随机过程学习笔记01 随机过程+高斯随机

随机方面的知识非常欠缺,最近看看资料学习一下。

随机过程

一个随机过程是定义在一个概率空间 ( Ω , F , P ) (\Omega,\mathscr{F},P) (Ω,F,P)上的以 T T T为指标集的随机变量族 { X t , t ∈ T } ( X ( t ) , t ∈ T ) \{X_t,t\in T\}(X(t),t\in T) { Xt,tT}(X(t),tT)。对于固定的 t ∈ T t\in T tT X t X_t Xt的取值空间为状态空间,记为 S S S,其中的元素成为状态。【一定要好好区分 Ω \Omega Ω S S S】例如考虑掷3次硬币这个过程,正面为 1 1 1,反面为 0 0 0。全体样本点为 ω = ( ω 1 ω 2 ω 3 ) \omega = (\omega_1\omega_2\omega_3) ω=(ω1ω2ω3),其中 ω i = 0  or  1 \omega_i=0 \text{ or }1 ωi=0 or 1。所以 S = { 0 , 1 } S=\{0,1\} S={ 0,1} Ω = ( ( 000 ) ( 001 ) ( 010 ) ( 011 ) ( 100 ) ( 101 ) ( 110 ) ( 111 ) ) . \Omega = \left(\begin{matrix} (000) & (001) & (010) & (011) \\ (100) & (101) & (110) & (111) \end{matrix}\right). Ω=((000)(100)(001)(101)(010)(110)(011)(111)).
可以把 { X t , t ∈ T } \{X_t,t\in T\} { Xt,tT}写为 { X ( t , ω ) , t ∈ T , ω ∈ Ω } \{X(t,\omega),t\in T,\omega\in \Omega\} { X(t,ω),tT,ωΩ},看成 T × Ω → S T\times \Omega\to S T×ΩS的函数,即 X ( 2 , ( ω 1 ω 2 ω 3 ) ) = ω 2 X(2,(\omega_1\omega_2\omega_3))=\omega_2 X(2,(ω1ω2ω3))=ω2

事件域、事件域流(滤子)

考虑抛硬币的实验,在抛之前可以知道 ω ∈ Ω , ω ∉ ∅ \omega\in \Omega, \omega \notin \emptyset ωΩ,ω/;事件域 F 0 = { Ω , ∅ } \mathscr{F}_0=\{\Omega,\emptyset\} F0={ Ω,}。抛了第一次之后可以知道 ω ∈ A 1 = { ω ∣ ω 1 = 1 } \omega\in A_1=\{\omega|\omega_1=1\} ωA1={ ωω1=1}或者 ω ∈ A 0 = { ω ∣ ω 1 = 0 } \omega\in A_0=\{\omega|\omega_1=0\} ωA0={ ωω1=0};事件域 F 1 = { Ω , ∅ , A 1 , A 0 } \mathscr{F}_1=\{\Omega,\emptyset,A_1,A_0\} F1={ Ω,,A1,A0}。抛了第三次之后可以知道的更多,事件域也可以继续细分 F 2 = { Ω , ∅ , A 1 , A 0 , A 11 , A 10 , A 01 , A 00 , A 11 c , A 10 c , A 01 c , A 00 c , A 11 ∪ A 00 , A 11 ∪ A 10 , A 11 ∪ A 01 , A 10 ∪ A 01 , A 10 ∪ A 00 , A 01 ∪ A 00 } \mathscr{F}_2=\{\Omega,\emptyset,A_1,A_0,A_{11},A_{10},A_{01},A_{00},A_{11}^c,A_{10}^c,A_{01}^c,A_{00}^c,A_{11}\cup A_{00}, A_{11}\cup A_{10},A_{11}\cup A_{01}, A_{10} \cup A_{01}, A_{10}\cup A_{00}, A_{01}\cup A_{00}\} F2={ Ω,,A1,A0,A11,A10,A01,A00,A11c,A10c,A01c,A00c,A11A00,A11A10,A11A01,A10A01,A10A00,A01A00}。假如可以抛无穷次硬币,那这个事件域可以一直做下去且 F 0 ⊂ F 1 ⊂ F 2 ⊂ ⋯ \mathscr{F}_0 \subset \mathscr{F}_1 \subset \mathscr{F}_2 \subset \cdots F0F1F2。设 F ∞ \mathscr{F}_{\infty} F是包含 ∪ n = 0 ∞ F n \cup_{n=0}^{\infty}\mathscr{F}_n n=0Fn的最小的事件域(但不是 P ( Ω ) \mathscr{P}(\Omega) P(Ω)),简化符号也可写为 F \mathscr{F} F
研究随机过程时要考虑带流的概率空间 ( Ω , ( F t ) t ∈ T , F , P ) (\Omega,(\mathscr{F}_t)_{t\in T},\mathscr{F},P) (Ω,(Ft)tT,F,P)(Filtered Probability Space),满足 t 1 < t 2 t_1<t_2 t1<t2时, F t 1 ⊂ F t 2 ⊂ F \mathscr{F}_{t_1}\subset\mathscr{F}_{t_2}\subset\mathscr{F} Ft1Ft2F ( F t ) t ∈ T (\mathscr{F}_{t})_{t \in T} (Ft)tT被称为事件域流(

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 随机过程概率论和数学的一个分支,它描述了由随机变量组成的序列或进程的演变。在实际应用中,随机过程被广泛用于信号处理、通信系统建模、金融风险管理、仿真和优化等领。因此,在计算机科学、通信工程、数学和金融等专业的课程中,随机过程是重要的学科之一。 CSDN笔记中的随机过程内容主要涉及基础理论和数学推导。通过阅读这些笔记,可以帮助读者深入了解随机过程的基本概念、随机变量、概率分布、均值和方差、相关性和协方差、自相关函数和功率谱密度等重要知识点。这些知识可以帮助读者理解随机过程的背景和基础理论,并为进一步的应用打下坚实的基础。 除了理论知识,随机过程也包括实际应用和工程问题的解决。因此,CSDN笔记中也包含了一些具体的案例和实例,帮助读者了解如何将随机过程应用于实际问题的解决。例如,如何设计稳定的数字滤波器、如何模拟随机信号和如何应用随机过程进行统计分析等。 总之,CSDN笔记中的随机过程内容是非常有用的,可以帮助读者深入了解随机过程的基本概念和应用,为学习相关领打下良好的基础。 ### 回答2: 随机过程概率论的一个重要分支,它研究的是随机变量在时间上的演化规律,因此广泛应用于信号处理、通信、控制、金融、生物医学等众多领。 在信号处理方面,随机过程可用于分析和处理噪声信号,提高信号的质量和可靠性;在通信中,随机过程可用于设计和优化通信系统,提高信号传输的速率和稳定性;在控制方面,随机过程可用于控制系统的建模和优化,提高控制系统的精度和鲁棒性;在金融上,随机过程可用于建立和分析金融市场模型,对投资和交易有重要的指导意义;在生物医学方面,随机过程可用于基因表达、神经信号传递等生理现象的建模和分析。 因此,对于学习和从事以上领的研究工作的人来说,掌握随机过程的理论知识及应用方法是十分必要的。CSDN作为技术社区,提供了大量与随机过程相关的笔记和文章,为学习者和研究者提供了宝贵的参考资料,有着重要的实践意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值