几类重要的随机过程课件.pptVIP

4几种重要的随机过程正态过程（高斯过程）独立过程独立增量过程维纳过程泊松过程马尔可夫过程生灭过程

4.1正态过程(高斯过程)4.1.1正态分布（高斯分布）定义1：如果随机变量X的概率密度为则称X为服从参数的正态分布，记为，其中，为均值；为方差。分布函数为当时的正态分布称为标准正态分布，记。分布函数为

4.1.1正态分布（高斯分布）定义2：如果n维随机变量的概率密度为其中，为均值向量，为协方差矩阵，则称X服从n维正态分布，称X为n维正态随机变量。n维正态分布完全由一阶矩和二阶矩所确定。

4.1.1正态分布（高斯分布）中心极限定理：设是n个相互独立同分布的随机变量，每个随机变量的均值为，方差为，则即的极限分布为标准正态分布N(0,1)；近似地服从正态分布。该定理表明，若有大量相互独立的随机变量，且每个随机变量对它们之和的影响足够小时，则当这些随机变量的个数趋于无穷大时，这些随机变量的和服从正态分布，而与每个随机变量的分布无关。

4.1.1正态分布（高斯分布）n维正态随机变量的性质：（1）（n维正态分布的边沿分布）设是n维正态随机向量，则X的也服从正任一子向量态分布。C是保留C的第k,k,…,k行和列所得到的m×m矩阵b12m

4.1.1正态分布（高斯分布）n维正态随机变量的性质：（2）（独立性）定理1：n维正态分布的随机变量相互统计独立的充要条件是它们两两互不相关。定理2：若X是正态分布的随机向量，X和X是X的两个12子向量，即，则X与X相互统计独立的充要条件12是它们的互协方差矩阵为0。

4.1.1正态分布（高斯分布）n维正态随机变量的性质：（3）（线性变换）设，协方差矩阵为C。是n维正态随机变量，均值为若，其中。，则若e=(e)是m×n矩阵,是m×1的列矩阵，即m维jk向量，则，。

4.1.1正态分布（高斯分布）n维正态随机变量的性质：（3）（线性变换）定理1：服从n维正态分布的充要条件是它的任何一个线性组合服从一维正态分布。定理2：若服从n维正态分布服从m维正，而若e=(e)是m×n矩阵,则jk态分布。正态分布随机变量的线性变换不变性

4.1.2正态随机过程（高斯过程）定义：若随机过程{X(t),t?T},对于任意n个时刻t,t,…,12t?T,n维随机变量[X(t),X(t),…,X(t)]的联合概率分布为nn12n维正态分布，则称{X(t),t?T}为正态过程（或高斯过程）。概率分布：特征函数：

4.1.2正态随机过程（高斯过程）性质：（1）正态过程{X(t),t?T}的n维概率密度及特征函数完全由它的均值向量和协方差矩阵所确定。（二阶矩过程）（2）对于正态过程，独立性和不相关性是等价的。若一个正态过程{X(t),t?T}在任意n个时刻t,t,…,t?T,12n采样，所得的n维随机变量X(t),X(t),…,X(t)两两互不相关，1则，这些随机变量也是相互独立的。2n对于多个正态过程，若两两互不相关，则两两相互独立。[证明]X(t),X(t),…,X(t)两两互不相关，则协方差函12n数

n维正态概率密度等于n个一维正态概率密度的乘积。

4.1.2正态随机过程（高斯过程）性质：（3）对于正态过程，宽平稳与严平稳是等价的。二阶矩存在严平稳过程宽平稳过程:宽平稳过程严平稳过程：n维分布相同，不随时间、位置的推移而变化

4.1.2正态随机过程（高斯过程）性质：（4）正态过程的线性不变性。正态过程的线性组合仍为正态过程；正态过程经过线性系统（变换）后仍为正态过程。

4.1.2正态随机过程（高斯过程）性质：（5）正态过程的均方微积分定理1设为k维正态随,则X机向量,且均方收敛于也是k维正态随机向量。定理2设{X(t),t∈T}是正态过程,且在T上均方可导,则该过程的导数{X′(t),t∈T}也是正态过程。定理3设{X(t),t∈T}是正态过程,且在T上均方可积,则该过程的积分是正态过程。

4.1.2正态随机过程（高斯过程）复正态过程：设{X(t),t?T}和{Y(t),t?T}为两个实正态过程，定义为复正态过程。对于复正态过程，在n个时刻采样，得到n个复正态随机变量，2n个实正态随机变量；n个复正态随机变量的联合概率密度，应是2n维实正态随机变量的联合概率密度。

4.1.2正态随机过程（高斯过程）例题：设有随机过程，式中?为常数，U和V是相互独立的正态随机变量，且均值皆为0，方差都是。求X(t)的一维、二维概率密度。解：在任意时刻，该随机过程是正态随机变量U和V的线性组合，因此，是一正态过程。求出均值和方差函数，即可求出其概率密度。

正态随机过程（高斯过程）

4.