第二章随机过程的基本知识part I
随机过程的基本知识part I
- 1.随机过程的定义
- 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
- 2.2根据样本轨道是否连续
- 2.3其他分类
1.随机过程的定义
- X(w,t)X(w,t)X(w,t)两个特点:随机性与函数性
- 对于每一个固定的t,XtX_tXt为一随机变量,XtX_tXt所有的取值集合记为S,称为X(w,t)X(w,t)X(w,t)的状态空间
- 对于每一个固定的w,X(w0,t)X(w_0,t)X(w0,t)是一定义在TTT上的函数,称为样本函数
- 对于连续的一些定义
- 以概率1连续,P(lims→t∣Xt−Xs∣=0)=1P(lim_{s\rightarrow t}|X_t-X_s|=0)=1P(lims→t∣Xt−Xs∣=0)=1
- 依概率连续,∀t∈T,ε>0,有,P(lims→t∣Xt−Xs∣≥ε)=1\forall t\in T, \varepsilon>0,有,P(lim_{s\rightarrow t}|X_t-X_s|\geq \varepsilon)=1∀t∈T,ε>0,有,P(lims→t∣Xt−Xs∣≥ε)=1
- 在LPL^PLP上连续,∀t∈T,P>0,有E∣Xt∣P<∞,lims→tE[∣Xs−Xt∣P]=0,P=2\forall t\in T, P>0,有E|X_t|^P<\infty,lim_{s\rightarrow t}E[|X_s-X_t|^P]=0,P=2∀t∈T,P>0,有E∣Xt∣P<∞,lims→tE[∣Xs−Xt∣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
- 离散参数,离散状态
例:伯努利过程二项过程
Xn={Xn,n=1,2,...},XnX_n=\{X_n,n=1,2,...\},X_nXn={Xn,n=1,2,...},Xn服从0-1分布,那么
Sn=∑k=1nXkS_n=\sum_{k=1}^nX_kSn=∑k=1nXk,则称S={Sn,n=1,2,...}S=\{S_n,n=1,2,...\}S={Sn,n=1,2,...}为二项过程 - 离散参数,连续过程
例:严高斯白噪声过程
Xn={Xn,n=1,2,...},Xn服从N(0,δ2)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) - 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; - 连续参数,连续状态
例:正态过程
设X={Xt,t∈T},X=\{X_t,t\in T\},X={Xt,t∈T},对任意n≥1n\ge 1n≥1以及t1,t2,...tnt_1,t_2,...t_nt1,t2,...tn有n维随机变量(Xt1,Xt2,...,Xtn)(X_{t_1},X_{t_2},...,X_{t_n})(Xt1,Xt2,...,Xtn)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=(X1,X1,...,Xn)X=(X_1,X_1,...,X_n)X=(X1,X1,...,Xn)有联合概率密度函数f(x)=1(2π)n/2∣B∣1/2e−12(x−μ)B−1(x−μ)Tf(x)=\frac{1}{(2\pi)^{n/2}|B|^{1/2}}e^{-\frac{1}{2}(x-\mu)B^{-1}(x-\mu)^T}f(x)=(2π)n/2∣B∣1/21e−21(x−μ)B−1(x−μ)T其中μ=(μ1,μ2,...,μn),B\mu=(\mu_1,\mu_2,...,\mu_n),Bμ=(μ1,μ2,...,μn),B是正定矩阵,则X=(X1,X1,...,Xn)X=(X_1,X_1,...,X_n)X=(X1,X1,...,Xn)为服从参数为μ.B\mu.Bμ.B的n维正态分布 - 性质
设X=(X1,X1,...,Xn)X=(X_1,X_1,...,X_n)X=(X1,X1,...,Xn)服从参数为μ.B\mu.Bμ.B的n维正态分布,则- Y=∑k=1nlkXk(lk是常数)服从一维正态分布Y=\sum_{k=1}^{n}l_kX_k(l_k是常数)服从一维正态分布Y=∑k=1nlkXk(lk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=XCY=XCY=XC服从m维正态分布N(μC,CTBC)N(\mu C,C^TBC)N(μC,CTBC)
- 举例
- 例1
A,B相互独立且都服从正态分布N(0,δ2)N(0,\delta^2)N(0,δ2),证明Xt=Acoswt+BsinwtX_t=Acoswt+BsinwtXt=Acoswt+Bsinwt是正态过程
证明:利用性质[Xt1,Xt2,...,Xtn]=[A,B][coswt1coswt2⋯coswtnsinwt1sinwt2⋯sinwtn][X_{t_1},X_{t_2},...,X_{t_n}]=[A,B]\left[\begin{matrix}coswt_1&coswt_2&\cdots &coswt_n\\ sinwt_1&sinwt_2&\cdots &sinwt_n\end{matrix}\right][Xt1,Xt2,...,Xtn]=[A,B][coswt1sinwt1coswt2sinwt2⋯⋯coswtnsinwtn]依据性质3可得,XtX_tXt是正态过程 - 例2
证明:Xt=Rcosθcosat−RsinθsinatX_t=Rcos\theta cosat-Rsin\theta sinatXt=Rcosθcosat−Rsinθsinat,参照上一个例子,我们只需证明Rcosθ,RsinθRcos\theta,Rsin\thetaRcosθ,Rsinθ服从2维正态分布就可以了。
- 例1
- n维正态分布的定义
2.2根据样本轨道是否连续
- 连续轨道
标准布朗运动- W0=0W_0=0W0=0
- W={Wt,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
- ∀0≤s≤t,Wt−Ws\forall 0\le s\le t,W_t-W_s∀0≤s≤t,Wt−Ws~N(0,t−s)N(0,t-s)N(0,t−s)
- 轨道不连续
泊松过程- N0=0N_0=0N0=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
t1<t2<t3<t4,X={Xt,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[(t2−t1)(t4−t3)]=0,E[(t_2-t_1)(t_4-t_3)]=0,E[(t2−t1)(t4−t3)]=0,则称X为正交增量过程
第二章随机过程的基本知识part I相关推荐
- 【随机过程】第二章——随机过程概论
第二章--随机过程概论 教学内容 随机过程的定义 随机过程的分类 随机过程的研究途径 有限维分布族 有限维分布族的性质 柯尔莫哥洛夫定理 随机过程的数字特征(必考) 两个随机过程的联合分布和数字特征 ...
- 计算机的指令合成为,第二章计算机操作基础知识doc
第二章计算机操作基础知识doc (29页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 23.9 积分 第二章 计算机操作基础知识第一节 计算机基础知识 ...
- 第一篇第二章火灾的基础知识
沿外墙面蔓延的情况 需要注意:层高要足够高 要不下层着火会直接蔓延到上层 喷头系统必须在轰然之前进行灭火 否则灭火失败 2019/1/3 [录播]2018一消精华班-实务-一级消防工程师-环球网校 h ...
- python语言中、用来表示赋值的符号是_第二章Python语言基础知识
第二章Python语言基础知识 2.1 Python语言基础知识 2.1.1标识符与关键字 在Python语言中,对程序中各个元素命名加以区分,这种用来标识变量.函数.类等元素的符号称为标识符. Py ...
- 《项目经理手记》第二章、项目管理-入门知识
什么是项目? 项目是创造独特的产品.服务或成果而做的临时性工作.广义上定义,项目是为实现特定目标的一次性任务.本职是任务. 项目的要素: 有明确和具体的目标,是项目发起的动因. 是为完成特定目标所需要 ...
- 第二章 TCP/IP 基础知识
概述: tcp和ip 是互联网很多协议中最著名的 这一章 重点介绍tcp/ip的发展历程和有关协议概况 tcp/ip出现的背景及其历史 1,首先是ARPANET 阿帕网的诞生 起先是美国国防部DoD ...
- 网易云课堂Web安全工程师课程分享——第二章 Web开发基础知识
第一节 前端开发基础--HTML 课程回顾 Web页面通常使用哪几种语言开发? HTML结构包含哪两部分? HTML元素由哪几部分组成? 常见的HTML标签有哪些? HTML DOM是什么结构? 总结 ...
- 第二章 GuassDB 数据库基础知识
一数据库管理简介 1.1,数据库管理 (Database Admin) 数据库管理 -- 数据库管理工作就是对数据库管理系统进行管理和维护的工作. --核心目标,保证数据库管理系统的: ----稳定性 ...
- 05.第二章 抽样分布及若干预备知识(4)
第二章 抽样分布及预备知识(4) 1.极限分布 极限分布:当样本容量nnn趋向于无穷时,统计量的分布趋向于一个确定分布,这个确定分布便称为统计量的极限分布,也常称为大样本分布.样本容量n→∞n\to\ ...
- 《程序设计技术》第二章例程
<程序设计技术>例程 <程序设计技术>第一章 C语言与程序设计(例程) <程序设计技术>第二章 C语言基础知识(例程) <程序设计技术>第三章 程序控制 ...
最新文章
- python字符串find函数-Python字符串的方法,查找和替换
- C语言求网格的最大不重复路径数的算法(附完整源码)
- swift 导出测试包(Save for Ad Hoc Deployment)卡在compile bitcode处问题
- windows mobile 编译(生成镜像)提速
- x722网卡linux,Centos6.5 Intel X722 编译安装网卡驱动
- 华为鸿蒙系统面对困难,华为鸿蒙面临的2个新困难
- Java使用apache commons连接ftp修改ftp文件名失败原因
- Java关键字this与super的用法详解
- Java练手项目-王者荣耀项目源码分享!
- 《证券市场的风险与心理》
- qt Android 基站定位,AT指令获取基站信息
- android电话本导入iphone,如何将Android电话簿导入iPhone手机
- 爬虫学习笔记1——爬取糗百段子
- 为什么计算机网络使用数字信号,计算机网络数字电子技术的作用
- android短信删除,Android删除短信的方法
- apqp过程流程图及编写规则_APQP各阶段输入及输出流程图(含输出资料清单)
- 如何利用ChatGPT学习量化投资?
- Spark【案例】实现黑名单实时过滤
- 【JavaScript】阶段性复习
- Python笔记之用turtle库绘制三角函数和反三角函数的图像(考研党福利)