随机过程第六章
第6讲随机过程

随机过程的基本概念1.概率论1.1 条件概率设A 、是两个事件,当B ()0>B P 时()()()B P AB P B A P =|称为在事件发生的条件下事件的条件概率。
B A 可以推广到任意有限多个事件的场合。
设n A A A ,,,21L 为任意个事件,则有n ()()()()()12121312121|||−=n n n A A A A P A A A P A A P A P A A A P L L L1.2 事件的独立性对于任意两个事件A 与,若B ()()()B P A P AB P =则称事件A 与是相互独立的。
B 一般地,设个事件n n A A A ,,,21L 相互独立,则有()()()()n n A P A P A P A A A P L L 2121=设n A A A ,,,21L 是样本空间Ω的一个完备事件组,且()0>i A P ()n i ,,2,1L =,则对于在样本空间上定义的任一随机事件的概率,可计算如下ΩB ()()()∑==ni i i A B P A P B P 1|上式称为全概率公式。
设n A A A ,,,21L 是样本空间Ω的一个完备事件组,且()0>i A P ()n i ,,2,1L =,则对于在样本空间上定义的任一随机事件,,有ΩB ()0>B P ()()()()()∑==n k k k i i i A P A B P A P A B P B A P 1|||()n i ,,2,1L =上述公式称为贝叶斯公式。
意义:在实际工作中可能碰到这样一类问题,已知某个试验结果是由多个原因B i A 造成的,如果人们通过试验观察到这个结果,希望利B用来探讨每个原因B i A 导致这个结果的可能性有多大,即求后验概率()B A P i |。
与后验概率()B A P i |相对应,求解()B A P i |时所需的已知条件()i A P 被称为先验概率,它是根据以往数据分析所得的。
随机过程-第六章 鞅与停时

f ( y) f ( z )dF ( z y)
则称 { X n n f (Yn ), n 0} 是一个鞅。 例 6.4 和例 6.5 将马尔可夫链与鞅这两个重要的随机过程有机地联系起来,在今后的实 际研究中应用广泛。 例 6.6 波利亚(Polya)坛子抽样模型:考虑一个装有红、黄两色球的坛子。假设最初 坛子中装有红黄两色各一个球,每次都按如下规则有放回地随机抽取:如果拿出的是红球, 则放回的同时再加一个同色的球;如果拿出的是黄色的球也采取同样的做法。以 Yn 第 n 次 抽取后坛子中的红球数,则 Y0 1 , Yn 是一个非时齐的马尔可夫链,转移概率为
E ( X n1 ) E ( X n )
因此,对一切的 n 有
E( X n ) E( X 0 )
这说明鞅在任何时刻的期望值均相等。这里可把 X 0 解释为初始赌资。 有时 { X n , n 0} 不能直接观察,而只能观察另一过程 {Yn , n 0} ,故做如下定义:
} 定义 6.2 设有两个随机过程 { X n , n 0} 和 {Yn , n 0} , 称 {X , n n0
-4-
下鞅,如果
(1) E ( X n ) ,其中 x max( x,0) ;
(2) E ( X n1 Y0 , Y1 ,, Yn ) X n ; (3) X n 是 Y0 , Y1 ,, Yn 的函数。 与鞅由公平赌博得来不同,上鞅(下鞅)可由不公平赌博来解释,由定义 6.3 和定义 6.4 可得: 对于上鞅,有 E ( X n1 ) E ( X n ) E ( X 0 ) ,因此上鞅是一种下偏的赌博; 对于下鞅,有 E ( X n1 ) E ( X n ) E ( X 0 ) ,因此下鞅是一种上偏的赌博。 为后面讲述方便,我们需要引入 Jensen 不等式。 设 f ( x) 为凸函数,即对 x1 , x2 ,0 1有
《随机过程》第六章习题

Y (s)ds, t 0 ,在均方可积意义下是否存在?存在的话,试求其相
0
t
(t ) e at B(e 2at 1), t 0, a 0 的常数,试求随机过程 (t ) 和 (t ) 的均值函数和相
关函数,并说明 (t ) 和 (t ) 是否是正态过程。 3、 设 {B(t ) , t 0} 是 标 准 的 布 朗 运 动 , 试 求 B(t ) 与
P{B(t 0 t ) x0 B(t 0 ) x0 } P{B(t 0 t ) x0 B(t 0 ) x0 } 1 / 2 ;
Ta inf{t :t 0, B(t ) a} , (3) 令: 当 a 0 时, Ta 表示布朗运动首次到达 a 的时刻,
试求 Ta 的分布函数。 7、 设 B(t ) , t 0 是初值为零的标准布朗运动,令:
中国科学院大学 2014~201
第六章 高斯过程(维纳过程) 习题
1、 设有随机过程 Y (t ) t X 1, 0 t , X 是正态随机变量,期望为 0,方差为 X 。
2 2
(1) 过程 Y (t ) 是否正态过程?是否平稳过程?均需说明理由; (2) 过程 Z (t ) 关函数。 2、 设 B(t ) , t 0 是 初值 为零 的标 准布朗 运 动, 令 (t ) (1 t ) B[t /(1 t )], 0 t 1 ,
X (t ) B(t ) tB(1) , 0 t 1
称 { X (t ), 0 t 1} 为布朗桥过程。 (1) 试问布朗桥过程是否为正态过程,为什么? (2) 试求布朗桥过程的均值函数和相关函数; (3) 试求布朗桥过程的一维分布密度函数。
《随机过程》第6章习题及参考答案

湖南大学本科课程《随机过程》第6章习题及参考答案主讲教师:何松华 教授1. 给定实数x 和一个平稳随机过程()X t ,定义理想门限系统的特性为1()()0()X t xY t X t x≤⎧=⎨>⎩ 试证:(1) [()]()X E Y t F x =;(2) ()](,,)Y X R F x x ττ=证:(1) ()Y t 在任意时刻为只有两种取值1,0的随机变量,则[()]1{()1}0{()0}{()1}{()}(,)() ()X X E Y t P Y t P Y t P Y t P X t x F x t F x =⨯=+⨯====≤==根据平稳性(2)根据相关函数定义,有()][()()]11{()1,()1}01{()0,()1} 10{()1,()0}00{()0,()0}{()1,()1}{(),()}(,;,)(,;) ()Y X X R E Y t Y t P Y t Y t P Y t Y t P Y t Y t P Y t Y t P Y t Y t P X t x X t x F x x t t F x x ττττττττττ=+=⨯⨯+==+⨯⨯+==+⨯⨯+==+⨯⨯+===+===+≤≤=+=根据平稳性2.设平方律检波器的传输特性为2y x =,在检波器输入端加入一窄带高斯随机过程()X t ,其概率密度函数为22()()}2X Xx a f x σ-=- 在检波器后联接一个理想低通滤波器,求低通滤波器输出过程的一维概率密度和均值;当0a =时结果有何变化。
解:根据题意,()X t 为非零均值的中频窄带随机过程,可以表示为:00()()cos()()sin()C S X t a A t t A t t ωω=+-其中()C A t 、()S A t 为零均值窄带随机过程的同向分量以及正交分量,都服从均值为0、方差为2X σ的正态分布,且在同一时刻互不相关,则检波器输出信号22002222200000()[()cos()()sin()]1111()()2()cos()()cos(2)()cos(2)2222 2()sin()()()sin(2)C S C S C C S S C S X t a A t t A t t a A t A t aA t t A t t A t t aA t t A t A t t ωωωωωωω=+-=++++--- 通过理想低通滤波后,滤波器输出信号为2221()[()()]2C S Z t a A t A t =++由于随机变量()C A t 、()S A t 为互不相关(正态分布情况与独立等价)的正态随机变量,则22122()()()C S XXA t A t Z t σσ=+服从自由度为2的卡方分布,即11121/22/211221()22(2/2)z z Z z ef z e ---==Γ 221()()2X Z t Z t a σ=+,2122[()]()[()]XZ t a Z t h Z t σ-==,根据随机变量函数的概率密度关系,()Z t 的一维概率密度分布函数为22122()1()[()] ()X z a Z Z Xdh z f z f h z e z a dz σσ--==≥2222222211[()]{[()()]}[]22C S X X X E Z t E a A t A t a a σσσ=++=++=+当0a =时,221() (0)X zZ Xf z e z σσ-=≥,2[()]X E Z t σ=。
上海大学随机过程第六章习题及答案

第三章 习 题1.甲乙两人进行某种比赛,设每局比赛中甲胜的概率为p ,乙胜的概率为q ,平局的概率为r ,其中,,0,1p q r p q r ≤++=,设每局比赛后,胜者得1分,负者得1-分,平局不记分,当两个人中有一个人得到2分时比赛结束,以n X 表示比赛至第n 局时甲获得的分数,则{,1}n X n ≥是一齐冯马尔可夫链.(1)写出状态空间;(2)求一步转移概率矩阵;(3)求在甲获得1分的情况下,再赛2局甲胜的概率. 解(1){,0}n X n ≥的状态空间为{2,1,0,1,2}S =--(2){,0}n X n ≥的一步转移概率矩阵为1000000000001q rp q r p q r p ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦P (3)因为两步转移概率矩阵为22(2)22222210000202220200001q rq r pq pr p q rq r pqpr p q qr pq r p pr ⎡⎤⎢⎥++⎢⎥⎢⎥==+⎢⎥++⎢⎥⎢⎥⎣⎦P P所以在甲获得1分的情况下,再赛2局甲胜的概率为(2)12(1)p p pr p r =+=+2.设{,1,2,}i Y i =为相互独立的随机变量序列,则 (1){,1,2,}i Y i =是否为Markov 链?(2)令1nn ii X Y ==∑,问{,1,2,}iX i =是否为Markov 链?解(1)由于11221112211122111221111221(,,,,) (,,,)(,,,)()()()()()()(,,,)n n n n n n n n n n n P Y i Y i Y i Y j P Y j Y i Y i Y i P Y i Y i Y i P Y i P Y i P Y i P Y j P Y j P Y j Y i P Y i Y i Y i ------=========================因此,{,1,2,}n Y n =是马尔可夫链.(2)取1111()f U X U ==,当11U i =时,212X U U =+是2U 的函数,记为22().f U 依次类推,1121n n X U U U --=+++为1n U -的函数,记为1112(),n n n nf U X U U U --=+++为n U 的函数,记为().n n f U 由于12,,,,n U U U 相互独立,则其相应的函数1122(),(),,(),n n f U f U f U 也相互独立,从而122111221111112211 (,,,)(,,,)(,,,)()()nn n i n i n n n n n n P X j X i X i X i P Y j X i X i X i P X Y j X i X i X i P Y j i P X j X i --=---==========+======-===∑因此{,1,2,}n X n =是马尔可夫链.3 设,1,2,i X i =是相互独立的随机变量,且使得(),0,1,i j P X j a j ===,如果max{,1,2,,1}n i X X i n >=-,其中0X =-∞,就称在时刻n 产生了一个记录.若在时刻n产生了一个记录,就称n X 为记录值,以n R 表示第n 个记录值. (1)证明,{,1,2,}n R n =是Markov 链,并求其转移概率;(2)以i T 表示第i 个与第1i +记录之间的时间,问{,1,2,}n T n =是否是Markov 链,若是,则计算其转移概率.证明:(a )根据题意有:k n k n n X R X R X R ===,....,2121,……满足........21k n n n X X X << 且........121k n n n <<<故},...,|{11111i R i R i R z R P k k k k k ====--+}...|{111i i i j z R P k k k >>>>==-+ }|{1k k i j z R P >==+}|{1k k k i R z R P ===+ 故}1,{≥i R i 是一个马尔可夫链且⎩⎨⎧≤>======++i j ij a i X z X P i R z R P j k n n k k k k k ,0,}|{}|{11 (由于i X 的独立性)(b )记i T 为第i 个记录与第1i +个记录之间的时间,i T 是相互独立的随机变量,因为{}i P T t =}1...,2,1,,|{k 1-=<=====+++t k i X i X R z X R P i i i n n i t n i 且}{1z X R P tn i i ===++=⎩⎨⎧≤>ij i j a j ,0,(由于i X 的独立性)故{i T ,1≥i }是一个马尔可夫链 令(,),1i i i Z R T i =≥ 则{}111,,,i i i P Z Z Z Z +-…{}111111(,)(,),(,),,(,)i i i i i i P R t R t R t R t ++--=…{}1111112111111211(,)(,),(,),,(,),(,)i i i t t i t t i t t i t t P X t X t X t X t X t +-+++++++-++=…+?+?+… {}111111(,)(,)i i t t i t t i P X t X t ++++++=…+?+ {}111111(,)(,)i i t t i t t i P X z t X i t ++++++===…+?+,0,j j i j iα>⎧=⎨≤⎩ 故}{,(),1i i R T i ≥是一个马尔可夫链。
上海大学随机过程第六章习题与答案

第三章 习 题1.甲乙两人进行某种比赛,设每局比赛中甲胜的概率为p ,乙胜的概率为q ,平局的概率为r ,其中,,0,1p q r p q r ≤++=,设每局比赛后,胜者得1分,负者得1-分,平局不记分,当两个人中有一个人得到2分时比赛结束,以n X 表示比赛至第n 局时甲获得的分数,则{,1}n X n ≥是一齐冯马尔可夫链.(1)写出状态空间; (2)求一步转移概率矩阵;(3)求在甲获得1分的情况下,再赛2局甲胜的概率. 解(1){,0}n X n ≥的状态空间为{2,1,0,1,2}S =--(2){,0}n X n ≥的一步转移概率矩阵为1000000000001q rp q r p q r p ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦P (3)因为两步转移概率矩阵为22(2)22222210000202220200001q rq r pq pr p q rq r pqpr p q qr pq r p pr ⎡⎤⎢⎥++⎢⎥⎢⎥==+⎢⎥++⎢⎥⎢⎥⎣⎦P P所以在甲获得1分的情况下,再赛2局甲胜的概率为(2)12(1)p p pr p r =+=+2.设{,1,2,}i Y i =L 为相互独立的随机变量序列,则(1){,1,2,}i Y i =L 是否为Markov 链? (2)令1nn ii X Y ==∑,问{,1,2,}iX i =L 是否为Markov 链?解(1)由于11221112211122111221111221(,,,,) (,,,)(,,,)()()()()()()(,,,)n n n n n n n n n n n P Y i Y i Y i Y j P Y j Y i Y i Y i P Y i Y i Y i P Y i P Y i P Y i P Y j P Y j P Y j Y i P Y i Y i Y i ------=========================L L L L L因此,{,1,2,}n Y n =L 是马尔可夫链.(2)取1111()f U X U ==,当11U i =时,212X U U =+是2U 的函数,记为22().f U 依次类推,1121n n X U U U --=+++L 为1n U -的函数,记为1112(),n n n n f U X U U U --=+++L 为n U 的函数,记为().n n f U 由于12,,,,n U U U L L 相互独立,则其相应的函数1122(),(),,(),n n f U f U f U L L 也相互独立,从而122111221111112211 (,,,)(,,,)(,,,)()()nn n i n i n n n n n n P X j X i X i X i P Y j X i X i X i P X Y j X i X i X i P Y j i P X j X i --=---==========+======-===∑L L L因此{,1,2,}n X n =L 是马尔可夫链.3 设,1,2,i X i =L 是相互独立的随机变量,且使得(),0,1,i j P X j a j ===L ,如果max{,1,2,,1}n i X X i n >=-L ,其中0X =-∞,就称在时刻n 产生了一个记录.若在时刻n 产生了一个记录,就称n X 为记录值,以n R 表示第n 个记录值.(1)证明,{,1,2,}n R n =L 是Markov 链,并求其转移概率;(2)以i T 表示第i 个与第1i +记录之间的时间,问{,1,2,}n T n =L 是否是Markov 链,若是,则计算其转移概率.证明:(a )根据题意有:k n k n n X R X R X R ===,....,2121,……满足........21k n n n X X X << 且........121k n n n <<<故},...,|{11111i R i R i R z R P k k k k k ====--+}...|{111i i i j z R P k k k >>>>==-+ }|{1k k i j z R P >==+}|{1k k k i R z R P ===+ 故}1,{≥i R i 是一个马尔可夫链且⎩⎨⎧≤>======++i j ij a i X z X P i R z R P j k n n k k k k k ,0,}|{}|{11 (由于i X 的独立性)(b )记i T 为第i 个记录与第1i +个记录之间的时间,i T 是相互独立的随机变量,因为{}i P T t =}1...,2,1,,|{k 1-=<=====+++t k i X i X R z X R P i i i n n i t n i 且}{1z X R P t n i i ===++=⎩⎨⎧≤>i j ij a j ,0,(由于i X 的独立性)故{i T ,1≥i }是一个马尔可夫链 令(,),1i i i Z R T i =≥ 则{}111,,,i i i P Z Z Z Z +-…{}111111(,)(,),(,),,(,)i i i i i i P R t R t R t R t ++--=…{}1111112111111211(,)(,),(,),,(,),(,)i i i t t i t t i t t i t t P X t X t X t X t X t +-+++++++-++=…+?+?+… {}111111(,)(,)i i t t i t t i P X t X t ++++++=…+?+ {}111111(,)(,)i i t t i t t i P X z t X i t ++++++===…+?+,0,j j ij iα>⎧=⎨≤⎩ 故}{,(),1i i R T i ≥是一个马尔可夫链。
马尔可夫过程与泊松过程

P{X mk aimk |X m aim , X m1 aim1 ,, X1 ai1 }
P{Xmk aimk |Xm aim }
6.1 马尔可夫链
一、定义及一般特性 典型马尔可夫链
一维随机游动
4 3 2 1 0
Xn
+ + + +
1 p
0
p
x
+
+
1
T
T P (1)p(1) p(1) , p(1) p1 , p2 , , pN 中取N-1个方程 在方程
11 p1 21 p2 N 1 pN p1 12 p1 22 p2 N 2 pN p2 1N p1 2 N p2 NN pN pN
当随机过程在时刻 t i 所处的状态已知时,过程在时
刻 t (t ti ) 所处的状态仅与过程在 t i 时刻的状态有关, 而与过程在 t i 时刻以前所处的状态无关。
P 将来 现在,过去 =P 将来 现在
பைடு நூலகம்
马尔可夫过程
马尔可夫过程分类:
1.马尔可夫链 时间离散,状态离散; 2.离散马尔可夫过程 时间连续,状态离散; 3.马尔可夫序列
四、状态分类
3、常返态和滑过态(非常返态)
定义: fij (n) P xn j; xm j, m 1,2,..., n 1| x0 i
自状态i出发,在时刻n首次到达状态j的概率
很显然,
fij (1) P x1 j | x0 i Pij fij () P xn j; 对一切n 1| x0 i
p1 p2 pN 1
第六章 随机过程

1、修理一个机器所需要的时间T 是均值为1/2(小时)的指数随机变量 (a )问修理时间超过1/2小时的概率是多少?(b )已知修理持续时间超过12小时,问修理时间至少需要12.5小时的概率是多少?2、考察一个由两个办事员经营的邮局。
假设当甲进入邮局的时候,他发现乙正在接受一个办事员的服务,丙正在接受另一个办事员的服务。
甲被告知,只要乙或丙中的一个离开,他的服务就可以立刻开始。
如果一个办事员用在一个顾客上的时间是以均值为1/λ指数地分布的,那么在这3个顾客中,甲是最后一个离开邮局的概率是多少?3、若X1和X2是独立的非负连续随机变量,证明:)()()(}),min(|{2112121t r t r t r t X X X X P +==<其中)(t r i 是Xi 的失效率函数。
4、某种理论假设细胞分裂的错误按速率每年2.5个的泊松过程发生,而人体在发生了196个这种错误后死亡。
假设该理论成立,求(1)人的平均寿命(2)人在67.2岁前死亡的概率(3)人活到90岁的概率(4)人活到100岁的概率5、令{N(t),t ≥0}是速率为λ的泊松过程,以Sn 记第n 个事件发生的时间。
求(1)][4S E(2)]2)1(|[4=N S E(3)]3)1(|)2()4([=-N N N E6、事件按速率为每小时λ=24的泊松过程发生。
(1)在下午8:00到9:00没有事件发生的概率是多少?(2)从正午开始,到第四个事件发生的期望时间是多少?(3)在下午6:00到8:00有两个或两个以上事件发生的概率是多少?7、顾客按速率为λ的泊松过程进入银行。
假设两个顾客在第一小时内到达。
下面的概率分别是多少?(1)两个顾客都在前20分钟内到达(2)至少一个顾客在前20分钟内到达8、某人负责订阅杂志,设前来订阅的顾客是一天内平均达到率为8的泊松过程,他们分别以概率1/2、1/3和1/6订阅1季、2季和3季的杂志,其选择是相互独立的。
- 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)。
S
b
a
f (t ) X (t )dt
16Байду номын сангаас
定理6.7
f(t)X(t)在区间[a,b]上均方可积的充要条件为
b b
a a
f (t1 ) f (t 2 ) RX (t1 , t 2 )dt1dt2
存在。二阶矩过程X(t)在区间[a,b]上均方可积的充要条件为RX(t1,t2) 在[a,b]×[a,b]上可积。
X (t ) lim 1 T 2T
T
T
X (t )dt 常数
时间平均
集合平均
20
定义6.10 设{X(t),-∞<t<∞}是均方连续的平稳过程,若
X (t ) lim
T
以概率1成立,则称该平稳过程的均值具有各态历经性。若
1 2T
T
T
X (t ) dt m X
联合平稳过程自相关函数的性质
1) RXY ( ) RX (0) RY (0), RYX ( ) RX (0) RY (0);
2 2
2) RXY ( ) RYX ( ), 当X (t ), Y (t )为实联合平稳过程时,有 RXY ( ) RYX ( ), 注意无对偶性.
1 X (t ) X (t ) lim T 2T
T
T
X (t ) X (t ) dt RX ( )
以概率1成立,则称该平稳过程的相关函数具有各态历经性。
定义6.11 如果均方连续的平稳过程{X(t),t∈T}的均值和相关函数都具有各态历 经性,则称该平稳过程为具有各态历经性或遍历性。
18
t
推论:设X (t )均方可微,且X (t )均方连续,则 X (t ) X (a) X (t )dt.
a t
及
X (b) X (a) X (t )dt.
a
b
例6.7:设{X (t ), t T }是实均方可微过程,求其导数过程 {X (t ), t T }的协方差函数BX (s, t ).
做和式
n i 1
max{(ti ti 1} n
1i n
Sn f (ti' )X (ti' )(ti ti 1 ),
ti 1 ti' ti
如果当Δ n→0时,Sn均方收敛于S,即
n 0
lim E | S n S |2 0
则称f(t)X(t)在区间[a,b]上均方可积,记作
R X (t , t ) E[ X (t ), X (t )]
x x x x
1 2 1 2
f 2 ( x1 , x2 ; t , t )dx1dx2 f 2 ( x1 , x2 ; )dx1dx2
R X ( )
严平稳过程+二阶矩过程=宽平稳;反之不成立。
h0
lim E |
X (t h) X (t ) X (t ) |2 0 h dX (t ) X (t h) X (t ) l.i.m h0 dt h
则称X(t)在t点均方可微,记作 X (t )
14
二阶矩过程的相关函数RX(t1,t2)的广义二阶导数记作
2 RX (t1 , t 2 ) t1t2 RX (t h1 , t h2 ) RX (t h1 , t ) RX (t , t h2 ) h1h2 = lim h 1 RX (t , t ) h2 h1h2
定理6.8 设f(t)X(t)在区间[a,b]上均方可积,则有
1、E[ f (t ) X (t )dt ] f (t ) E[ X (t )]dt
a a
b b a
b
b
E[ X (t )dt]
a
b
a
b
E[ X (t)]dt
a
b
2、E[ f (t1 ) X (t1 )dt1 f (t2 ) X (t2 )dt2 ]
5
例题1: 设Y是随机变量,试分别考虑X(t)=Y和X(t)=tY的平稳性。 例题2: 设{Xn,n=0, ±1, ±2, …}是实的互不相关随机变量序列,且 E[Xn]=0,D[Xn]=σ2。试讨论随机序列的平稳性。
例题3: 设{Xn,n= 1, 2, …}是相互独立且都服从N(0,1)的随机变量序列, {Yn,n= 1, 2, …}是相互独立且都服从 ( 3, 3) 上的均匀分布的随机 变量序列,且Xn 与Yn 相互独立, n= 1, 2, …。令
9
收敛性概念
对于概率空间(Ω ,F,P)上的随机序列{Xn}每个试验结果e都对应一序列,如 果该序列对每个e都收敛,则称随机序列{Xn}处处收敛,即满足
n
lim X n X
称二阶矩随机序列{Xn(e)}以概率1收敛于二阶矩随机变量X(e),即
P{e : lim X n (e) X (e)} 1
严平稳过程的统计特征是由有限维分布函数决定的,在实际应用中难以确 定。
2
宽平稳过程的定义
设{X(t),t∈T}是随机过程,如果 1、{X(t),t∈T}是二阶矩过程; 2、对任意t∈T,mX(t)=EX(t)=常数;
3、对任意s,t ∈T,RX(s,t)=E[X(s)X(t)]=RX(s-t) 。
i , j 1
R
n
X
(ti , t j )a i a j 0
5、若X(t)是周期为T的周期函数,即X(t)=X(t+T),则RX(τ )=RX(τ 6、若X(t)是不含周期分量的非周期过程,当| τ 相互独立,则
| |
+T);
|→∞时,X(t)与X(t+ τ )
8
lim R X ( ) m X m X
n
或称{Xn(e)}几乎处处收敛于X(e),及作 X n X
a.e
称二阶矩随机序列{Xn(e)}依概率收敛于二阶矩随机变量X(e),若对于任给 ε>0,有
lim P{| X n e X (e) | } 0
n
记作
Xn X
P
10
设有二阶矩随机序列{Xn}和二阶矩随机变量X,若有
X n,若n为奇数 Zn Yn,若n为偶数
证明{Zn,n= 1, 2, …}是宽平稳过程,但不是严平稳过程。
6
联合平稳过程
设{X(t),t∈T}和{Y(t),t∈T}是两个平稳过程,若它们的互相关函数
E[ X (t ) Y (t ) ] 和 E[Y (t ) X (t )]仅与τ 有关,而与t无关,则称X(t) 和Y(t)是联合平稳随机过程。
n
lim E[| X n X |2 ] 0
成立,则称{Xn}均方收敛于X,记作
Xn X
m. s
l.i.m X
n
n
X
称二阶矩随机序列{Xn}依分布收敛于二阶矩随机变量X,若{Xn}相应的分 布函数列{Fn(x)},在X的分布函数F(x)的每一个连续点处,有
n
lim Fn ( x) F ( x)
n , m
12
定理6.4 设{Xn}为二阶矩随机序列,则{Xn}均方收敛的充要条件为下列极限存在:
n , m
lim E[ X n X m ]
定义6.6 设有二阶矩过程{X(t),t∈T},若对每一个t∈T,有
h 0
lim E[| X (t h) X (t ) |2 ] 0
h 0
1、l.i.mcn lim cn c
n
n
2、l.i.mU U
3、l.i.m(cnU ) cU 4、l.i.m(aX n bYn ) aX bY
5、 lim E[ X n ] E[ X ] E [l .i.mX n ]
n
6、lim E[ X nYm ] E[ XY ] E[(l .i.mX n )(l .i .mYm )]
当两个平稳过程X(t),Y(t)是联合平稳时,则它们的和也是平稳过程。
7
平稳过程自相关函数的性质
设{x(t),t∈T}为平稳过程,则其相关函数具有下列性质: 1、
R X (0) 0
2、 R X ( ) R X ( ) 3、 | RX ( ) | RX (0) 4、RX(τ )是非负定的,即对任意实数t1,t2, …,tn及复数a1,a2, …,an,有
a
b
a
f (t1 ) f (t2 ) RX (t1 , t 2 )dt1dt 2
E|
定理6.9
X (t )dt | R
2 a a a
b
b b
X
(t1 , t 2 )dt1dt2
设{X(t),t∈T}为二阶矩过程在区间[a,b]上均方连续,则 Y (t ) a X ( )d 在均方意义下存在,且随机过程{Y(t), t∈T}在区间[a,b]上均方可微,且有 Y’(t)=X(t)。
mX (t ) xf1 ( x)dx mX
2 2 ( X (t )) E[ X 2 (t )] X mx
若随机过程X(t)为严平稳,则其均值、均方值和方差均为常数。
4
对于严平稳随机过程X(t)的二维分布F2(X1,X2;t1,t2)=F2(X1,X2;t1+ ε,t2+ ε), 若令ε=-t1,则 F2(X1,X2;t1,t2)=F2(X1,X2;0,t2-t1),令t2-t1= τ ,则 F2(X1,X2;t1,t2)=F2(X1,X2; τ)