第四课随机过程 - 张学文.docVIP

（已经编辑到115页2008-3-20） 第四章 随机过程 （电子版：盛艳霞OCR，编辑张学文 2007.12 -2008.01） 1. 随机过程的概念及其分布律  第四章 随机过程 为了从统计角度研究气象要素随时间和空间的变化,最好是利用近数十年发展起来的一个统计数学分支----随机过程和随机场理论。为研究气象信息随时间和空间的分布也要对随机过程有所了解。针对如上情况我们在这一章对随机过程的有关概念、性质和在气象上的个别应用作简要介绍。 随机过程的概念及其分布律 孤立的研究各点的气压、温度或风等气象要素时，我们把它看成随机变量（矢量）。这时可以分析它的期望值、方差、概率分布等等。 然而当把不同时刻的同一点的气压、温度或风连贯起来看时，这就是一连串的随机变量（矢量）。它们以时间为参数而有所变化。随机变量随某一参数（这里指时间）的变化给人们以过程的概念。所以就把随机变量随参数值的变化而变化的过程这一总体称为随机过程。 当掷骰子时，骰子出现的点数是随机变量。某次“3”点向上，就说这一次随机变量取值为3。而我们所谓的随机变量远不仅只有一个“3”，而应理解为很多次点子数的集合。同样地，随机过程一词也是指一个总体集合，而不是仅指某一时段的变量取值。例如说“春季北京的气温是一个随机过程”，则是指很多很多年的每年春季北京的气温的变化过程这个总体而言的。如1978年北京春季气温的变程仅是总体中的一个个例。它在随机过程中的地位和骰子为“3”点在随机变量中的地位是相当的。我们把这一条春季气温曲线称为这个随机过程的一个“现实”这样一个随机过程实际上是由无数具有同一的统计属性的现实组成的。 图4.1是乌鲁木齐冬季1月份的四年的气温曲线。它们就代表了1月气温这个随机过程的四个现实。而这一随机过程应为无数条这种曲线组成。如以T示表气温，y代表年代，d代表日期，则一个随机过程可以表示为 T=T(y,d) （4．1） 图4.1 乌鲁木齐1月份气温曲线、 式中y有固定值时，例如y=1963年，则得到随机过程的一个现实。如d取固定值（如d=1）则T表示不同年份的这一天（元旦）的气温。这时同一d值不同y值的气温实为一随机变量。时常把这同一的时间d叫作“截口”。所以一个随机过程在任一截口上表现为一个随机变量。 又如随机过程X为 X=asint+bcost X=X(a,b,t) （4.2） 此式中a,b为随机变量。对某一确定的现实而言，a,b这两个随机变量就取确定值。这时t不同则X就表现为由一个正弦曲线与另一振幅不同的余弦曲线合成的一条曲线。它就是一个现实。反之，当t固定为 t0时（在截口t0上）不同现实就有不同的a和b值。这时X就表现为一个随机变量了。与前例相比，此处a,b对应于y，t对应于d，X对应于T。 气象台站经常分析的各种气象要素的时间演变曲线，都可视为各要素的随机过程的一些现实。如在某一固定时刻不仅仅只有一个气象要素值，而是一个要素场。这时此要素场随时间的变化变称为随机场。某年1月份或一个季节的500毫巴逐日天气图就是随机场的一个现实。 随机过程在每个截口上既然都成了随机变量，所以在每个截口，此变量就也有概率分布。这常称为一维概率分布。如在两个截口（t1，t2）上则这两个变量的联合概率分布称为随机过程的二维概率分布。对一个随机过程来说仅了解一维或二维的概率分布尚不能对它的统计特性全部了解清楚。我们可以仿前再研究大于二维的任意n维的概率分布律。不过由于随机过程有无数截口，因而从原则上讲任何有限维数的分布律都不能对随机过程的统计特性作完备的描叙。这也表明了随机过程的概率分布律问题是十分复杂的问题。 但是地某些随机过程有时可以用有限维的概率分布律描叙之。例如对正态分布的随机过程只要知道二维分布律就够了。 随机过程的数学期望及相关函数，两个随机过程的互相关函数 由于直接研究随机过程的概率分布规律有困难，因而人们常把研究随机变量时用的求期望值、求相关矩等方法用于随机过程上，以大量简化问题。 随机过程X（t）的数学期望Ex(t)为 Ex(t)=E[X(t)] （4.3） 此处E[X(t)]表示在每一截口t上对随机过程X的各种取值（是随机变量）作数学期望运算。即当随机过程的一维分布f(x,t)已知时有 （4.4） 一般而言Ex是参量t的函数。 随机过程的方差Dx(t )由下式定义 （4.5） 用气象上的术语说，就是方差为距平值平方的数学期望。即 （4.6） 对两个不同的随机过程来说，它们的数学期望和方差随时间的变化相同并不等于这个随机过程的