第1章离散时间的马尔可夫链.docxVIP

.\ .\ .\ .\ 中任意有限个随机变量的联合分布， 也就可以完全确定它们之间的相互关系 中任意有限个随机变量的联合分布， 也就可以完全确定它们之间的相互关系 .可见，随机 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Xt( ), 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｛Xt( ), 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Xt( ), 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( ) Xt 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 Ft F，且Ft是代数； ② s, t T, s t Fs Ft . 若Xt Ft.E ( t T)，则称 Xt, t T 是 Ft 适应的随机过程，或适应于 F 的随机过程?特别地，若令 Ft@ (Xs, s t, s T)@ (UXs1^ )) s t s T 是由Xs，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, BJ时，称 Xt, t T为复值随机过程； 当(E, E) (RS Bn)时，称Xt, t T为n维随机过程； 当E是可列集(有限集)时，称 Xt, 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 Rn, (R + )n, Zn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 (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 Xt, 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 Xt, t 表示在时刻t质点M的位置，于是 Xt, t 程，一般把“ 定义2 + 程，T R Xt x ”形象地说成“在时刻 设Xt, t T是概率空间 T描绘了质点M所作的随机运动的变化过 t质点M处于状态x ” . ,F ,P）上的、以（E,E ）为状态空间的随机过 （或R或直线上的任一区间） （t, ）:（t, ） T .如果 A E，有 X(t, ) A B (T) F 则称X 则称Xt, t T是可测的. 设Ft,T是F中的一族单调增的子 代数.如果 tT, A E ,有则称Xt, t(u, )：(u,)0, t , X(t,) 设Ft, T是F中的一族单调增的子 代数. 如果 t T, A E ,有 则称Xt, t (u, )：(u,) 0, t , X(t,) 0, t Ft T关于Ft, t 设 Xt: E ， 的子代数.如果Xt, t T 命题1 T循序可测. Xt Ft ■ E 关于Ft, t ，Ft, （t T） T循序可测，则 是F中的一族单调增 定义3 设Xt, t T是随机过程，称 为随机过程 Ft (x) @P : Xt( ) x Xt, t T的一维分布函数；称 P Xt x , x 为随机过程 Ft1,t2 （x1,x2） @P Xt1 X1,Xt2 X2 ,为，X2 Xt, t T的二维分布函数；一般地，称 ?2 Xt, R, t T R, t1, t2 T Ft1,t2,L ,tn (x1,x2 ,L ,Xn)@P Xt1 X1,Xt2 X2, L ,Xtn xn X1,X2丄，Xn R, t1,t2,L ,tn T 为随机过程为随机过程Xt, t T的n维分布函数；而称 为随机过程 为随机过程 F @ Ft1,t2,L,tn(x1,x2,L ,xn): t1,t2,L ,tn T, n 1 Xt, t T的有限维分布函数族. 随机过程Xt, t T的有限维分布函数族F具有下列性质： 对 n 1， t1,t2,L ,