随机过程知识点汇总 A版(2).docVIP

Word可编辑 第一章 随机过程的基本概念与基本类型 一．随机变量及其分布 1．随机变量 X ， 分布函数 F(x) ? P(X ? x) 离散型随机变量 X 的概率分布用分布列 p k ? P(X ? x k ) 分布函数 F(x) ? ? p k 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) ? f (t)dt ? x ?? 2．n 维随机变量 X ? (X , X 1 ,?, X ) 2 n 其联合分布函数 F(x) ? F(x , x 1 2 ,?, x n ) ? P(X 1 ? x , X 1 2 ? x 2 ,?, X n ? x n ,) 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 ? ?x k p k 连续型随机变量 X EX ? ? ? xf (x)dx ?? 方差： DX ? E(X ? EX )2 ? EX 2 ? (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 ）： B XY ? E[(X ? EX )(Y ? EY)] ? E(XY) ? EX ? EY 相关系数（两个随机变量 X ,Y ）： ? XY ? B XY DX ? DY 若 ? ? 0 ，则称 X ,Y 不相关。 独立? 不相关 ? ? ? 0 itX ) 离散 g(t) ? ?e itxk p ４．特征函数 g(t) ? E(e k 连续 g(t) ? ? eitx f (x)dx ? ?? 重要性质： g(0) ? 1， g(t) ?1， g(?t) ? g(t)， g (0) ? i EX k k k 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 ? p DX ? pq 二项分布 P(X ? k) ? Ck k n?k EX ? np DX ? n p q p q n 泊松分布 P(X ? k) ? e?? ? k k! EX ? ? DX ? ? 均匀分布略 正态分布 N(a,? 2 ) f (x) ? 1 2?? (x?a)2 ? 2?2 EX ? a DX ? ? 2 e ?? e??x , x ? 0 1 1 指数分布 f (x) ? ? EX ? DX ? ?0, x ? 0 ? ? 2 ６．Ｎ维正态随机变量 X ? (X , X 1 ,?, X )的联合概率密度 X ~ N(a, B) 2 n f (x , x 1 2 ,?, x n ) ? 1 n 1 (2? ) | B | 2 2 1 exp{? (x ? a)T B?1 (x ? a)} 2 a ? (a ,a 1 2 ,?,a n ) ， x ? (x , x 1 2 ,?, x n ) ， B ? (b ij ) 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 (?, P) 是概率空间，T 是给定的参数集，若对每个t ?T ，都有一个随机变量 X 与之对应， 则称随机变量族?X (t,e),t ?T?是(?, 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m X (t) ? 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 D X (t) ? E[X (t) ? m X (t)] 表示随机过程在时刻t 对均值的偏离程度。 2 （３）协方差函数 B X (s,t) ? E[(X (s) ? m (s))(X (t) ? m X (s)m X (t) X ? E[X (s)X (t)]? m X (t))] 且有 B X (t,t) ? D X (t) （４）相关函数 R X (s,t) ? E[X (s)X (t)] (3)和(4)表示随机过程在时刻s