则称此随机过程 {X(t),tT}为严 （强，狭义）平稳过程。 上式称之为平移不变性或严平稳性。 易见严平稳过程的概率特性不随时间的平移而改变。 平稳过程的参数集T,一般为(- ,+),0,+, {0,1,2,…},{0,1,2,…}。 当参数集T为离散时平稳过程称为平稳序列。 以下如无特殊说明，均认为参数集T=(-,+) 将过程分化为平稳与非平稳的意义 1.平稳过程可以不考虑开始时间 2.平稳过程有很好的统计性质（数字特征） 例. 设 {X ,n0}是独立同分布的随机变量序列,且 n X U(0,1),n=1,2,…, 讨论{X ,n0}是否为严平稳过程。 n n 并求E (X )与E (X X ),n、m=0,1,2,…. n n m 解：设U(0,1) 的分布函数为F(x),则对任意的正整数k和h,任意 0n n … n , 及 X ,X , X  1 2 k X n ,X n , X n  n h n h n h 1 2 k 1 2 k 的分布函数均为 k F (x 1 , x 2 , , x k ) F (x j ) j 1 可见，满足定义条件，故{X ,n0}是严平稳过程。 n 因为X U(0,1)，且相互独立，所以 E (X )=1/2， n n