应用随机过程.docxVIP

应用随机过程 第一章 随机过程的基本概念 一、随机过程的定义 例1：医院登记新生儿性别，0表示男，1表示女，Xn表示第n次登记的数字，得到一个序列X1 ， X2 ， ???，记为{Xn，n=1,2, ???}，则Xn 是随机变量，而{Xn，n=1,2, ???}是随机过程。 例2：在地震预报中，若每半年统计一次发生在某区域的地震的最大震级。令Xn 表示第n次统计所得的值，则Xn 是随机变量。为了预测该区域未来地震的强度，我们就要研究随机过程{Xn，n=1,2, ???}的统计规律性。 例3：一个醉汉在路上行走，以概率p前进一步，以概率1-p后退一步（假设步长相同）。以X(t)记他t时刻在路上的位置，则{X(t), t?0}就是（直线上的）随机游动。 例4：乘客到火车站买票，当所有售票窗口都在忙碌时，来到的乘客就要排队等候。乘客的到来和每个乘客所需的服务时间都是随机的，所以如果用X(t)表示t时刻的队长，用Y(t)表示t时刻到来的顾客所需等待的时间，则{X(t), t?T}和{Y(t), t?T}都是随机过程。 定义：设给定参数集合T，若对每个t?T, X(t)是概率空间(?,?,P)上的随机变量，则称{X(t), t?T}为随机过程，其中T为指标集或参数集。 Xt(?):??E，E称为状态空间，即X(t)的所有可能状态构成的集合。 例1：E为{0,1} 例2：E为[0, 10] 例3：E为{0,1,?1,2,?2,?} 例4：E都为[0,??) 注：（1）根据状态空间E的不同，过程可分为连续状态和离散状态，例1，例3为离散状态，其他为连续状态。 （2）参数集T通常代表时间，当T取R, R+, [a,b]时，称{X(t), t?T}为连续参数的随机过程；当T取Z, Z+时，称{X(t), t?T}为离散参数的随机过程。 （3）例1为离散状态离散参数的随机过程，例2为连续状态离散参数的随机过程，例3为离散状态连续参数的随机过程，例4为连续状态连续参数的随机过程。 二、有限维分布与Kolmogorov定理 随机过程的一维分布：F(t,x)?P{X(t)?x} 随 机 过 程 的 二 维 分 布 ： Ft1,t2(x1,x2)?P{X(t1)?x1,X(t2)?x2},t1,t2?T ? 1 随机过程的n维分布： Ft1,t2,?tn(x1,x2,?xn)?P{X(t1)?x1,X(t2)?x2,?X(tn)?xn},t1,t2,?tn?T 1、有限维分布族：随机过程的所有一维分布，二维分布，…n维分布等的全体 {Ft1,t2,?tn(x1,x2,?xn),t1,t2,?tn?T,n?1}称为{X(t), t?T}的有限维分布族。 2、有限维分布族的性质： （1）对称性：对（1,2，…n）的任一排列(j1,j2,?jn)，有 Ftj1,tj,?tjn2(xj1,xj2,?xjn)?Ft1,t2,?tn(x1,x2,?xn) （2）相容性：对于mFt1,?tm,tm?1?tn(x1,?xm,???)?Ft1,?tm(x1,?xm) 3、Kolmogorov定理 定理：设分布函数族{Ft1,t2,?tn(x1,x2,?xn),t1,t2,?tn?T,n?1}满足上述的对称性和相容性，则必存在一个随机过程{X(t), t?T}，使{Ft1,t2,?tn(x1,x2,?xn),t1,t2,?tn?T,n?1}恰好是{X(t), t?T}的有限维分布族。 定义：设{X(t), t?T}是一随机过程： （1） 称X(t)的期望?X(t)?E[X(t)]（如果存在）为过程的均值函数。 （2） 如果?t?T，E[X(t)]存在，则称随机过程{X(t), t?T}为二阶矩过程。此时，称函数?(t1,t2)?E[(X(t1)??X(t1))(X(t2)??X(t2))]，t1,t2?T为过程的协方差函数；称Var[X(t)]??(t,t)为过程的方差函数；称2RX(s,t)?E[X(s)X(t)]s,t,?T为自相关函数。 例：X(t)?X0?tV(a?t?b)，其中X0和V是相互独立的且均服从N(0,1)分布的随机变量，求?X(t)和?(t1,t2)。 2 三、随机过程的基本类型 独立增量过程：如果对任意t1,t2,???,tn?T,t1?t2?????tn,随机变量X(t2)?X(t1)???, X(tn