[理学]随机过程讲义1.pptVIP

随机过程 南京邮电大学 理学院 胡国雷 第一章 预备知识 简要回顾一下概率论中与本课程有关的基本概念：随机试验、样本空间、事件、概率、随机变量、概率分布、数字特征等。 条件概率 在事件B已发生这一条件下，事件A发生的概率。 设事件B1，B2，…，Bn构成一个完备事件组，概率P(Bi)0,i=1,2,……,n,对于任何一个事件A，若P(A)0, 有 §1.3 随机变量的数字特征 随机变量的数学期望 随机变量函数的期望 方差 协方差 相关系数 独立与不相关 利用特征函数与分布一一对应的唯一性得 注：求随机变量的特征函数的方法 （3）用Fourier变换去求解。 （1）一般定义求解； （2）对一些特殊分布可化为微分方程求解； （4）利用特征函数求多个独立随机变量和的分布。 要求： （1）会求一些常用的随机变量的特征函数； （2）记住一些重要分布的特征函数，如正态分布； （3）利用特征函数求相应随机变量的各阶矩； 五、母函数 对于整值随机变量，有一种处理方法很便于应用，这就是母函数法。 例、求二项分布、泊松分布、几何分布 的母函数 （1）唯一性，非负整数值随机变量的分布列 由其母函数唯一确定 六、母函数的性质 3、独立随机变量之和的母函数等于母函数之积 (4) 随机个随机变量之和的母函数 一、密度函数与特征函数 左边的积分称为斯蒂尔吉斯积分 二、数学期望 随机变量函数的期望 已知随机变量X的数学期望，求随机变量函数Y=g(X)的数学期望， 对于多维随机变量 设X1,X2, …,Xn为随机变量，求随机变量函数Y=a1X1+a2X2+…+anXn的数学期望。 已知随机变量X1和X2，求随机变量函数Y＝aX1+bX2的数学期望 加权和的期望等于加权期望的和 求数学期望是线性运算 数学期望的线性运算不受独立条件限制 已知随机变量X1和X2，求随机变量函数Y＝g1(X1)g2(X2)的数学期望 假设两个随机变量X1和X2相互独立，则有 因此，有 三、方差（随机变量取值的离散程度） 四、协方差与相关系数 引入一个描述两个随机变量相关程度的系数 ρXY称为归一化的协方差系数或相关系数。 若ρXY＝0，则称随机变量X和Y不相关。 若两个随机变量X和Y的联合矩满足 则称随机变量X和Y统计独立 五、K阶原点矩、k阶中心矩 随机变量X，若E[|X|k]∞，称E[Xk]为k阶原点矩。 离散随机变量 连续随机变量 又若E[X]存在，且E[|X-E[X]|k] ∞，称 为X的k阶中心矩。 离散随机变量 连续随机变量 一阶原点矩就是随机变量的数学期望， 数学期望大致的描述了概率分布的中心。 二阶中心矩就是随机变量的方差， 方差反映随机变量取值的离散程度。 0－1分布 泊松分布 正态分布 常用分布的数学期望和方差 （见表1－1） 中心化的两个随机变量X-E[X]，Y-E[Y]的互相关矩称为随机变量X和Y的协方差， 协方差是描述随机现象中，随机变量X和Y概率相关的程度。 相互独立 不相关 相互独立 不相关 设Z是一个随机变量，具有均匀概率密度 令X=sinZ，Y=cosZ，求随机变量X和Y是否相关，是否独立？ §1.4 特征函数、母函数 数字特征只反映了概率分布的某些侧面，一般并不能通过它们来确定分布函数，这里将要引进的特征函数，既能完全决定分布函数而又具有良好的分析性质。 一、复随机变量 对复随机变量也可以平行于实随机变量建 立起一系列结果。 二、特征函数 对离散型随机变量，若其分布律为 三、特征函数的性质 因而可作下列积分号下的微分 此性质使我们可以方便地求得随机变量的各阶矩 （7）特征函数与分布函数是相互唯一确定的 证略 唯一性定理： 分布函数由其特征函数唯一决定 而分布函数由其连续点上的值唯一决定 不连续点利用右连续性 即在特征函数绝对可积的条件下，概率密度 与特征函数构成一对付氏变换。 因此用控制收敛定理知（极限号与积分号 交换的勒贝格控制收敛定理） 四、多元特征函数 * * 教材：随机过程，刘次华，华中理工大学出版社。 参考书： 1.应用随机过程，林元烈编著，清华大学出版社； 2.随机系统分析引论，盛昭瀚，东南大学出版社； 3.随机过程，伊曼纽尔、帕尔逊著， 邓永录、杨振业译，高等教育出版社； 4.随机过程，Sheldon M[1].Ross著。 一、基本概念 试验结果事先不能准确预言，三个特征: 可以在相同条件下重复进行； 每次试验结果不止一个，可预先知道试验所有可能结果； 每次试验前不能确定那个结果会出现。 样本空间 随机试验所有可能结果组成的集合，记为Ω 随机事件 样本空间Ω的子集A称为随机事件，用A、B、C表示 §1.1 概率空间 随机