随机过程的基本概念.pptVIP

第三节 几种重要的随机过程简介 Home 独立随机过程 独立增量过程 Markov过程 平稳过程 平稳增量过程 一、独立随机过程 简称独立随机过程。 Home 二、独立增量过程 是相互独立的， Home 1. 定义 Home 2. 两个重要结论 结论一 独立增量过程的有限维分布函数族由其一维分布和增量分布完全确定。 结论二 独立增量过程一定是马氏过程。 例1 证 的随机变量序列，令 则 Home 三、平稳过程 平稳过程的统计特性与Markov过程的不同，它不随时间的推移而变化，过程的“过去”可以对“未来”有不可忽视的影响。 Home 1、严平稳过程 定义1 若对任意n，任意 则 称为严平稳过程。 Home 2、严平稳过程的特点 1 二维概率密度 仅与时间差 有关，而与时间起点无关。 证 同理有一维分布函数也与t无关， 即 一维 Home 对于二维概率密度，有 证 二维 其中 同理 二维分布函数也仅与时间差 有关，而与时间起点无关，即 Home 2 若严平稳过程存在二阶矩，则 证 （2）相关函数仅是时间差 的函数： 记 （1）均值函数为常数： 只对连续型的情况 Home 记 3、宽平稳过程 定义2 如果它满足： 则称 为宽平稳过程， 简称 平稳过程 Home 当T为整数集 或 注2 注1 严平稳过程不一定是宽平稳过程。 平稳时间序列 因为严平稳过程不一定是二阶矩过程。 若严平稳过程存在二阶矩，则它一定是宽平稳过程。 宽平稳过程也不一定是严平稳过程。 因为宽平稳过程只保证一阶矩和二阶矩不随时间推移而改变，这当然不能保证其有穷维分布不随时间而推移。 注3 利用均值函数与协方差函数也可讨论随机过程的平稳性。 Home * * 第一节 随机过程的定义及其分类 第二章 随机过程的基本概念 第二节 随机过程的分布及其数字特征 第三节 几种重要的随机过程简介 第一节 随机过程的定义及其分类 一、直观背景及例子 电话站在时刻t时以前接到的呼叫次数 例1 一般情况下它是一个随机变数X ，并且依赖时间t，即随机变数X(t)，t?[0,24]。 例2 研究某一商品的销售量 一般情况下它是一个随机变数X ，并且依赖时间t，即随机变数X(t)，t =1,2, …。 Home 例3 排队模型 表示依赖于一个变动参量的一族随机变量（无穷多个随机变量）。虽然它不能用一个确定的函数来描述，但也是有规律的。 顾客来到服务站要求服务。 用X(t)表示t时刻的队长，用Y(t) 表示t时刻到来的顾客所需的等待时间，则它们都是随机过程。 随机过程 Home 二、随机过程的定义 1．随机过程 设已给概率空间(Ω,F,P) 及一参数集T，若对每一个t∈T均有定义在(Ω,F,P) 上的一个r.v. X(t,ω) 与之对应，则称依赖于参数t的r.v. 族X(t,ω) 为一随机过程。 记法 说明1 参数集T：可离散可连续。 随机序列或时间序列： {X(n), n = 0, 1, …}或{X(n), n≥0} Home Home 说明2 参数t的含义： 通常指时间参数，也可是其他物理量。 参数t的维数： 一维、多维（随机场）。 例 考虑某一海面的波浪的浪高随时间的变化情况。 四维 说明3 原因： Home 对固定的样本点ω0∈Ω，X(t,ω0) 是定义在T上的 一个函数（确定性函数），称为 X(t) 的一条样本路径或一个样本函数，或轨道、现实。 对固定的样本点t0∈T，X(t0)=X(t0,ω) 是定义在(Ω,F,P) 上的一个随机变量，其取值随着试验的结果而变化，变化有一定的规律，用概率分布刻画。 “随机”性 变化“过程” 三、随机过程的分类 1、按参数集和状态分类 参数集T的是一个可列集T={0，1，2，…} 离散参数 连续参数 参数分类 参数集T的是一个不可列集 状态分类 离散状态 连续状态 取值是离散的 取值是连续的 Home T离散、S离散 T离散、S非离散（连续） 参数T状态S 分类 概率结构分类 2．按过程的概率结构分类 T非离散（连续） 、S离散 T非离散（连续） 、S非离散（连续） 独立随机过程 独立增量过程 Markov过程 平稳过程 Home 第二节 随机过程的分布及其数字特征 一、随机过程的分布函数 一维分布函数 分布函数 一维概率密度 Home 如何描述随机过程的统计特性？ 如何描述随机变量的统计特性？ 二维分布函数 联合分布