随机过程基础(3)---随机过程的统计描述、平稳随机过程

随机过程的概率分布
一维连续概率分布： F x ( x , t ) = P { X ( t ) ≤ x } F_x(x,t)=P\{X(t)\le x\} Fx​(x,t)=P{ X(t)≤x}对x偏导，就是X(t)的一维概率密度。显然，这两个二元函数将随机变量的分布\密度铺到整个时间轴上，一个时间对应一个变量分布情况。因此只考虑某个t的结论全部和随机变量结论相同，例如$${\int }_{-\infty }^{\infty }f(x,t)dx=1$$blablabla。
一维离散概率分布同理。 F x ( x , n ) = P { X ( n ) ≤ x } F_x(x,n)=P\{X(n)\le x\} Fx​(x,n)=P{ X(n)≤x}

一般，若X(t)是Y的函数，还是可以$$f_X(x,t)=f_Y(y)|J|$$其中y替换成含有x的式子(如果不严格平稳，里面一般也含着t)。

二维连续概率分布同理。 F X ( x 1 , x 2 , t 1 , t 2 ) = P { X ( t 1 ) ≤ x 1 , X ( t 2 ) ≤ x 2 } F_X(x_1,x_2,t_1,t_2)=P\{X(t_1)\le x_1,X(t_2)\le x_2\} FX​(x1​,x2​,t1​,t2​)=P{ X(t1​)≤x1​,X(t2​)≤x2​}二维连续概率密度同理。$$f_X(x_1,x_2,t_1,t_2)=\frac{{\partial }^2{F}_X(x_1,x_2,t_1,t_2)}{\partial x_1\partial x_2}$$初步理解成从时间轴上揪出来两个点，对应出来两个随机变量后套上概率论公式就完了。
二维离散概率分布、离散概率密度同理，只不过将t换成n。
多维概率密度同理。完全描述某过程统计特性应该使N趋于无穷大，工程应用中二维概率分布就够了（计算功率谱密度等只需二维）。
随机过程的数字特征
均值
对于连续系统，写作$$m_X(t)=E(X(t))={\int }_{-\infty }^{\infty }x{f}_X(x,t)dx$$同理，把t换成n，离散系统写作$$m_X(n)=E(X(n))={\int }_{-\infty }^{\infty }x{f}_X(x,n)dx$$时间不连续，但状态仍(一般)是连续的，所以上式仍用积分号。每个t(或n)（一般）对应一个均值，故$m_X(t),m_X(n)$是函数。
方差
对于随机过程，定义式$${\sigma }_X$$