ch12随机过程及其统计描述.pptx

;第十章随机过程及其统计描述;1.随机过程——设T是一个无限实数集。我们把依赖于参数t∈T的一族(无限多个)随机变量收集在一起，称为随机过程，记成{X(t),t∈T}。

2.参数集——这里，对每一个t∈T，X(t)都是一个随机变量。T称为参数集。常把t看作为时间，称X(t)为t时刻过程的状态，称X(t1)＝x(实数)为t＝t1时过程处于状态x。

3.状态空间——对于一切t∈Ｔ,X(t)所有可能取得一切值的全体称为随机过程的状态空间。;4.样本函数——对随机过程{X(t)，t∈T}进行一次试验(即在T上进行一次全程观测)，其结果是t的函数，记为x(t)，t∈T，称它为随机过程的一个样本函数或样本曲线。

所有不同的试验结果构成一族(可以只包括有限个，如本节例1)样本函数。

随机过程可以看作是多维随机变量的延伸。随机过程与其样本函数的关系就像数理统计中总体与样本的关系一样。

依照上面的说法，热噪声电压的变化过程{Ｖ(t)，t≥０}是一随机过程，它的状态空间是(-∞,+∞)，一次观测到的电压—时间函数就是这个随机过程的一个样本函数。;在以后的叙述中，为简便起见：常以X(t)，t∈Ｔ表示随机过程。在上下文不致混淆的情形下，一般略去记号中的参数集T。;例4设某市120急救电话台不断地接到用户的呼叫，若以X(t)表示时间间隔(0,t]内接到的呼叫次数，则它是一个随机变量，且对不同的t≥0,X(t)可能是不同的随机变量。故，{X(t),t≥０}是一随机过程，状态空间是{0,1,2,…}。

例5考虑掷一颗骰子试验。

(1).设Xn是第n次(n≥1)掷的点数，对于n=1,2,…的

不同值,Xn是不同的随机变量，因而{Xn,n≥1}

构成一随机过程,称为伯努力过程,或伯努力随

机序列。状态空间都是{1,2,3,4,5,6}。

(2).设Xn是前n次掷出的最大点数，则{Xn,n≥1}也

是一随机过程。状态空间是{1,2,3,4,5,6}。;随机过程可依其在任意时刻的状态是连续型随机变量或离散型随机变量而分成连续型随机过程或离散型随机过程。

热噪声电压、例2和例3是连续型随机过程；

例1,例4和例5是离散型随机过程。

随机过程还可依时间(参数)是连续或离散进行分类。当时间集T是有限或无限区间时，称{X(t),t∈T}为连续参数随机过程(以下如无特别指明，随机过程总是指连续参数而言的)；

如果T是离散集合，例如T={0,1,2,…}，则称{X(t),t∈T}为离散参数随机过程或随机序列，此时常记成{Xn,n=0,1,2,…}等，如例5。;有时，为了适应数字化的需要，实际中也常将连续参数随机过程转化为随机序列处理。

例如,我们只在时间集T={△t,2△t,…,n△t,…}上观察电阻的热噪声电压Ｖ(t)，这时就得到一个随机序列{V1,V2,…,Vn,…}，其中Vn=V(n△t)。

当△t充分小时，这个随机序列能够近似地描述连续时间情况下的热噪声电压。

需注意的是：参数t虽然通常解释为时间，但它也可以表示其它的量。诸如：序号、距离等。

如例5中，假定每隔一个单位时间掷一次骰子，则第n次掷出的点数Xn就相当于t=n时骰子出现的点数。;§10.2随机过程的统计描述;10.2.1随机过程的分布函数族(一维或多维);一维分布函数族刻画了随机过程在各个时刻的统计特征。为描述随机过程在不同时刻状态之间的相关关系，一般要对任意n个(n=2,3,…)不同时刻

t1,t2,…,tn∈T,引入n维随机变量

(X(t1),X(t2),…,X(tn)),

其联合分布函数记为;当n充分大时，n维分布函数族能近似地描述随机过程的统计特征。

显然，n取得愈大，则n维分布函数族描述随机过程的特征也愈趋于完善。

一般地,可以指出(科尔莫戈罗夫定理):有限维分布函数族，即

{FX(x1,x2,…,xn;t1,t2,…,tn),n=1,2,…,ti∈T}

完全地确定了随机过程的统计特征。;上