第1章离散时间的马尔可夫链.docxVIP

第 1 章 离散时间的马尔可夫链 §1 随机过程的基本概念 定义 1 设 ( ,F , P) 是概率空间， ( E, E ) 是可测空间， T 是指标集 . 若对任何 t T ，有 Xt : E ，且 Xt F E ，则称 X t ( ), t T 是 ( , F , P) 上的取值于 (E,E ) 中的随机过程， 在无混淆的情况下简称 { X t ( ), t T } 为随机过程， 称 (E,E ) 为 状态空间或相空间，称 E 中的元素为状态，称 T 为时间域 . 对每个固定的 ，称 Xt ( ) 为 X t ( ), t T 对应于 的轨道或现实， 对每个固定的 t T ，称 Xt ( ) 为 E 值 随机元 . 有时 Xt ( ) 也记为 Xt ( ) X t X (t) X (t, ) 设 T R ， Ft , t T 是F 中的一族单调增的子 代数（ 代数流），即 ① t T F t F ，且 F t 是 代数； ② s, t T , s t F s F t . 若 X t F t E ( t T)，则称 X t , t T 是 Ft 适应的随机过程，或适应于 Ft 的随机过程 . 特别地，若令 F t 1 E U ( )) s t s T 是由 X s , s t, s T 所生成的 代数，则 Xt , t T 是 Ft 适应的随机过程 . 当(E, E ) (R , B 1) 时，称 Xt , t T 为实值随机过程； 当(E, E ) (C, B C)时，称 X t , t T 为复值随机过程； 当(E, E ) (R n , B n ) 时，称 Xt , t T 为 n 维随机过程； 当 E 是可列集（有限集）时，称 X t , t T 为可列（有限）随机过程； 当 T R , R + 或 a, b 时，称 Xt , t T 为连续参数的随机过程； 当 T Z 或 Z + 时，称 Xt , t T 为离散参数的随机过程（随机序列） ； 当 T R n , (R + ) n , Z n 或 (Z + )n ( n 2) 时，称 Xt , t T 为随机场 . 随机过程的四种类型： 1）指标集 T 离散，状态空间 E 离散的随机过程； 2）指标集 T 离散，状态空间 E 连续的随机过程； 3）指标集 T 连续，状态空间 E 离散的随机过程； 4）指标集 T 连续，状态空间 E 连续的随机过程 . 然而，以上分类是表面的，更深刻的是按随机过程的概率结构而分类 . 例如：马尔可夫（ Markov ）过程、平稳过程、独立增量过程、二阶矩过程、正态过 程、泊松（ Poisson）过程、生灭过程、分枝过程、更新过程、鞅等. 对于随机过程 X t , t T 而言，可以这样设想， 有一个作随机游动的质点 M ，以 Xt 表示在时刻 t 质点 M 的位置，于是 X t , t T 描绘了质点 M 所作的随机运动的变化过 程，一般把“ X t x ”形象地说成“在时刻 t 质点 M 处于状态 x ” . 定义 2 设 X t , t T 是概率空间 ( ,F , P) 上的、以 (E,E ) 为状态空间的随机过 程， T R + （或 R 或直线上的任一区间） .如果 A E ，有 (t , ) :( t, ) T , X (t , ) A B(T)F 则称 X t , t T 是可测的 . 设 Ft , t T 是 F 中的一族单调增的子 代数 . 如果 t T , A E , 有 (u, ) :(u, ) 0, t , X (t, ) A B 0, t Ft 则称 X t , t T 关于 Ft , t T 循序可测 . 命题 1 设 X t : E ， X t Ft E ( t T) ， Ft , t T 是F 中的一族单调增 的子 代数 . 如果 Xt , t T 关于 Ft , t T 循序可测，则 X t , t T 是可测的 . 定义 3 设 X t , t T 是随机过程，称 Ft (x) @P : Xt ( ) x P X t x , x R, t T 为随机过程 Xt , t T 的一维分布函数；称 Ft1 , t 2 (x1, x2 ) @P Xt1 x1, X t2 x2 , x1 , x2 R , t1, t2 T 为随机过程 Xt , t T 的二维分布函数；一般地，称 F (x , x , L , x n ) P X t1 x , X t 2 x 2 , L , X t n x t1 , t 2