1,随机过程的基本概念.pptVIP

《应用随机过程》简介 授课教师：郑石秋 河北联合大学 统计学系 2014.04 Part 1 随机过程的基本知识 基本概念 有限维分布 几类重要的随机过程 随机现象的数学建模 什么叫随机系统、样本点、样本空间？ 什么是随机变量、随机向量和随机过程？ 建立随机现象数学模型的基本思路 不考虑输出某个结果的原因 用数或者函数表示输出结果 对输出结果的可能性进行先验量化 随机过程的基本概念： (Ω,?, P)是概率空间，T?R； 任意 t ∈T ，X(t, ?)是随机变量 称{X(t, ?), t ∈T } 为(Ω,F, P)上的一随机过程 stochastic process ；随机函数 X( t, ?) 也记作X(t)、 X t 。 用映射可以表示：X( t, ?) ： T??? R 即X(?，?)是定义在T ??上的二元函数. ?几点说明: X( t, ?) 是定义在T ??上的二元函数： ▲随机过程 X( t, ?) 是可能取值的全体所构成的集合称为状态空间(state space) ，记作 S ▲固定t ∈T ，则 X(t ,?) 表示系统t时刻所处的状态，是定义在样本空间?上的函数——随机变量。 ▲固定?∈ ?，则X(?, ?) (t 在T 中顺序变化)是参数t ∈T 的一个函数,称之为样本函数( sample function ) （路径(path)、现实(realization)、轨道(trajectory)）. 随机过程的有限维分布 ?一维分布函数：设X( t, ?)为一随机过程，? t ∈T ， X ( t )为一随机变量，其分布函数 随机过程的数字特征 1、 均值函数 ?定义 ：设X(t)={X(t , ?), t∈T }为一个随机过程，若? t ∈T , E[X(t)]存在，则称 μX(t)= E[X(t)] 为随机过程X(t)的均值函数(mean function) 2 、方差函数 ?方差函数：设{X ( t , ? ), t ∈T }为一个随机过程， 若? t ∈T , E[X(t)2]存在，则称 DX(t )= E[(X(t)- μ(t ))2] 为随机过程X(t)的方差函数； 表示X(t)在时刻t ∈T 相对于均值μ(t )的偏离程度; variance function ； Var(X(t )); σ2(t) ; ?标准差(standard deviation ): 方差的平方根,记作σ(t)； 又称均方根差(mean square root variance)。 3、相关函数 ?定义 ：设{X ( t , ? ), t ∈T }为一个随机过程， 若? t,s ∈T ，称 RX (s,t )= E [X(s) ·X(t)] 为随机过程X(t)的(自)相关函数； auto-correlation function ； 4、 协方差函数 ?定义 ：设{X( t , ? ), t ∈T }为一个随机过程， 若? t,s ∈T ,称 CX(s,t )=cov[X(s), X(t)]= E{[X(s)- μX(s )]·[X(t)- μX(t )]} 为随机过程X( t )的(自)协方差函数； covariance function； 描绘了两个不同参数s,t 时刻随机过程X(t )状态之间的 联系； s=t 时，即 CX ( t , t )= Var (X (t )) 5、 相关系数 ?定义 ：设{X ( t , ? ), t ∈T }为一个随机过程， 若? t,s ∈T ，称 例3 给定随机过程X(t)=Acosωt+ Bsinωt ，式中 ω是常数，A和B是两个独立的正态随机变量，而且E(A)=E(B)=0, E(A2)=E(B2)=σ2 ，试求X(t)的均值和自相关函数。 答案：μt =0；R(t1,t2)= σ2(t1-t2) ?随机过程X( t, ?)的分类 根据参数T的性质和状态空间S取值(状态) 分类 ? S离散，过程称为链！ ⑴ T 可列 且 S可列?离散参数链 ⑵ T 不可列且 S可列?连续参数链 ⑶ T 可列且 S不可列?随机序列 ⑷ T不可列且不S可列? 随机过程 独立增量过程： ?定义:设{X( t , ? ), t ∈T }为随机过程， 条件：若 ? t1 t2 … tn , X(t2) -X(t1) , X(t3) -X(t2) , … , X(tn) -X(tn-1)互相独立， 称{X(t)}为独立增量过程 ?定义