随机过程-第二章2课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,随机过程概念提出的背景,随机过程是概率论的继续和发展，是概率论的“动力学部分”：它的研究对象是随时间演变的随机现象！,随机过程概念提出的背景随机过程是概率论的继续和发展，是概率论,1,概率论主要研究的对象是随机变量，即随机试验的结果，可用一个或有限个随机变量描述的随机现象。而有些随机现象仅用一个或有限个随机变量描述是不够的，,而要用一族无穷多可随机变量来刻画随机过程,一、随机过程是随机变量的推广,概率论主要研究的对象是随机变量，即随机试验的,2,对事物变化的全过程进行一次观察得到的结果是一个时间,t,的函数，但对于同一事务的变化过程独立的重复进行多次观察所得的结果是不相同的，且每次观察之前不能预知试验结果。,对事物变化的全过程进行一次观察得到的结果是一个时间t的函数，,3,例：当,t(t=0),固定时，电话交换站在,0,t,内受到的呼叫次数是随机变量，记为,X,（,t,）。,X,（,t,）服从参数为 的,Poisson,分布。,如果,t,从,0,变到无穷，,t,时刻前受到的呼叫次数需用一族随机变量 来表示，则该随机现象就是一随机过程。对电话交换机作一次试验，便得到一个呼叫次数时间函数。这个函数是不能预先确知的，只有通过测量测能得到。,例：当t(t=0)固定时，电话交换站在0,t内受到的呼,4,此外，还包括生物群体的增长问题；,一定时期内的天气预报；,固定点处海平面的垂直振动等等。,此外，还包括生物群体的增长问题；,5,二、随机过程的定义,二、随机过程的定义,6,随机过程-第二章2课件,7,例 设 ，其中,w,为常数，,V,服从区间,0,1,上的均匀分布，即,1,）求,t=0,Pi/4w,3Pi/4w,Pi/w,时随机变量,X(t),的概率密度函数,2,）求,t,Pi/2w,时,X(t),的分布函数,例 设,8,1.通常我们可以根据随机变量X(t)在时间和状态上的类型区分随机过程的类型。,三、随机过程的分类,连续随机过程,随机序列,离散参数链,参数集,状态空间,可数集,区间,离散随机过程,连续,型,离散,型,1.通常我们可以根据随机变量X(t)在时间和状态上的类型区分,9,离散参数、离散状态的随机过程,贝努力过程：考虑掷一颗骰子的试验。设,Xn,是第,n,次抛掷的点数。对于,n=1,2,，,Xn,是不同的随机变量，因而,Xn,n=1,构成一随机过程。其参数集为,T=1,2,状态空间,S=1,2,3,4,5,6,离散参数、离散状态的随机过程,10,2,离散参数、连续状态的随机过程,例：设,Xn,n=,-2,-1,0,1,2,是相互独立同分布标准正态分布的随机变量，则,Xn,n=,-2,-1,0,1,2,为一随机过程，其参数集,T=,-2,-1,0,1,2,状态空间,S,为整个实数域。,2 离散参数、连续状态的随机过程,11,3,连续参数、离散状态的随机过程,例 设,X,（,t,）表示在期间,0,t,内达到服务点的顾客数，对于 的不同值，,X(t),是不同的随即变量，因而 构成一随机过程。其参数集为正实数，状态空间,S,0,1,2,3 连续参数、离散状态的随机过程,12,连续参数、连续状态的随机过程,例,X(t)=Acos(wt+N),连续参数、连续状态的随机过程,13,2.2 随机过程的分布,一、有限维分布族,研究随机过程的统计特性，其中的一种方法就是求取其有限维分布函数族。,有限个随机变量,统计规律,联合分布函数,随机过程,统计规律,有限维分布函数族,2.2 随机过程的分布一、有限维分布族有限个随机变量,14,随机过程-第二章2课件,15,随机过程-第二章2课件,16,定义2.2：,随机过程 的一维分布函数、二维分布函数、n维分布函数的全体：,定义2.2：随机过程 的一维分布函数、二维分布函,17,有限维分布函数族的性质,对称性,相容性,有限维分布函数族的性质对称性相容性,18,对称性证明：,对称性证明：,19,相容性证明：,相容性证明：,20,有限维分布函数族,对称性,相容性,Kolmogorov存在定理,设已给参数集T及满足对称性和相容性条件的分布函数族F，则必存在概率空间（,F,P）及定义在其上的随机过程X(t),tT，它的有限维分布函数族是F。,有限维分布函数族对称性相容性Kolmogorov存在定理,21,定义,2.3,有限维特征函数,设 是一个随机变量，对于任意固定的,是,n,个随机变量，称为随机过程的,n,维特征函数，称,为随机变量的,n,维特征函数,定义2.3 有限维特征函数,22,定义2.4,：,有限维特征函数族,称,为随机变量的有限维特征函数族,定义2.4：有限维特征函数族称为随机变量的有限维特征函数族,23,例,1,设,X(t)=A+Bt,（,t,大于等于,0,），其中,A,和,B,是相互独立的随机变量，分别服从标准正态分布。试求随机过程的一维和二维分布。,解,（,1,）,先求一维分布,.,可知对任意给定的,t,，,X(t),是正态随机变量。（这可以从,X,的特征函数来分析）。由特征函数性质：若,X,，,Y,相互独立，且,Z,X,Y,，则 若,Y,aX+b,则有 ，可得,例1 设X(t)=A+Bt（t大于等于0），其中A和B是相互,24,因此可知,（,2,）二维分布,显然有,从而,(X(t1),X(t2),服从二维正态分布。计算可得,从而可得,(X(t1),X(t2),的协方差矩阵，进一步可得结果。,因此可知,25,例,2,令 其中,A,是随机变量，其分布律为,P(A=i)=1/3,i=1,2,3,试求,：（,1,）随机过程 的一维分布函数,（,2,）随机过程 的二维分布函数,例2 令,26,二、有限维联合分布数函数族,有限维联合分布函数族：,二、有限维联合分布数函数族有限维联合分布函数族：,27,设X(t),tT是随机过程，如果对任意tT，EX(t)存在，则称函数,为X(t)的均值函数，,反映随机过程在时刻t的平均值。,一、均值函数,2.3 随机过程的数字特征,设X(t),tT是随机过程，如果对任意tT，EX(,28,我们把随机变量（随机过程对应于某个固定t值）的二阶原点矩,记作,称为随机过程 的均方值函数。,（二）均方值与方差,称为随机过程 的方差函数。,而把 的二阶中心矩，,是t的确定函数，它描述了随机过程的诸,样本函数对数学期望 的偏离程度见图示。,我们把随机变量（随机过程对应于某个固定t值）的二阶,29,是非负函数，它的平方根称,为随机过程的均方差函数。,即：,是非负函数，它的平方根称即：,30,（三）自相关函数,自相关函数（简称相关函数）就是用来描述随机过程两个不同时刻状态之间内在联系的重要数字特征。,（三）自相关函数 自相关函数（简称相关函数）就,31,称为随机过程X(t)的自相关函数，简称相关函数，,我们把随机过程 在任意两个不同时刻的随机变量 与 的混合原点矩（若存在）,记作,称为随机过程X(t)的自相关函数，简称相关函数，,32,若取 ，,称 与 的中心矩,为随机过程的协方差函数。,则有,此时相关函数即为均方值 。,若取 ，称 与,33,(1),(2),(3),随机过程数字特征之间的关系：,从这些关系式看出，均值函数,和相关函数 是最基本的两个数字特征，其它数字特字特征，协方差函数 方差,函数都可以由它们确定。,(1)(2)(3)随机过程数字特征之间的关系：从这些关系式,34,四、互相关函数,两个随机过程之间的关系,互协方差函数,互相关函数,四、互相关函数两个随机过程之间的关系互协方差函数互相关函数,35,随机过程-第二章2课件,36,随机过程-第二章2课件,37,随机过程-第二章2课件,38,随机过程-第二章2课件,39,例：设X(t)=A+Bt,其中A，B是相互独立的随机变量，且均值为0，方差为1，求x(t)的数字特征,例：设X(t)=A+Bt,其中A，B是相互独立的随机变量，且,40,2.4 复随机过程,二、复随机过程的数字特征函数,均值函数,2.4 复随机过程二、复随机过程的数字特征函数均值函数,41,自相关函数,协方差函数,方差函数,自相关函数协方差函数方差函数,42,随机过程-第二章2课件,43,复习,例,2,令 其中,A,是随机变量，其分布律为,P(A=i)=1/3,i=1,2,3,试求,：随机过程 的二维分布函数,复习例2 令,44,二阶矩过程,正交增量过程,独立增量过程,马尔可夫过程,正态过程,维纳过程,平稳过程,2.5,复,随机过程的几种基本类型,二阶矩过程2.5 复随机过程的几种基本类型,45,二阶矩过程,定义：设已给定随机过程 ，,如果对于一切,均有 ，,则称 为二阶矩过程。,1、二阶矩过程必存在均值,2、由Schwartz不等式：,知其相关函数和协方差都存在。,性质：,二阶矩过程定义：设已给定随机过程 ，1、,46,例题：设X(t),tT是正交增量过程，T=a,b为有限区间，且规定X(a)=0，当astb时，求其协方差函数。,正交增量过程,特点：不相重叠的区间上状态的增量互不相关。,例题：设X(t),tT是正交增量过程，T=a,b为,47,随机过程-第二章2课件,48,独立增量过程,2、特点：独立增量过程在任一个时间间隔上过程状态的改变，不影响任一个与它不相重叠的时间间隔上状态的改变。,独立增量过程2、特点：独立增量过程在任一个时间间隔上过程状态,49,正交增量过程,独立增量过程,定义依据：不相重叠的时间区间上增量的统计相依性,互不相关,相互独立,正交增量过程,独立增量过程,正交增量过程,独立增量过程,二阶矩存在，,均值函数恒为零,3、独立增量过程与正交增量过程的关系,正交增量过程独立增量过程定义依据：不相重叠的时间区间上增量的,50,4、独立增量过程，其有限维分布可由,增量的分布所确定,4、独立增量过程，其有限维分布可由,51,即有限维分布可由增量分布来确定。,即有限维分布可由增量分布来确定。,52,5.平稳独立增量,5.平稳独立增量,53,例题：考虑一种设备一直使用到损坏为止，然后换上同类型的设备。假设设备的使用寿命是随机变量，令N(t)为在时间段0,t内更换设备的件数，通常可以认为N(t)，t0是平稳独立增量过程。,定理：平稳独立增量过程的有限维分布函数族由其一维分布和增量的分布确定。,注：有限维分布首先由增量分布确定，而增量分布由一维分布确定，最重要的平稳独立增量过程是维纳过程和泊松过程。,例题：考虑一种设备一直使用到损坏为止，然后换上同类型的设备。,54,马尔可夫过程,2、马尔可夫性,系统在已知现在所处状态的条件下，它将来所处的状态与过去所处的状态无关。,马尔可夫过程2、马尔可夫性系统在已知现在所处状态的条件下，它,55,定义：设X(t),tT是随机过程，若对任意正整数n及t,1,t,2,t,n,T，(X(t,1,),X(t,2,),X(t,n,)是n维正态随机变量，则称X(t),tT是正态过程或高斯过程。,特点：,在通信中应用广泛；,正态过程只要知道其均值函数和协方差函数，即可确定其有限维分布。,正态过程,定义：设X(t),tT是随机过程，若对任意正整数n及t,56,(正态过程的一种特殊情况),1、物理背景：,布朗运动,(1827年英国植物学家罗伯特.布朗发现),悬浮在流体中的微粒受到流体分子与粒子的碰撞而发生的永不停息的不规则（随机）运动,。,维纳过程,(正态过程的一种特殊情况)1、物理背景：布朗运动维纳过程,57,(3)、质点的运动完全由不规则分子撞击而引起，在不重迭区间上碰撞次数与大小是独立的,故在不重迭区间上质点的,位移是独立的,可理解为有均匀的独立增量。这样导致了维纳过程的定义。,注:维纳是首先从数学上研究布朗运动的人之一。,(3)、质点的运动完全由不规则分子撞击而引起，在不重迭区间上,58,随机过程-第二章2课件,59,3.统计特征,3.统计特征,60,随机过程-第二章2课件,61,例：证明维纳过程是正态过程。,例：证明维纳过程是正态过程。,62,随机过程-第二章2课件,63,定义：设X(t),tT是随机过程，如果对任意常数,和正整数n，,t,1,t,2,t,n,T，t,1,+,t,2,+,t,n,+,T，(X(t,1,),X(t,2,),X(t,n,)与(X(t,1,+,),X(t,2,+,),X(t,n,+,)有相同的联合分布，则称X(t),tT为严平稳过程或侠义平稳过程。,定义：设X(t),tT是随机过程，如果,X(t),tT是二阶矩过程；,对任意tT，m,X,(t)=EX(t)=常数；,对任意s,t T，R,X,(s,t)=EX(s)X(t)=R,X,(t-s)则称X(t),tT为广义平稳过程，简称为平稳过程。,平稳过程,定义：设X(t),tT是随机过程，如果对任意常数和正,64,广义平稳过程,严平稳过程,广义平稳过程,严平稳过程,二阶矩存在,对于正态过程，广义平稳过程和严平稳过程是等价的。,例：设随机过程X(t)=acos(t+,)，a和都是常数，,是在(0,2,)上均匀分布的随机变量，Y(t)=tX(t)，试分别讨论X(t)和Y(t)的平稳性。,广义平稳过程严平稳过程广义平稳过程严平稳过程二阶矩存在对于,65,作业：,2.3 2.4 2.8 2.12 2.15,第二章结束,作业：2.3 2.4 2.8 2.12,66,