精品文档-随机过程——计算与应用(研究生)(冯海林)-平稳过程4
第2章 1.1 随机过程定义与分布族
二 随机过程的有限维分布函数族 随机过程的有限维分布函数族
设{X(t), t∈T}是定义在概率空间上的随机过程 1.一维分布函数 对任意固定的t∈T, X (t)为一维随机变量. 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.
第二章 随机过程基本知识
主讲人: 主讲人:李伟 西安电子科技数学与统计学院 2013年秋季
随机过程的起源
1931年,柯尔莫果洛夫 (Kolmogorov)《概率论的解 析方法》 析方法》 1934年,辛钦 (Khintchine)《平稳过 程的相关理论》 程的相关理论》 《随 机 过 程》 的 奠 基 人
fV (h( x)) h′( x) f 3π ( x) = X( ) 0 4ω
0 ≤ h( x ) ≤ 1 其它
2 = 0 2 = 0
0 ≤ − 2x ≤ 1 其它
2 − ≤ x≤0 2 其它
(3)
π π t= 时,X (t ) = V cos ω = 0, 2ω 2ω π 此时X ( )是单点分布, 则 2ω
X(t)
例1的样本曲线与状态( 的样本曲线与状态(网站的访问次数) 网站的访问次数)
状态X(t0)=4
样本轨道x1(t) x1(t) t 样本曲线x2(t) x2(t) t
状态X(t0)=5
t0 状态空间S={0,1,2,….}, T=[0,+∞)
随机过程引例
例2. 具有随机初位相的简谐波
X(t) = A cos(ωt + Φ )
基本内容
随机过程基本概念 典型的随机过程 平稳过程 马尔可夫链( 马尔可夫链(离散) 离散)
教材 1.《 1.《随机过程随机过程-计算与应用》 计算与应用》冯海林 薄立军 西安电子科技大学出版社 2012 参考教材 1. 《随机过程》 随机过程》张卓奎 陈慧婵 西安电子科技大学出版社 2003 2.《随机过程与应用》 随机过程与应用》田铮 秦超英 科学出版社 2007 3.《随机过程》 随机过程》毛用才 胡奇英 西安电子科技大学出版社 西安电子科技大学出版社 1998 4.《随机过程理论》 随机过程理论》 周荫清 电子工业出版社 第二版 2006 5.《 An introduction to stochastic processes 》 Edward P.C. kao Thomson 2003
概率论复习(一)随机过程西电宋月
x , y
( x 1 ) 2 2 1 2
所以X=x条件下Y的条件概率密度为
pY | X ( y | x )
p( x , y ) pX ( x )
2 2 (y x 2 1 ) 1 1 ] e xp[ 2 2 2 2 2 2 1 2 1
lim
0
F ( x, y ) F ( x, y )/ 2 FY ( y ) FY ( y )/ 2
F ( x , y ) y d FY ( y ) dy
亦即 FX |Y
( x | y)
x
p( u, y )du pY ( y )
随机过程 Stochastic processes
西安电子科技大学
宋月
E-mail songyue25@
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
对于任意的x(0<x<1),在X=x的条件下,Y的条件概率 密度 1
pY | X ( y | x ) 1 x 0 0 x y1 其它
于是得关于Y的边缘概率密度为
y 1 dx ln(1 y ) pY ( y ) f ( x, y )dx 0 1 x 0 其它
FX |Y ( x | y j ) P{ X x | Y y j }
xi x
p
p ij
j
xi x
p
随机过程-平稳过程
FX () S() , d X
随机过程——西安电子科技大学数学系 冯海林
对平稳时间序列有相类似的结果.
设X={Xn, n=0, ±1, ±2,…}是平稳时间序列,则其 相关函数可以表示为 1 jm R(m) X e dFX (), m 0, 1, () 2
1 t T s( )s( )d T t
只与 有关系.
所以X是平稳过程.
随机过程——西安电子科技大学数学系 冯海林
例2 对复随机过程 Z t=Xt +jYt 若mZ(t)是复常数, RZ(t,t+τ )=RZ(τ ),则称 Z={Zt, -∞<t<+ ∞}为复平稳过程. 设Ak和ω k分别是实随机变量和实常数(k=1,2…,n),
随机过程西安电子科技大学数学系冯海林平稳过程的谱分解平稳过程的谱分解随机过程西安电子科技大学数学系冯海林平稳过程的谱分解定理551是均方连续的平稳过程则其相关函数可以表示为上非负有界单调不减右连续且f随机过程西安电子科技大学数学系冯海林所以f是某个随机变量w的特征函数即存在分布函数g随机过程西安电子科技大学数学系冯海林随机过程西安电子科技大学数学系冯海林称函数f为平稳过程x相关函数的谱展开式或谱分解式
k 1
E[Ak ]=0时,上式与t无关.
随机过程——西安电子科技大学数学系 冯海林
R(t , t ) E[Zt Z t ] Z E[ Ak e jk t Ak e jk ( t ) ]
k 1 k 1 n n
= E[ Ak Al ]e j (l k )t e jl
令
Zt Ak e
k 1
n
jk t
二.随机过程的分类及其例子
西安电子科技大学 ——数学与统计学院
School of Mathematics and Statistics Xidian University
冯海林
2014/8-2014/12
随机过程引论
Introduction to Stochastic Process
例2.2.3.泊松过程(连续参数离散状态)
如参数集为T=[0,+∞),X就是连续参数连续状态随机过程.
西安电子科技大学 ——数学与统计学院
School of Mathematics and Statistics Xidian University
冯海林
2014/8-2014/12
随机过程引论
Introduction to Stochastic Process
如果X n同服从0-1分布,则称X为伯努利过程.
伯努利过程描述了一系列独立同分布的随机试验.
n
∑ 如果令 Sn = X k ,
S0 = 0
k =1
则称S={Sn , n=0,1,2, … ,}为二项过程.
西安电子科技大学 ——数学与统计学院
School of Mathematics and Statistics Xidian University
提示:f= (ξ ,η) (x, y) =
f(R,Θ) (
x2 + y2 , arctan y ) J x
fR (
x2
+
y2
)×
fΘ (arctan
y)× x
1 x2 + y2
=
1
− x2 + y2
e 2σ 2
2πσ 2
随机过程第三章
随机过程的概率密度函数
概率密度函数
对于连续随机过程,其概率密度函数描述了随机过程在各个时间点或位置上的取值的可能性密度。
联合概率密度函数
对于多个连续随机过程的组合,其联合概率密度函数描述了这些随机过程在各个时间点或位置上的取 值的联合可能性密度。
03
随机过程的数字特征
均值函数
总结词
描述随机过程中心趋势的数字特征
泊松过程
定义
泊松过程是一种随机过程,其中事件的 发生是相互独立的,且以恒定的平均速
率在时间上均匀地发生。
应用
在物理学、工程学、生物学等领域都 有应用,如放射性衰变、电话呼叫等。
性质
泊松过程具有无记忆性,即两次事件 发生的时间间隔与它们是否同时发生 无关。
扩展
泊松过程可以推广为更复杂的过程, 如非齐次泊松过程和条件泊松过程。
随机过程第三章
目录
• 随机过程的基本概念 • 随机过程的概率分布 • 随机过程的数字特征 • 随机过程的平稳性和遍历性 • 马尔科夫链和泊松过程 • 随机过程的应用
01
随机过程的基本概念
随机过程的定义
01
随机过程:一个随机过程是一个定义在概率空间上的
参数集的集合,这个集合的元素是随机变量。
02
马尔科夫链和泊松过程的比较
关联性
马尔科夫链和泊松过程都是随机过程,但它们的 性质和应用场景有所不同。
时间连续性
马尔科夫链可以适用于连续时间,而泊松过程通 常适用于离散时间。
ABCD
状态转移
马尔科夫链关注的是状态之间的转移,而泊松过 程关注的是事件的发生。
应用领域
马尔科夫链在社会科学和生物科学中应用广泛, 而泊松过程在物理学和工程学中更为常见。
4平稳随机过程
P{X (t) } p{X (t) } 1 2
而正负号在区间(t,t+ρ)内变化的次数N(t,t+ρ) 是随机的,且假设N(t,t+ρ)服从泊松分布,亦 即事件
AK {N (t, t ) k} 的概率为
P( Ak )
(o)k
k!
e ,
k
0,1,2,,
第12页,共33页。
x(t) I
n
E X (ti )X (t j ) ai a j
i , j1
E[ n
X
(t
i
)
a
i
]2
0
i1
第17页,共33页。
4.平稳相关与互相关函数
(1)定义: 设{X(t)},{Y(t)},tT为两个平稳过程,如果它
们的互相关函数RXY(t,t+)只是 的函数,即 RXY(t,t+)=E[X(t)Y(t+)]= RXY(),则称{X(t)},{Y(t)}是平
证:(1)由Cauchy-Schwarze不等式
{E[X(t)]}2E[X2(t)]<+,
所以E[X(t)]存在。 在严平稳过程的定义中,令h=-s,由定义X(s)与X(0)同分
布,所以E[X(t)]= E[X(0)]为常数。一般记为X.
第4页,共33页。
(2) 由Cauchy-Schwarze不等式
平稳随机过程
引言
第1页,共33页。
一、严平稳随机过程
1.定义:设{X(t),tT}是随机过程,如果对于任意的常数h和任
意正整数n,及任意的n维随机向量(X(t1),X(t2),…,X(tn))和 (X(t1+h),X(t2+h),…,X(tn+h))具有相同的分布,则称随机过程 {X(t),tT}具有平稳性,并同时称此过程为严平稳过程。
《随机过程》课程大纲
其它
(More)
备注
(Notes)
备注说明:
1.带*内容为必填项。
2.课程简介字数为300-500字;课程大纲以表述清楚教学安排为宜,字数不限。
课堂教学
习题二
完成要求
书面作业
第3章
Poisson过程
6
课堂
教学
习题三
完成要求
书面作
业
第4章
Markov过程
15
课堂
教学
习题四
完成要求
ቤተ መጻሕፍቲ ባይዱ书面作
业
第5章
经典鞅论
7
课堂
教学
习题五
完成要求
书面作
业
第6章 布朗
运动
4
课堂
教学
习题六
完成要求
书面作
业
第7章 随机
分析
12
课堂
教学
习题七
完成要求
书面作
业
第8章 平稳
过程
(1)要能根据实际问题分析它的齐次性和马氏性;(A5,B1,B2,C2)
(2) 掌握Q(qij)的求法和概率含义;(A5,B1,B2,B3,C2,C4)
(3)对生灭过程,要能根据前进方程和后退方程,求解其转移概率pij(t); (A5,B1,B2,B3,C2)
(4) 熟练掌握平稳分布的求法。(A5,B1,B2,B3,C2,C4)
在本课程中,我们将讨论生活中的许多非常有趣而又十分重要的随机过程,如每天光顾一家大型超市的人数、排队系统、生灭过程等,金融中常用的布朗运动与连续鞅,以及工程中和控制系统中经常遇到的一类随机过程——平稳过程,通过对它们的分析,可以使学生进一步巩固已学过概率论基础,结合实际问题学习随机过程可以提高学生的学习兴趣,从而提高他们分析和处理实际问题的能
精品文档-随机过程——计算与应用(研究生)(冯海林)-维纳过程 1
随机过程引论
Introduction to Stochastic Process
RW (s,t ) E[WsWt ] E[(Ws W0 )(Wt Ws Ws )]
独立性
E[(Ws W0 )(Wt Ws )] E[Ws ]2
又由于
(W t 1 ,W t2 ,
,W t n ) (W t 1 ,W t2 W t1 ,
1 1 1
0
1
1
, W t n W ) t n 1
0
0
1
0
0
1
所以 ( W t 1 , W t 2 , , W t n ) 是n维正态变量.
所以W是正态过程.
西安电子科技大学 —数学与统计学院 冯海林
E [ e ] j ( ( u 1 u 2 u n ) Y1 ( u 2 u 3 u n ) Y 2 u n Y n )
E [ e ] E [ e j ( u 1 u 2 u n ) Y1 ] j ( u 2 u 3 u n ) Y 2 E [ e ] j u n Y n
随机过程引论
Introduction to Stochastic Process
所 以 F (t 1,t 2 ; x 1, x 2 ) = P ( ≤ x 1, ≤ x 2 )
x1
P(
≤
x
2
-y
,
dy
)
x1
P(
≤
x
2
-y
)P(
dy
)
x1
x 2 y
t 2
t 1
(
精品文档-随机过程——计算与应用(研究生)(冯海林)-泊松过程1
m!
n!
=P(Ns m)P(Nts Ns =n)
随机过程引论—西安电子科技大学数学与统计学院 冯海林
定理4.2.1 泊松过程的到达时间间隔 相互独立同服从参数为λ指数分布.
n, n 1, 2,
证明: t 0时,F( 1 t) P{1 t}=P{T1 t}
1 P{T1 t} 1 P{Nt 0} 1 et
随机过程引论—西安电子科技大学数学与统计学院 冯海林
对0 t1 t2,以及充分小的i , (i 1, 2),有 P{t1 1 T1 t1 1, t2 2 T2 t2 2}
P{Nt11 0, Nt11 Nt11 1, Nt2 2 Nt11 0, Nt2 2 Nt2 2 1}
f 2
(t2
),即
1、
独立.
2
类似可以证 1, 2 n , 独立且同服从参数为的指数分布.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例1. 两个独立的泊松过程之和仍然是泊松过程.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例4.1.1 上随机过程的教室A有两入口B和 C.
对时刻t 0,设从B口进入教室的学生人数为NtB , 从C口进入教室的学生人数为NtC ,并假设随机过程
每一种知识都需要努力, 都需要付出,感谢支持!
随机过程引论—西安电子科技大学数学与统计学院 冯海林
知识就是力量,感谢支持!
随机过程引论—西安电子科技大学数学与统计学院 冯海林
一一一一谢谢大家!!
随机过程引论—西安电子科技大学数学与统计学院 冯海林
n
n1
0 P(s - u m1 mi s t u mi Tm u)dP(Tm u)
i 1
第1章随机过程简介
精品PPT
第1章 随机过程简介
对于(duìyú)马尔可夫链,如果n时刻的k步转移概率满 足
即从i状态转到j状态的概率和时刻n无关,就称这类MC为时 齐马尔可夫链,或齐次马尔可夫链,有时也说它是具有平 稳转移概率的马尔可夫链。通常考虑状态空间是有限的齐 次马尔可夫链。
32
精品PPT
第1章 随机过程简介
6
精品PPT
第1章 随机过程简介
图1.3 电话交换站呼叫(hū jiào)计数
7
精品PPT
第1章 随机过程简介
例1.4 纺纱机纺出长度为l的细纱(xìshā) 若对一个纺 纱机进行n次长时间测量,同时记录每一次纺纱机纺出细纱 (xìshā)长度的曲线,并以{X(u), u∈[0,∞)}表示纺纱机 纺出细纱(xìshā)的长度,则X(u)是一个随机变量,如图1.4 所示。
k步转移(zhuǎnyí)概率矩阵记为P(k)。
30
精品PPT
第1章 随机过程简介
本课程研究时间齐次马尔可夫过程(guòchéng),简称时 齐马尔 可夫过程(guòchéng)。它满足
P{X(t)≤x|X(tn)=xn}=P{X(t-tn)≤x|X(0)=xn} 其中假定系统的行为不依赖于观测的时间,即马尔可夫过 程(guòchéng)中的条件分布函数不随观察起始时刻的变化而 变化,我们可以任选时间轴的起点。
43
精品PPT
第1章 随机过程简介
设Xn=X(nΔt)表示时刻 nΔt时,系统(xìtǒng)内的顾客数, 即系统(xìtǒng)的状态。{Xn,n=0,1,2,…}是一随机过 程,状态空间I={0,1,2,3},而且仿照例1.6、例1.7的分 析,可知它是一个齐次马尔可夫链。下面来计算此马尔可 夫链的一步转移概率。
随机过程第五章 平稳随机过程
1,
0,
T st;
其他.
E{Y (s)Y (t)} E{E[Y (s)Y (t) ]}
st
1 P{ T s t } 1 ,
T 对于 t 的其它情形可做类似推理.
电子科技大学
随机二元传输过程是一个平稳过程,记τ=s-t,
其自相关函数为
0,
),
a;
0,
a
RX(t, t+τ)与 t 无关, 故X(t) 是宽平稳过程.
P128例12 泊松过程不是平稳过程,
是平稳增量过程.
电子科技大学
三、两种平稳性的关系
1)严平稳过程不一定是宽平稳的; 因宽平稳过程一定是二阶矩过程,而严平稳 过程未必是二阶矩过程. 2)宽平稳不一定 严平稳;
CX (s,t) RX (s,t) mX 2 RX () mX 2
电子科技大学
注 自协方差函数与自相关函数都仅依赖于t-s.
平稳过程在实际中是常见过程,如
照明电网中电压的波动过程; 电子系统中的随机噪声; 稳定气象条件下海域中一定点处的海浪高度 随时间的变化或随地点的变化(平稳随机场); 卫星图片中相同条件下的灰度水平.
t 0,
随机变量与 随机过程》
其中X0 与N(t)相互独立,且
美 A.帕普
力斯,p303
C C
X0 ~ 1 1 C > 0,
2 2
电子科技大学
讨论{X(t), t≥0}的平稳性.
C
-C
解 因 X (t) X0(1)N(t) , t 0, mX (t) E[X(t)] E(X0 )E[(1)N(t)] 0, t 0
随机过程西财讲义
(1)若 X 与 Y 相互独立,则 E (X | Y ) = E (X ),E (Y | X ) = E (Y );
(2)设 g( y) 是一个函数,则 E [ g(Y ) | Y ] = g(Y ),E [ g(Y ) X | Y ] = g(Y ) E (X | Y ).
与条件随机变量独立时,条件期望等于无条件的期望;而条件随机变量的函数,相当于常数.
解:设该矿工需要 X 小时到达安全区,X 的分布很复杂,
又设 Y 表示矿工选择的门的编号,Y 的分布很简单,
Y 123 P111
333
因 E (X | Y = 1) = 3,E (X | Y = 2) = 5 + E (X ),E (X | Y = 3) = 7 + E (X ),
∑ 则 E( X ) P{Y = i} = 3× 1 + [5 + E( X )]× 1 + [7 + E( X )]× 1 = 5 + 2 E( X ) ,
计算复杂随机变量的数学期望转化为计算简单随机变量函数的数学期望.
例 一矿工被困在有三个门的矿井里.第一个门通一坑道,沿此坑道走 3 小时可到达安全区;第二个门通
一坑道,沿此坑道走 5 小时又回到原处;第三个门通一坑道,沿此坑道走 7 小时又回到原处.假定此矿工
总是等可能地在三个门中选择一个,试求他平均要用多少时间才能到达安全区.
y
y
当 0 < y < 1 时,pY ( y) > 0,有
p X |Y (x |
y) =
p(x, y) pY ( y)
=
8xy 4( y − y 3 )
= 2x 1− y2
,y < x < 1,
周荫清《随机过程理论》word版
目录前言 (1)第一章概率与随机变量 (2)1、随机事件及其概率 (2)2、随机变量及分布函数 (3)3、数字特征 (4)4、特征函数 (5)第二章随机过程概述 (6)1、随机过程的概念 (6)2、平稳随机过程 (7)3、平稳随机过程的各态历经性 (8)4、平稳过程的功率谱密度 (9)第三章随机过程的线性变换 (10)1、随机过程变换的基本概念 (10)2、均方微积分 (10)3、随机过程线性变换的微分方程法 (13)4、随机过程的冲激响应法和频谱法 (14)第四章窄带随机过程 (15)1、窄带随机过程的基本概念 (15)2、窄带平稳随机过程的数字特征 (16)第五章高斯随机过程 (18)1、高斯随机过程 (18)2、窄带平稳实高斯随机过程 (18)第六章泊松随机过程 (20)1、泊松计数过程 (20)2、泊松过程的基本概念 (21)第七章总结 (24)前言随机过程(Stochastic Process)是一连串随机事件动态关系的定量描述。
数学上的随机过程可以简单的定义为一组随机变量,即指定一参数集,对于其中每一参数点t指定一个随机变量x(t)。
如果回忆起随机变量自身就是一个函数,以ω表示随机变量x(t)的定义域中的一点,并以x(t,ω)表示随机变量在ω的值,则随机过程就由刚才定义的点偶(t,ω)的函数以及概率的分配完全确定。
如果固定t,这个二元函数就定义一个ω的函数,即以x(t)表示的随机变量。
如果固定ω,这个二元函数就定义一个t的函数,这是过程的样本函数。
随机过程论与其他数学分支如位势论、微分方程、力学及复变函数论等有密切的联系,是在自然科学、工程科学及社会科学各领域研究随机现象的重要工具。
随机过程论目前已得到广泛的应用,在诸如天气预报、统计物理、天体物理、运筹决策、经济数学、安全科学、人口理论、可靠性及计算机科学等很多领域都要经常用到随机过程的理论来建立数学模型。
随机过程整个学科的理论基础是由柯尔莫哥洛夫和杜布奠定的。
精品文档-随机过程——计算与应用(研究生)(冯海林)-随机过程引论课件1
思考:若令Xt表示t时刻该生物群体的个数,
则这个随机变量Xt是否可以较为全面 反映生物群体增长情况?
一般需要每隔一定时间,即在 t=0,1, 2 , …. 时观察 相应的群体个数Xt,
即需要一族随机变量,记为{Xt ,t=0,1, 2 , ….}
西安电子科技大学 —数学与统计学院 冯海林
School of Mathematics and Statistics Xidian University
2
2015/9-2016/1
随机过程引论
Introduction to Stochastic Process
➢ 随机过程应用广泛
随机过程在自然科学、社会科学以及工程 技术的各领域均有应用.
——在我校的一些专业:雷达、通信、无线电 技术、自动控制、生物工程、经济管理等领 域有极为广泛的应用.
西安电子科技大学 —数学与统计学院 冯海林
所以该地区的最高气温需要用一族随机变量 Xt ,t=0,1,2,…,方可表达之
记为{Xt , t=0,1,2,…}
西安电子科技大学 —数学与统计学院 冯海林
School of Mathematics and Statistics Xidian University
13
2015/9-2016/1
随机过程引论
5
2015/9-2016/1
随机过程引论
Introduction to Stochastic Process
➢ 本课程的教学内容
随机过程的基本知识
பைடு நூலகம்
布朗运动及其相关的随机过程
跳跃随机过程
二阶矩过程与平稳过程
离散时间马尔可夫链
西安电子科技大学 —数学与统计学院 冯海林
精品文档-随机过程——计算与应用(研究生)(冯海林)-平稳过程1
平稳过程的定义 定义 5.1.1 设X={Xt,t∈T}是随机过程,如果对任意的
n 1, t1, t2 , , tn T和实数,当t1 ,t2 , , tn T时,
n维随机变量 (Xt1 , Xt2 , , Xtn )和 (Xt1 , Xt2 , , Xtn ) 有相同的联合分布函数,即
则
mX (t)
xdFt (x)
xdF (x)与t无关,为常数
RX (s,t )
x1x
2d
Fs,t (x1, x2 )
x1
x2
dF0,t
s
(
x1,
x2
),仅与时间间隔有关系
随机过程引论——西安电子科技大学数学与统计学院 冯海林
用定义判断一个过程的严平稳性是困难的. 在理论与应用上多的是宽平稳过程.
Ft1,t2 , ,tn (x1, x2 , , xn ) Ft1 ,t2 , ,tn ( x1, x2 , , xn )
则称X是严平稳过程.
随机过程引论——西安电子科技大学数学与统计学院 冯海林
例5.1.1 设N={Nt,t≥0}是参数为λ 的泊松过程,对任意固定 的常数a>0,令
Xt =Nta Nt ,
例5.1.6 设{An,n=1,2,…N} 和{Bn,n=1,2,…N}是两列实值 随机变量序列.且
E[An ] E[Bn ] 0, E[AnBm ] 0,
E[AnAm ] E[BnBm ] n2mn , 设n >0,定义随机过程:
N
Xt [Ak cos(kt) Bk sin(kt)], t (, ), k 1
2[a 2 min(0, ) min(a, ) min(0, a)]
精品文档-随机过程——计算与应用(研究生)(冯海林)-泊松过程3
5 E[Yn ] 2 ,
E[Yn2
]
43 6
215 E[ X5 ] 25, D[ X5 ] 3
随机过程引论——西安电子科技大学数学与统计学院 冯海林
例4.3.2 设某保险公司发生的索赔次数是一个参数为
的泊松过程, k 表示保险公司第k次索赔的金额,k=1.2….
一般认为索赔额序列独立同分布且与泊松过程独立. 假设公司
验证: 过程M {N (t) , t 0}是参数为1的齐次泊松过程.
证明: 函 数 ( t ) 是 单 调 不 减 , 右 连 续 的 , 且 m ( ( t ) ) = t
所以过程M {N (t) , t 0}具有独立增量性.
P(N (t)
-
N (s)
k)
[m( (t)) m( (s))]k
E[ Ntge ]=1
证明:
E[
Ntge
Nsge ]=E[e ] (Nt Ns )ln( 1) (ts)
=e E[e ] Nsge
(t s)
Nts ln( 1)
=e (ts)E[( 1)Nts ]
=e (ts) ( 1)n [(t s)]n e(ts)
n0
n!
=e ( 1)(ts) [ ( 1)(t s)]n e e ( 1)(ts) ( 1)(ts) 1
泊松过程的推广
• 几何泊松过程
设N= {Nt,t≥0} 是参数为λ 的泊松过程,常数 定义
N e ge
Nt ln( 1) t
t
( 1)Nt et , t Βιβλιοθήκη 0称Nge{N
ge t
,
t
0}为几何泊松过程.
1 ,
随机过程引论——西安电子科技大学数学与统计学院 冯海林
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
e
j ( )d 1
e
1
jd ( )
2
e
1
jd 2 ()
e
1
j 2 ()d 1
2
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.6. 已知平稳过程的相关函数
RX ( ) 5 4e3 (cos2 2 )
求其谱密度.
解 RX ( ) 5 2e3 2e3 cos 4 )
SX
()
lim
T
1 2T
E
T T
e
jt
X t dt
2
则称SX ()为平稳过程X的功率谱密度.简称谱密度.
又称
1
lim E[ T 2T
T T
Xt
2 dt]
为平稳过程X的平均功率.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
定理5.4.1 设平稳过程X={Xt -∞<t<+ ∞}的相关函数RX(τ)
S
X
()d
1
2
4
2 3
2
d
2
1
2
(
2 2 2
211)d
1 2
(
2 1).
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.4. 已知平稳过程的功率谱密度为
S
X
(
)
2 2 4 5 2
1
计算 相关函数.
解
RX ( )
1
2
e
j
S
X
(
)d
1
2
e j
( 2
2 2 4)( 2
)d
S(X -) S(X -) S(X )
随机过程引论—西安电子科技大学数学与统计学院 冯海林
(3)
S(X 0)
RX ( )d
说明谱密度的零频率分量等于相关函数曲线下的总面积.
RX
(0)
1
2
S(X )d
平均功率
即 lim 1 T 2T
E
T T
Xt
2 dt RX (0)
说明平均功率可以用谱密度曲线下的总面积来计算.
e
j
RY
(
)d
1 e j (1 )d 1
1
20 (1 ) cos( )d
2(1 cos) 2
,
(, )
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.3. 设平稳过程X的功率谱密度为
SX
()
4
2 3
2
2
计算X的平均功率.
解 利用维纳-辛钦公式得:
RX
(0)
1
2
e
j
0
● 微分性质 [ f (n) (t)] ( j)n [ f (t)]
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.1 设平稳过程X={Xt, t≥0}的相关函数为
RX ( ) e2 , (, )
试计算X的谱密度.
解
谱密度 S(X )
e
j
RX
(
)d
e j e2 d
2 cos( )e2 d 0
(2 ck )2 k
所以Y 存在谱密度.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
Y的谱密度
S(Y ) e jmRY (m)
+
(RY (m) 2 ckckm ) 代入 k=-
m
+
e jm[ 2 ck ck m ]
m
k=-
+
2
[ e jm ck ck m ]
lim 1 T x2 (t)dt
T 2T T 为信号x(t)在(-,+)上的平均功率.
相应的是否也有一个能计算平均功率的谱密度?
为此构造一个截尾函数:
令
xT
(t
)
x(t 0
)
t T t T
随机过程引论—西安电子科技大学数学与统计学院 冯海林
则xT (t)绝对可积,存在Fourier变换及逆变换
(u)
0
u 2T ,
u 2T
令T
,注意到有:lim T
RXT
(u)
RX
(u)
得
随机过程引论—西安电子科技大学数学与统计学院 冯海林
SX
()
lim
T
1 2T
E
T T
e
jt
X t dt
2
= lim e jwu RT (u)du
T
X
e
jwu
RX
(u)du
随机过程引论—西安电子科技大学数学与统计学院 冯海林
RY (t, t ) E[(Xt -Xt1)(Xt -Xt 1)]
EE[[((XXtt
-Xt -Xt
1 1
)]2 )]2
, ,
0 1 1 0
0,
1
1 , 0 1 1 , 1 0
0, 1
1 ,
0,
1
,
1
随机过程引论—西安电子科技大学数学与统计学院 冯海林
所以谱密度 S(Y )
E[Xn ] 0,
E[XmXn
]=
2 mn
,
n, m 0, 1,...
{cn , n 0, 1, }为一复数序列,且 cn , cn 2 ,令
n
n
N
Yn
=
k
ck
X
nk
=
l.i.m
M N
k
M
ck
X
nk
验证 序列Y={Yn, n=0, ±1, …}为平稳序列,并计算其谱密 度.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
T
T 4 T
2
Fx (,T ) d
1
1
lim
T
2
e jt x(t)dt d
2 T 2T T
记
S(x )
lim
T
1 2T
T e jt x(t)dt 2
T
称S(x )为x(t)的功率谱密度.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
定义5.4.1
设X={Xt, -∞<t<+ ∞}是平稳过程,记
Fx (,T )
e
jt
xT
(t
)dt
T e jt x(t)dt T
得截尾函数的Parseval等式
xT2 (t)dt
T x2 (t)dt
T
1
2
Fx (,T )
2
d
随机过程引论—西安电子科技大学数学与统计学院 冯海林
则平均功率
lim 1
T 2T
T x2 (t)dt lim 1
绝对可积,则有
SX ()
e
jt
RX
(
)dt
证明 因为
1E 2T
T T
e
jt
X t dt
2
1 2T
E[
T T
e
js
X
s
ds
T T
e
jt
X
t
dt
]
1
T
E[
2T T
T T
Xs
Xte
j (t s ) dsdt ]
1 2T
T T
T T
e
R j ( t s ) X
(t
s)dsdt
随机过程引论—西安电子科技大学数学与统计学院 冯海林
x2 (t)dt 1
2
2
Fx () d
左边为x(t)在(-,+)上的总能量
右边的被积式 Fx () 2 称为信号x(t)的能谱密度.
即信号的总能量等于能谱密度在全频域上的积分.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
对总能量无限的信号—功率型信号x(t) ,转为讨论其平均功率:
过程,则XS和XYY(的)互功Tli率m谱21T密E度[F(X简(称,T互)谱FY密(度,T)为)]
其中
FX (,T )
T T
e
jt
X
t
dt
,
FY (,T )
T T
e
jtYt
dt
随机过程引论—西安电子科技大学数学与统计学院 冯海林
互谱密度的性质
(1)联合平稳的平稳过程X={Xt, -∞<t<+ ∞}和Y={Yt, -∞<t<+ ∞} 的互相关函数绝对可积:
随机过程引论—西安电子科技大学数学与统计学院 冯海林
谱密度的计算 以维纳-辛钦公式为基本公式,并结合Fourier变换的性质等 进行相关的计算.
Fourier变换的性质
● 线性性质 [ f1(t) f2 (t)] [ f1(t)] [ f2(t)]
● 位移性质 [ f (t t0 )] e jt0 [ f (t)]
平稳过程的功率谱密度 ➢ 在无线电、通信技术等领域的一些问题中, 通常需要分析
平稳过程的频域结构. ➢ 为此引入平稳过程的功率谱密度
随机过程引论—西安电子科技大学数学与统计学院 冯海林
定义5.4.1
设X={Xt, -∞<t<+ ∞}是平稳过程,记
SX
()
lim
T
1 2T
E
T T
e
jt
X t dt
4 , 42Biblioteka 2(, )随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.2 设X={Xt, -∞<t<+∞ }为零均值的实的正交增量过程