第二章随机过程的基本定义
随机过程的定义
随机过程论的产生与发展:需要用一簇无穷多个相互有关的随机变量去描述自然界的随机现象。
定义:
设
A
A
A为随机试验,
S
=
{
e
}
S=\{e\}
S={e} 为样本空间,如果对于每个参数
t
∈
T
,
X
(
e
,
t
)
t \in T,X(e,t )
t∈T,X(e,t)为建立在S上的随机变量,且对于每个
e
∈
S
,
X
(
e
,
t
)
e \in S,X(e,t )
e∈S,X(e,t)为
t
t
t的函数,那么称随机变量族
{
X
(
e
,
t
)
,
t
∈
T
,
e
∈
S
}
\{X(e,t), t\in T,e\in S\}
{X(e,t),t∈T,e∈S}
为一个随机过程,简记为
{
X
(
t
)
,
t
∈
T
}
\{X(t), t\in T\}
{X(t),t∈T}或
X
(
t
)
X(t)
X(t).
- 状态集/状态空间:随机过程 X ( e , t ) X(e,t ) X(e,t)的一切可能取值。
- 参数集/参数空间:参数t的变化范围。
随机过程的分布及其数字特征
一维分布函数
设
{
X
(
e
,
t
)
,
t
∈
T
}
\{X(e,t), t\in T\}
{X(e,t),t∈T}为随机过程,对任意固定的
t
∈
T
t\in T
t∈T,及实数
x
∈
R
x\in R
x∈R,
称
P
(
X
(
t
)
≤
x
)
,
t
∈
T
P(X(t)\le x), t \in T
P(X(t)≤x),t∈T 为该随机过程的一维分布函数。
二维分布函数
设
{
X
(
e
,
t
)
,
t
∈
T
}
\{X(e,t), t\in T\}
{X(e,t),t∈T}为随机过程,对任意两个时刻
t
1
,
t
2
∈
T
t_1,t_2\in T
t1,t2∈T,及实数
x
1
,
x
2
∈
R
x_1,x_2\in R
x1,x2∈R,
称
P
(
X
(
t
1
)
≤
x
1
,
X
(
t
2
)
≤
x
2
)
P(X(t_1)\le x_1,X(t_2)\le x_2)
P(X(t1)≤x1,X(t2)≤x2), 为该随机过程的二维分布函数。
根据上述类似地定义随机过程的N维分布函数。随机过程的 N维分布函数可以近似地描述随机过程的统计特性,n越大则该描述越完善。
有限维分布函数族具有此存在定理:
随机过程的数字特征
-
对于任意给定的 t ∈ T t\in T t∈T, E X ( t ) EX(t) EX(t)存在,则称他为随机过程的均值函数,记为 m x ( t ) m_x(t) mx(t),
即 m X ( t ) = E X ( t ) m_X(t)=EX(t) mX(t)=EX(t) -
对于任意给定的 t ∈ T t\in T t∈T, E X 2 ( t ) EX^2(t) EX2(t)存在,则称他为随机过程的均方值函数,记为 ψ X 2 ( t ) \psi^2_X(t) ψX2(t),
即 ψ X 2 ( t ) = E X 2 ( t ) \psi^2_X(t)=EX^2(t) ψX2(t)=EX2(t) -
对于任意给定的 t ∈ T t\in T t∈T, E ( X ( t ) − m x ( t ) ) 2 E(X(t)-m_x(t))^2 E(X(t)−mx(t))2存在,则称他为随机过程的方差函数,记为
D X ( t ) D_X(t) DX(t),即 D X ( t ) = E ( X ( t ) − m x ( t ) ) 2 D_X(t)=E(X(t)-m_x(t))^2 DX(t)=E(X(t)−mx(t))2 -
对于任意给定的 t 1 , t 2 ∈ T t_1,t_2\in T t1,t2∈T, E [ X ( t 1 ) X ( t 2 ) ] E[X(t_1)X(t_2)] E[X(t1)X(t2)]存在,则称他为随机过程的自相关函数,记为 R X ( t 1 , t 2 ) R_X(t_1,t_2) RX(t1,t2),即 R X ( t 1 , t 2 ) = E [ X ( t 1 ) X ( t 2 ) ] R_X(t_1,t_2)=E[X(t_1)X(t_2)] RX(t1,t2)=E[X(t1)X(t2)]
-
对于任意给定的 t 1 , t 2 ∈ T t_1,t_2\in T t1,t2∈T, E [ ( X ( t 1 ) − m x ( t 1 ) ) ( X ( t 2 ) − m x ( t 2 ) ) ] E[(X(t_1)-m_x(t_1))(X(t_2)-m_x(t_2))] E[(X(t1)−mx(t1))(X(t2)−mx(t2))]存在,则称他为随机过程的自相关函数,记为 C X ( t 1 , t 2 ) C_X(t_1,t_2) CX(t1,t2),即 C X ( t 1 , t 2 ) = E [ ( X ( t 1 ) − m x ( t 1 ) ) ( X ( t 2 ) − m x ( t 2 ) ) ] C_X(t_1,t_2)=E[(X(t_1)-m_x(t_1))(X(t_2)-m_x(t_2))] CX(t1,t2)=E[(X(t1)−mx(t1))(X(t2)−mx(t2))]
随机过程的特征函数
设随机过程 { X ( t ) , t ∈ T } \{X(t), t\in T\} {X(t),t∈T},对每一个固定的 t ∈ T , X ( t ) t\in T,X(t) t∈T,X(t)为随机变量,依照随机变量的特征函数的定义, X ( t ) X(t) X(t)的特征函数为: φ X ( t , v ) = φ X ( t ) ( v ) = E [ e i v X ( t ) ] \varphi_X(t,v) = \varphi_{X(t)}(v)=E[e^{ivX(t)}] φX(t,v)=φX(t)(v)=E[eivX(t)]我们称该式子为随机过程 { X ( t ) , t ∈ T } \{X(t), t\in T\} {X(t),t∈T}的一维特征函数。若 X ( t ) X(t) X(t) 为连续随机变量,具有概率密度 f 1 ( x , t ) f_1(x,t) f1(x,t),则其一维特征函数为 φ X ( t ) ( v ) = ∫ − ∞ + ∞ e i v x f 1 ( x , t ) d x \varphi_{X(t)}(v)=\int_{-\infty}^{+\infty}e^{ivx}f_1(x,t)\,dx φX(t)(v)=∫−∞+∞eivxf1(x,t)dx