概率论与随机过程6.3.pdf

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 1 2 n 1 2 n T， （X (t),X (t),…,X (t)）与 1 2 n (X(t+h),X(t +h),…,X(t +h ))的分布函数相同，即 1 2 n 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 , x ,, x )  F ( x ) 1 2 k 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