随机过程知识点汇总3.docxVIP

精选资料，欢迎下载 精选资料，欢迎下载 第一章随机过程的基本概念与基本类型 随机变量及其分布 1随机变量X，分布函数F(x)二P(X x) 离散型随机变量X的概率分布用分布列 离散型随机变量 X的概率分布用分布列 Pk 二 P(X 二 Xk)分布函数 F(x) = 7 Pk X 连续型随机变量 X的概率分布用概率密度 f (x) 分布函数F(x)二 f (t)dt 2. n维随机变量X =(Xi,X2，…，Xn) 其联合分布函数 F(x) HFa’X?，…，Xn) =P(X1空X-X2乞x2,…，Xn乞xn,) 离散型 联合分布列 连续型联合概率密度 3 .随机变量的数字特征 数学期望：离散型随机变量 X EX =二xkpk 连续型随机变量 X EX二xf (x)dx 匚 方差： DX = E(X -EX)2二EX2 -(EX)2 反映随机变量取值的离散程度 协方差(两个随机变量 X,Y )： Bxy =E[(X — EX)(Y —EY)] =E(XY) — EX .EY 相关系数(两个随机变量X,Y )：B 相关系数(两个随机变量 X,Y )： Bxy DX DY 若=0，则称X,Y不相关。 独立=不相关：=:-=0 4 .特征函数 g(t)二 4 .特征函数 g(t)二 E(eitX) 离散 g(t)二 eiXk Pk 连续 g(t) eiX f (x)dx J 重要性质：g(0)=1 , g(t) 1 , g(—t)=g(t) , gk(0)=ikEXk 5 ?常见随机变量的分布列或概率密度、期望、方差 0 — 1分布 P(X =1) =p,P(X =0) =q EX 二 p DX = p q 二项分布 k k n -k P(X = k) = Cnp q EX =np DX =n pq 泊松分布 -k P(X =k) =e EX k! DX =扎 均匀分布略  (x_a)2正态分布 N(a,；「2) (x_a)2 正态分布 N(a,；「2) f(x) = EX =a DX - ； 2 指数分布 f (x) he x, x K 0 EX 0, x :: 0 X ~ N(a, B)6.N维正态随机变量 X =(X,,X2^ ,Xn)的联合概率密度 X ~ N(a, B) I I T A. f(Xi,X2, ,Xn)二 n -exo{ (x-a) B (x-a)} 2 (2 二)2 |B|2 a =(a.,a2,…，aj , x =(xi, X2，…，Xn), B = (bij )n n正定协方差阵 二?随机过程的基本概念 1?随机过程的一般定义 设r1, P)是概率空间，T是给定的参数集，若对每个r T ,都有一个随机变量 X与之对应, 则称随机变量族fx(t,e),t?T /是 (J P)上的随机过程。简记为 (X(t),t?T?。 含义：随机过程是随机现象的变化过程， 用一族随机变量才能刻画出这种随机现象的全部统计规 律性。另一方面，它是某种随机实验的结果，而实验出现的样本函数是随机的。 当t固定时，X(t,e)是随机变量。当e固定时，X(t,e)时普通函数，称为随机过程的一个样本 函数或轨道。 分类：根据参数集 T和状态空间I是否可列，分四类。 也可以根据X(t)之间的概率关系分类, 如独立增量过程，马尔可夫过程，平稳过程等。 2.随机过程的分布律和数字特征 用有限维分布函数族来刻划随机过程的统计规律性。随机过程 〈X(t),t?T，的一维分布，二维分 布，…，n维分布的全体称为有限维分布函数族。随机过程的有限维分布函数族是随机过程概率特征 的完整描述。在实际中，要知道随机过程的全部有限维分布函数族是不可能的，因此用某些统计特征 来取代。 (1)均值函数 mX (t)工EX (t)表示随机过程「X (t), t T ?在时刻t的平均值。 (2)方差函数 Dx(t) = E[X(t)-mx(t)]2表示随机过程在时刻t对均值的偏离程度。 Bx (s,t)二 E[(X(s) m (s))(X (t) 一 mx (t))] Bx (s,t)二 E[(X(s) m (s))(X (t) 一 mx (t))] = E[X(s)X(t)] -mx(s)mx(t) 相关函数Rx (s,t)二E[X(s)X(t)] (3)和⑷表示随机过程在时刻s, t时的线性相关程度。 互相关函数：fx(t),t ? T \ Y(t),r T [是两个二阶距过程，则下式称为它们的互协方差函 数。 BxY(s,t) =E[(X(s)-mx(s))(Y(t) -mY(t))] ，那么RxY(s,t) = E[X(s)Y(t)]，称为互相关函数。 二E[X(s)Y(t)] -mx(s)mY(t) 若E[X(s)Y(t)] = mx (s)mY(t