第二章随机过程的基本知识part I

1.随机过程的定义

1. $X(w,t)$两个特点：随机性与函数性
2. 对于每一个固定的t，$X_t$为一随机变量，$X_t$所有的取值集合记为S,称为$X(w,t)$的状态空间
3. 对于每一个固定的w，$X(w_0,t)$是一定义在$T$上的函数，称为样本函数
4. 对于连续的一些定义
   1. 以概率1连续，$P(li{m}_{s\to t}|X_t-X_s|=0)=1$
   2. 依概率连续，$\forall t\in T,\epsilon >0,有，P(li{m}_{s\to t}|X_t-X_s|\ge \epsilon )=1$
   3. 在$L^P$上连续，$\forall t\in T,P>0,有E|X_t{|}^P<\infty ,li{m}_{s\to t}E[|X_s-X_t{|}^P]=0,P=2$称为均方连续
      

2.随机过程的分类及其例子

2.1根据参数集与状态空间的离散与否分类

1. 离散参数，离散状态
   例：伯努利过程二项过程
   X n = { X n , n = 1 , 2 , . . . } , X n X_n=\{X_n,n=1,2,...\},X_n Xn​={Xn​,n=1,2,...},Xn​服从0-1分布，那么
   $S_n={\sum }_{k=1}^n{X}_k$,则称 S = { S n , n = 1 , 2 , . . . } S=\{S_n,n=1,2,...\} S={Sn​,n=1,2,...}为二项过程
2. 离散参数，连续过程
   例：严高斯白噪声过程
   X n = { X n , n = 1 , 2 , . . . } , X n 服 从 N ( 0 , δ 2 ) X_n=\{X_n,n=1,2,...\},X_n服从N(0,\delta^2) Xn​={Xn​,n=1,2,...},Xn​服从N(0,δ2)
3. 连续参数 离散状态
   例：计数过程
   某地在t时刻以前生的孩子数；
   某商店在t时刻以前到达的顾客数；
4. 连续参数，连续状态
   例：正态过程
   设 X = { X t , t ∈ T } , X=\{X_t,t\in T\}, X={Xt​,t∈T},对任意$n\ge 1$以及$t_1,t_2,...t_n$有n维随机变量$(X_{t_1},X_{t_2},...,X_{t_n})$服从n维正态分布，
   则称X是正态过程.
   • n维正态分布的定义
     如果n维随机变量$X=(X_1,X_1,...,X_n)$有联合概率密度函数$$f(x)=\frac{1}{(2\pi {)}^{n/2}|B{|}^{1/2}}{e}^{-\frac{1}{2}(x-\mu )B^{-1}(x-\mu {)}^T}$$其中$\mu =({\mu }_1,{\mu }_2,...,{\mu }_n),B$是正定矩阵，则$X=(X_1,X_1,...,X_n)$为服从参数为$\mu .B$的n维正态分布
   • 性质
     设$X=(X_1,X_1,...,X_n)$服从参数为$\mu .B$的n维正态分布，则
     • $Y={\sum }_{k=1}^n{l}_k{X}_k(l_k是常数)服从一维正态分布$
     • X的m个分量服从m维正态分布
     • $Y=XC$服从m维正态分布$N(\mu C,C^{T}BC)$
   • 举例
     • 例1
       A,B相互独立且都服从正态分布$N(0,{\delta }^2)$,证明$X_t=Acoswt+Bsinwt$是正态过程
       证明：利用性质$$[X_{t_1},X_{t_2},...,X_{t_n}]=[A,B]\left[\begin{array}{cccc}cosw{t}_1& cosw{t}_2& \cdots & cosw{t}_n\\ sinw{t}_1& sinw{t}_2& \cdots & sinw{t}_n\end{array}\right]$$依据性质3可得，$X_t$是正态过程
     • 例2
       
       证明：$X_t=Rcos\theta cosat-Rsin\theta sinat$,参照上一个例子，我们只需证明$Rcos\theta ,Rsin\theta$服从2维正态分布就可以了。
       
       

2.2根据样本轨道是否连续

1. 连续轨道
   标准布朗运动
   • $W_0=0$
   • W = { W t , t ≥ 0 } 是 平 稳 的 独 立 增 量 过 程 W=\{W_t,t\ge 0\}是平稳的独立增量过程 W={Wt​,t≥0}是平稳的独立增量过程
   • $\forall 0\le s\le t,W_t-W_s$~$N(0,t-s)$
     
2. 轨道不连续
   泊松过程
   • $N_0=0$
   • 增量独立
   • 增量服从泊松分布

2.3其他分类

正交增量过程
t 1 < t 2 < t 3 < t 4 , X = { X t , t ∈ T } t_1<t_2<t_3<t_4,X=\{X_t,t\in T\} t1​<t2​<t3​<t4​,X={Xt​,t∈T}是实随机过程，若满足$E[(t_2-t_1)(t_4-t_3)]=0,$则称X为正交增量过程