9随机过程引论.pptVIP

9.2　随机过程的统计描述 9.3　几种重要的随机过程 9.3.1 独立增量过程 9.3.3 正态过程 9.3.4 维纳过程的数学模型 四、小结 称为随机过程X(t)的自相关函数，简称相关函数，记作RX (t1,t2)。 称为随机过程的自协方差函数，简称协方差函数。 此时相关函数即为均方值函数?X2(t) 。 均值函数 均方值函数 方差函数 标准差函数 自相关函数 自协方差函数 随机过程的数字特征 随机过程数字特征之间的关系 均值函数 自相关函数 最主要的数字特征 例9.4　 解 均值函数 相关函数 协方差函数 方差函数 例9.5　 解 例9.6　求随机相位正弦波 解 (1) 均值函数 (2)自相关函数 9.3.1 独立增量过程 9.3.2 泊松过程的数学模型 9.3.3 维纳过程的数学模型 特征: 在互不重叠的区间上,状态的增量是相互独立的。 可以证明 注意 (1) 为了简便，不失一般性，通常可令独立增量过程在起始时间 t0 =0 的 如果增量具有平稳性, 那么增量 X(t)?X(s)的分布函数只依赖于时间差 t?s, 而不依赖于 t 和 s 本身。 (3)如果增量具有平稳性, 则称为齐次独立增量过程。 (4) 独立增量过程的协方差函数 CX(s, t) 方差函数 (4) 独立增量过程的协方差函数 CX(s, t)。 1.计数过程 考虑下列一些事件:在[0, t) 时间内电话总机接到的顾客“呼叫”的次数；某服务系统在[0,t) 时间内要求服务的顾客人次；机器在[0,t)时间内发生故障的次数等等。 用N(t)表示在[0,t)时间内发生的事件数。 这些事件的共同特点都是考虑在[0,t) 时间内某类事件发生的次数。 {N(t),t ?0}是一状态取非负整数、时间参数连续的随机过程，称为计数过程。 9.3.2泊松过程 它的状态空间I={0,1,2,3,?} ；。 1 0 2 3 4 5 它的样本函数都是递增的阶梯函数。 它的一个典型的样本函数如图所示，使X(t)的值发生跃变的时刻ti,i=1,2,?也就是某类事件发生的时刻。 由定义计数过程满足以下条件 (1) N(t)?0; (2) N(t)取整数； (3) 若st,则N(s)N(t); (4) 当st,则N(t)?N(s)等于区间[s,t]中出现的质点数。 如果计数过程{N(t),t?0},对于任意的st，区间[s,t]内出现的质点数N(t)?N(s)的分布仅依赖于t?s，而与起点t无关，则计数过程是平稳增量过程。 如果将过程的增量X(t)-X(t0)记为X(t0, t),0?t0t,它表示时间间隔[t0,t)内出现的质点数，则事件“在[t0,t)内出现k个质点”就可以表示为{X(t0,t)=k},其概率可以记为 Pk(t0,t)=P{X(t0), t=k}, k=0,1,2,?。 2.泊松过程 则称此过程为 泊松过程。 3.泊松过程满足的条件 是相互独立的； 式中o(?t) 是当?t?0 时，关于?t的高阶无穷小量, 常数??0。 即在不相重叠的区间上的增量具有独立性。 即在[t, t+?t) 内事件出现二次及二次以上的概率与出现一次的概率相比，可忽略不计。 将上面(2)(3)合起来可得到在[t, t+?t)内事件不出现的概率为： 定义9.6 若随机过程{X(t),t?0},满足以上4个条件，则称{X(t),t?0},为泊松过程。 定理9.1 定义9.5与定义9.6是等价的。 下面根据泊松过程的定义来讨论它的几个数学特征：均值函数、自方差函数及自相关函数。 4. 泊松过程的统计特性 设{X(t), t 0} 是泊松过程，对任意t, t0?[0,+?),且t0? t 有 即表示单位时间内事件A发生的平均次数。 (1)均值函数 (2)方差函数： (3)协方差函数 (4)相关函数 例9.7 : 设 和 为两个相互独立的泊松过程, 强度分别为 和 , 求证 为强度是 的泊松过程. 解： 于是： 例9.8 解 定义9.8 　　 　如果随机过程{X(t), t?T}的任何有限维分布都是正态分布，则称{X(t), t?T}为正态过程，或称为高斯过程。 * 第四章 n维向量 第二章 矩阵 * 第四章 n维向量 第九章 随机过程引论 在概率论中,为了描述随机现象，我们定义了随机变量，即对应于一基本事件e?S( S 为样本空间 )，用一个或几个数来描述。