随机过程知识点
第一章:预备知识
§1、1 概率空间
随机试验,样本空间记为Ω。
定义1、1 设Ω就是一个集合,F 就是Ω的某些子集组成的集合族。如果
(1)∈ΩF;
(2)∈A 若F ,∈Ω=A A \则F;
(3)若∈n A F , ,,21=n ,则 ∞=∈1n n A
F;
则称F 为-σ代数(Borel 域)。(Ω,F )称为可测空间,F 中的元素称为事件。
由定义易知:
.
216\,,)5)4(111F A A A i F A F B A F B A F i i n i i n i i i ∈=∈∈∈∈?∞
=== ,,则,,,)若(;
则若(;
定义1、2 设(Ω,F )就是可测空间,P(·)就是定义在F 上的实值函数。如果
()()()()∑∞
=∞==???? ???=?≠=Ω≤≤∈1121,,,31210,)1(i i i i j i A P A P A A j i A A P A P F A 有
时,当)对两两互不相容事件(;
)(;
任意
则称P 就是()F ,Ω上的概率,(P F ,,Ω)称为概率空间,P(A)为事件A 的概率。
定义1、3 设(P F ,,Ω)就是概率空间,F G ?,如果对任意
G A A A n ∈,,,21 , ,2,1=n 有: (),1
1∏===???? ??n i i n i i A P A P 则称G 为独立事件族。
§1、2 随机变量及其分布
随机变量X ,分布函数)(x F ,n 维随机变量或n 维随机向量,联合分布函
数,{}T t X t ∈,就是独立的。
§1、3随机变量的数字特征
定义1、7 设随机变量X 的分布函数为)(x F ,若?∞
∞-∞<)(||x dF x ,则称
)(X E =?∞
∞-)(x xdF 为X 的数学期望或均值。上式右边的积分称为Lebesgue-Stieltjes 积分。
方差,()()[]EY Y EX X E B XY --=为X 、Y 的协方差,而 DY DX B XY XY =
ρ 为X 、Y 的相关系数。若,0=XY ρ则称X 、Y 不相关。
(Schwarz 不等式)若,,22∞<∞ ().222EY EX EXY ≤ § 1、4 特征函数、母函数与拉氏变换 定义1、 10 设随机变量的分布函数为F(x),称 ()()(),jtX jtx g t E e e dF x t ∞-∞=-∞<<∞? 为X 的特征函数 随机变量的特征函数具有下列性质: (1)(0)1,()1,()()g g t g t g t =≤-= 1 ( 2 ) g (t )在()∞∞-, 上一致连续。(3)()(0)()k k k g i E X = (4)若12,,,n X X X 就是相互独立的随机变量,则12n X X X X =+++的特征函数12()()()()n g t g t g t g t =,其中()i g t 就是随机变量X i 的特征函数,1,2,,i n =、 定义1 、 11 设 12(,, ,)n X X X X =就是n 维随机变量,t = (12,,,n t t t ) ,R ∈ 则称 121()(,,,)()[exp()]n itX n k k k g t g t t t E e E i t X '====∑, 为X 的特征函数。 定义1、12 设X 就是非负整数值随机变量,分布列 () ,2,1,===k x X P p k k 则称 )()(X def s E s P ==k k k s P ∑∞ =0 为X 的母函数。 § 1、5 n 维正态分布 定义1、13 若n 维随机变量),,,(21n X X X X =的联合概率密度为 })()(21exp{)2(1 ),,,()(12/2/21T n n n a x B a x B x x x f x f ---==-π 式中,),,,(21n a a a a =就是常向量,n n ij b B ?=)(就是正定矩阵,则称X 为n 维正态随机变量或服从n 维正态分布,记作),(~B a N X 。 可以证明,若),(~B a N X ,则X 的特征函数为 }2 1exp{),,,()(21t iB t ia t t t g t g n '-'== 为了应用的方便,下面,我们不加证明地给出常用的几个结论。 性质1 若),(~B a N X 则n l b B a X E kl X X k k l k ,,2,1,,)( ===。 性质2 设),(~B a N X ,XA Y =,若BA A '正定,则),(~BA A aA N Y '。即正态随机变量的线性变换仍为正态随机变量。 性质3 设),,,(4321X X X X X =就是四维正态随机变量,4,3,2,1,0)(==k X E k ,则 )()()()()()()(3241423143214321X X E X X E X X E X X E X X E X X E X X X X E ++= § 1、6 条件期望 给定Y=y 时,X 的条件期望定义为 ??===dx y x xf y x xdF y Y X E )|()|()|( 由此可见除了概率就是关于事件{Y=y }的条件概率以外,现在的定义与无条件的情况完全一样。 E(X|Y=y)就是y 的函数,y 就是Y 的一个可能值。若在已知Y 的条件下,全面地考虑X 的均值,需要以Y 代替y,E(X|Y)就是随机变量Y 的函数,也就是随机变量,称为 X 在 Y 下的条件期望。 条件期望在概率论、数理统计与随机过程中就是一个十分重要的概念,下面我们介绍一个极其有用的性质。 性质 若随机变量X 与Y 的期望存在,则 ?===)()|()]|([)(y dF y Y X E Y X E E X E Y --------(1) 如果Y 就是离散型随机变量,则上式为 ∑===y y Y P y Y X E X E }{)|()( 如果Y 就是连续型,具有概率密度f(x),则(1)式为 ?+∞ ∞ -==dy y f y Y X E X E )()|()( 第二章 随机过程的概念与基本类型 §2、1 随机过程的基本概念 定义2、1 设(P F ,,Ω)就是概率空间,T 就是给定的参数集,若对每个t ∈T ,有一个随 机变量X (t ,e )与之对应,则称随机变量族}),,({T t e t X ∈就是(P F ,,Ω)的随机过程,简记为随机过程}),({T t t X ∈。T 称为参数集,通常表示时间。 通常将随机过程}),,({T t e t X ∈解释为一个物理系统。X(t)表示在时刻t 所处的状态。 X(t)的所有可能状态所构成的集合称为状态空间或相空间,记为I 。 从数学的观点来说,随机过程}),,({T t e t X ∈就是定义在T ×Ω上的二元函数。对固定的 t,X (t ,e )就是定义在T 上的普通函数,称为随机过程}),,({T t e t X ∈的一个样本函数或轨道,样本函数的全体称为样本函数的空间。 § 2、2 随机过程的函数特征 t X ={X (t ),t ∈T }的有限维分布函数族。 有限维特征函数族: }1,,,,:),,,({2121,,1≥∈=Φn T t t t g n n t t n θθθ 其中: )})((ex p{),,,(121,,1k n k k n t t t x i E g n ∑==θθθθ 定义2、3 设t X ={X (t ),t ∈T }的均值函数def t m X )()]([t X E ,T t ∈。 二阶矩过程,协方差函数:T ,)]()([),()(2 ∈-=t t m t X E def t t B t D X X X 相关函数: =),(t s R X )]()([t X s X E 定义2、4 设{X (t ),t ∈T },{Y (t ),t ∈T }就是两个二阶矩过程, 互协方差函数,互相关函数。 § 2、3 复随机过程 定义 2、5 设},{T t X t ∈,},{T t Y t ∈就是取实数值的两个随机过程,若对任意T t ∈ t t t iY X Z +=, 其中 1-=i ,则称},{T t Z t ∈为复随机过程. 定理 2、2 复随机过程},{T t X t ∈的协方差函数 ),(t s B 具有性质 (1)对称性:),(),(s t B t s B =; (2)非负定性 §2、4 几种重要的随机过程 一、正交增量过程 定义2、6 设(){}T ∈X t t ,就是零均值的二阶矩过程,若对任意的,4321T ∈<≤