西安电子科技大学研究生课程随机过程

随机过程Stochassticprocesses西安电子科技大学教师冯海林[e-mail]引言本课程的研究对象概率论主要是以一个或有限个随机变量为研究对象的.随着科学技术的不断发展,人们发现几乎一切可观察现象都具有随机性.必须对一些随机现象的变化过程进行研究.即需要研究无穷多个随机变量随机过程是概率论的深入和发展.它是研究客观世界中随机演变过程的规律性的学科.随机过程的理论与方法在自动控制、雷达与通信、生物工程、天文气象、地质能源、社会科学及工程技术、经济管理等许多领域有着极为广泛的应用。课程任务掌握随机过程的基本概念.掌握随机过程的基本理论和分析方法.具备处理随机现象的思想与方法.具有应用随机过程的理论和方法来分析问题和解决问题的能力.基本内容随机过程基本概念随机分析平稳过程马尔科夫过程（链）教材《随机过程》张卓奎陈慧婵西安电子科技大学出版社2003《随机过程同步学习指导》张卓奎陈慧婵西安电子科技大学出版社2004参考教材1.《随机过程》毛用才胡奇英西安电子科技大学出版社19982.《随机过程理论》周荫清电子工业出版社第二版20063.《Anintroductiontostochasticprocesses》EdwardP.C.kaoThomson2003第一章随机过程的基本概念●随机过程的定义及其有限维分布函数族●随机过程的数字特征●几类重要的随机过程重点随机过程的定义、数字特征、正态过程、Poisson过程．要求（1）准确理解随机过程的定义，熟悉研究随机过程的方法．(2)熟练求出样本函数、有限维分布、数字特征、特征函数．难点有限维分布和Poisson过程．例1.考察[0，t0]时间内某网站收到的访问次数Ｘ(t０),则Ｘ(t０)是一个随机变量．如果要长时间内该网站的访问次数,则需要让t变化起来,即t趋于无穷大,则Ｘ(t)是一族随机变量．此时Ｘ(t)是与时间有关系的随机变量，称{Ｘ(t),t∈［0,∞）}是随机过程．一随机过程的定义)cos(tAX(t)其中Ａω为常数，φ服从[0,2π]上的均匀分布.若要观察任一时刻t的波形，则需要用一族随机变量Ｘ(t)描述.则称｛Ｘ(t)，t∈[0，+∞)｝为随机过程．例２.具有随机初位相的简谐波由于初位相的随机性，在某时刻t＝t0，Ｘ(t0)是一个随机变量．例３.生物群体的增长问题.以Ｘt表示在时刻t某种生物群体的个数,则对每一个固定的t,Ｘt是一个随机变量．如果从t＝０开始每隔24小时对群体的个数观察一次，则对每一个t，Ｘt是一族随机变量．也记为Ｘn，n＝０，１，….则称{Ｘt,t＝０,１,2,….}是随机过程．例4.在天气预报中,以Xt表示某地区第t次统计所得到的最高气温,则Xt是一个随机变量.为了预报该地区未来的气温,要让t趋于无穷大,则可得到一族随机变量:Xt,t=0,1,2,…，称{Ｘt，t＝０，１，2，….，}是随机过程．以上4个例子的共同特点是:对某参数集中的任意一个参数t,就有一个随机变量X(t)与之对应.随机过程定义若对每一t∈T,均有定义在(Ω,F,P)上的一个随机变量X(ω,t),(ω∈Ω)与之对应,则称X(ω,t)为(Ω,F,P)上的一个随机过程(S.P.)记{X(ω,t),ω∈Ω,t∈T},简记{X(t),t∈T},或X(t).设(Ω,F,P)为一概率空间,T为一参数集,TR,T称为参数集或参数空间,t称为参数,一般表示时间或空间.参数集通常有以下形式:⑴T={0,1,2,…}或T={…-2,-1,0,1,2,…}⑵T=[a,b],其中a可以为－∞,b可以为+∞.当参数集为形式⑴时,随机过程X(t)也称为随机序列1.X(ω,t),实质上为定义在T×Ω上的二元单值函数.2.对每一个固定的t,X(t)为一随机变量(r.v.).t∈T时.该随机变量所有可能取值的集合,称为随机过程的状态空间.记为S.S中的元素称为状态.3.对每一个确定的ω0∈Ω,X(ω0,t)是定义在T上的普通函数.记为x(ω0,t),称为为随机过程的一个样本函数.也称轨道或实现.样本函数的图形称为样本曲线．说明:设{X(ω,t),ω∈Ω,t∈T}为一S.P.tX(t)tt0状态X(t0)=4状态X(t0)=5样本曲线x1(t)x1(t)x2(t)样本曲线x2(t)状态空间S={0,1,2,….},T=[0,+∞)例1的样本曲线与状态状态空间S=[-A,A],参数集T=[-∞,+∞]tX(t)样本曲线x1(t)样本曲线x2(t)t0状态X(t0)状态X(t0)例2的样本曲线与状态)cos(tAX(t)t0状态X(t0)=18状态X(t0)=25样本曲线x1(t)样本曲线x2(t)例3的样本曲线与状态状态X(t0)=40样本曲线x3(t)X(t)t10203040506070024…状态空间S={0,1,2,….},T=[0,24,……)4.根据参数集与状态空间离散与否,随机过程可分为●离散参数,离散状态的随机过程(例3)●离散参数,连续状态的随机过程(例4)●连续参数,离散状态的随机过程(例1)●连续参数,连续状态的随机过程(例2)参数集为离散的随机过程也称为随机序列，或时间序列．二随机过程的有限维分布函数族设{X(t),t∈T}是S.P.1.一维分布函数对任意t∈T,X(t)为一随机变量.称其分布函数F(t;x)=P(X(t)≤x),x∈R为随机过程{X(t),t∈T}的一维分布函数.2.二维分布函数对任意固定的t1,t2∈T,X(t1),X(t2)为两个随机变量.称其联合分布函数F(t1,t2;x1,x2)=P(X(t1)≤x1,X(t2)≤x2),x1,x2∈R为随机过程{X(t),t∈T}的二维分布函数.对任意固定的t1,t2,…,tn∈T,X(t1),X(t2),…,X(tn)为n个随机变量.称其联合分布函数F(t1,t2,…,tn;x1,x2,…,xn)=P(X(t1)≤x1,X(t2)≤x2…X(tn)≤xn)x1x2,…,xn∈R为随机过程{X(t),t∈T}的n维分布函数.3.n维分布函数称随机过程{X(t),t∈T}的一维分布函数,二维分布函数,…,n维分布函数,…,的全体为随机过程的有限维分布函数族.有限维分布函数族定义注:有限维分布函数族能够描述随机过程的统计特性.有限维分布函数族的性质对称性),,,;,,,(2121nniiiiiixxxtttF),,,;,,,(2121nnxxxtttF的任意一个排列，则是设niiin,,2,1,,,21相容性设mn,则),,,;,,,(2121mmxxxtttF),,,,,;,,,,,,(21121mnmmxxxtttttF注:随机过程的统计特性还可以用另一种工具描述,即随机过程的有限维特征函数族(后面补充介绍)本节内容举例例1.设随机过程X(t)=Vcosωt,t∈(-∞,+∞),其中ω为常数,V服从[0,1]上的均匀分布.⑴确定{X(t),t∈(-∞,+∞)}的两个样本函数.⑵求t=0,t=3π/4ω时,随机变量的概率密度函数.⑶求t=π∕2ω时X(t)的分布函数.解(1)取V=1/2,1/3分别得到两个样本函数ttxcos21)(1ttxcos31)(2(2)X(0)1()0fx其它10x时，43tVVtX2243cos)(上均匀分布，则，为而时，]10[,0cos)(0VVVtXt则利用公式其导数为的反函数为由于函数,2)(,2)(22xhxxhVVx0)())(()()43X(xhxhfxfV其它1)(0xh02其它120x02其它022x(3)()cos0,22,2tXtVX时，此时（）是单点分布则})2({)()2(xXPxFX0100xx例2设随机过程X(t)=A+Bt,t≥0,其中A,B是相互独立的随机变量,且都服从标准正态分布N(0,1).求该随机过程的一维和二维分布解对任意的t≥0,X(t)=A+Bt,有题意知X(t)是正态分布.又E[X(t)]=0,D[X(t)]=1+t2所以S.P.的一维分布为X(t)～N(0,1+t2)又对任意的t1≥0,t2≥0,X(t1)=A+Bt1～N(0,1+t12),X(t2)=A+Bt2～N(0,1+t22),(定理正态变量的线性变换是正态变量)page24定理1.5.3(3)121211(()())()XtXtABtt即由A,B独立知,(A,B)服从二维正态分布所以(X(t1),X(t2))也服从二维正态分布)](E[X)](E[X)](X)E[X())(X),(X(212121ttttttCov又21211)B)(ABE(Atttt所以协方差矩阵为222121211111ttttttM而(X(t1),X(t2))的均值向量为μ=(0,0)0,0),,(~))()((2121ttMNtXtX所以该S.P.的二维分布为例3.0,cosA)(S.P.Xttt设其中A具有以下概率分布.3,2,1,31)(iiAP试求(1)该S.P.的一维分布函数(,),(4,)2xFFx(2)该S.P.的二维分布函数),;3,0(21xxF解21()cos,442XAA（）232222111333分布律为0,1,3;)2,31,x分布函数为F(4222223222322xxxx12122(0,;,)((0),())33FxxPXxXx（）12(,)2APAxx12(,2)PAxAx0,1,32,31,12()(2)PAxPAx121222xxxx1111112233xxxx12(2)xx22222112222323xxxx或12(2)xx例4.利用重复掷硬币的试验定义一个随机过程出现反面出现正面,2,cos)(tttX0t出现正面与反面的概率相等.⑴求X(t)的一维分布函数F(1/2;x),F(1;x).⑵求X(t)的二维分布函数F(1/2,1;x1,x2).例5.利用掷一枚硬币的试验定义一个随机过程出现反面出现正面,2,cos)(tttX0t