随机变量

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$A$为随机试验， S = { e } S=\{e\} S={e} 为样本空间，如果对于每个参数 $t\in T,X(e,t)$为建立在S上的随机变量，且对于每个$e\in S,X(e,t)$为$t$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$X(t)$.

• 状态集/状态空间：随机过程$X(e,t)$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$t\in T$,及实数$x\in R$,
称$P(X(t)\le x),t\in T$ 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$t_1,t_2\in T$,及实数$x_1,x_2\in R$,
称$P(X(t_1)\le x_1,X(t_2)\le x_2)$, 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$t\in T$，$EX(t)$存在，则称他为随机过程的均值函数，记为$m_x(t)$，
  即 $$m_X(t)=EX(t)$$

• 对于任意给定的$t\in T$，$E{X}^2(t)$存在，则称他为随机过程的均方值函数，记为${\psi }_X^2(t)$，
  即 $${\psi }_X^2(t)=E{X}^2(t)$$

• 对于任意给定的$t\in T$，$E(X(t)-m_x(t){)}^2$存在，则称他为随机过程的方差函数，记为
  $D_X(t)$,即$$D_X(t)=E(X(t)-m_x(t){)}^2$$

• 对于任意给定的$t_1,t_2\in T$,$E[X(t_1)X(t_2)]$存在，则称他为随机过程的自相关函数，记为$R_X(t_1,t_2)$,即$$R_X(t_1,t_2)=E[X(t_1)X(t_2)]$$

• 对于任意给定的$t_1,t_2\in T$,$E[(X(t_1)-m_x(t_1))(X(t_2)-m_x(t_2))]$存在，则称他为随机过程的自相关函数，记为$C_X(t_1,t_2)$,即$$C_X(t_1,t_2)=E[(X(t_1)-m_x(t_1))(X(t_2)-m_x(t_2))]$$

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$t\in T,X(t)$为随机变量，依照随机变量的特征函数的定义，$X(t)$的特征函数为：$${\phi }_X(t,v)={\phi }_{X(t)}(v)=E[e^{ivX(t)}]$$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$X(t)$ 为连续随机变量，具有概率密度$f_1(x,t)$,则其一维特征函数为 $${\phi }_{X(t)}(v)={\int }_{-\infty }^{+\infty }{e}^{ivx}{f}_1(x,t)dx$$