广义平稳随机过程定义_随机过程——状态空间的分解

      小编终于度过了TA的期中周，昨天下午考完最后一门——应用随机过程。考试之前以为要考证明题，十分紧张，所以重点复习了理论知识(毕竟只有熟知定义与基本性质，才能做好证明题)。看课本的时候，发现马尔可夫链与平稳随机过程的基本定义、性质、课本附着的证明题比较多(相比起布朗运动、泊松过程而言)，所以复习的重点是这两个板块。(结果一道证明题都没有)

        注：实际上，布朗运动和泊松过程是特殊的Markov过程，因为它们都满足独立增量性。只是布朗运动的状态是连续的，泊松过程的状态是离散的，以及各自的参数分布性质存在差异。因此，只要掌握了Markov过程，记住布朗运动和泊松过程特殊的参数分布，这两个知识点就问题不大了。(由于时间紧迫，小编的复习过程就十分取巧了)

       现在开始知识点！！！

       由于小编重点准备了Markov的证明题(虽然最后一道题也没考)，所以今天来介绍Markov过程的状态空间分解。首先要了解一下一些定义(定义永远是数学证明题的必备)

      以上是小编复习时按照自己理解写的笔记，对定义做了修改(便于个人理解)。并且除了教材上的性质，小编通过定义还自推了一些性质(hhh我是小天才！！！)

       由于小编水平有限，还是按照教材再写一次定义——方便大家比较和理解。

      按照教材的定义，读者可以自己思考，检验一下小编笔记中红色字体内容的正确性。如果有错误，可以后台留言，感谢大家