(概率统计章节教案）第十一章随机过程(第一二,三节).doc

随机过程引论 研究对象：随机过程是研究随机现象随时间演变过程的概率规律的一门学科。 应用于：它广泛应用于雷达与电子通信，动态可靠性，设备更新，地质勘探，天文与气象，核技术，随机振动，控制，生物学，管理科学等许多领域。 随着尖端科学和高技术的发展，随机过程的应用日益广泛和深入。 第十一章 随机过程的基本概念 随机过程的定义及分类 随机过程的概念 概率论复习： 随机试验，样本空间. 随机变量，分布函数； 二维随机变量，联合分布函数； 维随机变量，联合分布函数; 随机变量序列 ; 为了研究随机现象,引入了上述这些概念工具.但这些还不够用,还有一些随机现象,上述工具无法描述. 例如 以表示某电话交换台在时段内接到的呼叫次数,那么,对于固定的,是一个随机变量.对于一切,是一个随机变量族.它的个数比可列个还要多,就不属于前面概率论的研究范围,具有新的特点.称是一个随机过程. 定义1 设随机试验的样本空间,是非空集合,.如果对于每个,对应有参数的函数, ,那么,对于所有的,得到一族的函数 称为随机过程,简称过程.简记为或.称为参数集. 由定义得 对于中的每一, 是仅依赖于的函数,称为随机过程的样本函数,它是随机过程的一次物理实现或对应于的轨道. 对任意给定的, 是一个随机变量,称为随机过程在时的状态变量,简称状态.对于所有,随机过程是一族随机变量,于是得到另一种定义方式. 定义2 给定参数集,如果对于每个,对应有随机变量,则称随机变量族为随机过程. 定义3 定义在 上的二元函数 ,对每一固定,是可测函数,称为随机过程. 函数值集合称为随机过的状态空间.它是二元函数的值域,记为. (这样记的说明:这里不再关心样本空间(样本点集),而仅关心状态空间(数集),总体,关心总体的数量化指标). 随机过程的实际例子: 例1 在一条自动生产线上检验产品质量,每次检验一个,区分正品或次品.那么,整个检验的样本空间,, 正品或次品, 为了描述检验的全过程,引入二元函数 ,第次查出正品; ,第次查出次品,, 则二元函数就是一个随机过程. 二.随机过程的分类 通常有两种分类法.一种是按随机过程的参数集和状态空间来分类;另一种是按随机过程的概率结构来分类. 参数集可能为离散集或连续集, 状态空间可能为离散集或连续集. (1) 离散, 离散; (2) 离散, 连续; (3) 连续, 离散; (4) 连续, 连续. 离散参数随机过程就是随机变量序列,简称随机序列.一般地记,于是 按随机过程的概率结构来分, 随机过程的种类很多.这里列举几个重要类型: 二阶矩过程.包括正态过程,平稳过程等; 马尔可夫过程,包括马尔可夫链,泊松(Poisson)过程,维纳(Wiener)过程,扩散过程等; 更新过程; 鞅. 随机过程的概率分布 设是一随机过程,对于参数集中的任意个元素:,过程的个状态: , (个随机变量)的联合分布 称为随机过程的维分布函数, 一维分布函数 ; 二维分布函数 . 如果存在非负函数,使得 成立,则称为随机过程的维概率密度, . 一般来说,分布函数族 或概率密度族 完全地确定了随机过程的统计特征. 特殊地,如果对于任何正整数,随机过程的任意个状态都是相互独立的,则称此过程为独立过程. 独立过程的维分布函数(或维概率密度)必等于相应个一维分布函数(一维概率密度)的乘积,即有 , 由此可知, 独立过程的一维分布函数或一维概率密度就能确定该过程的统计特性. 例1 在第一节例1中,设各次检验相互独立地进行,每次检验的次品率为,,求随机过程在和时的二维分布函数. 解 在和时,过程的状态和的分布律分别为: 0 1 0 2 一维分布函数分别为 , , 由与相互独立,二维分布函数 例2 设随机过程, ,式中与是相互独立的标准正态随机变量.试求此过程的一维概率密度. 解 依题意 , 与相互独立, 所以,与的联合概率密度 , , 当时, , 当时, , 于是,的一维概率密度为 . 两个随机过程有限维联合分布及独立性： 设和是两个随机过程, 由过程的任意个状态:, 过程的任意个状态:, 组成维随机向量.其分布函数 称为随机过程和的维联合分布函数. 如果对于任何正整数和,对于中的任意数组以及中的任意数组,关系式 都成立,则称两个随机过程与相互独立. 式中是随机过程的维分布函