第2章随机过程习题测验及答案
随机过程-习题-第2章
2.1 设)(t ξ是一马尔可夫过程,又设k n n n t t t t t ++<<<<<< 121。
试证明:)/(),,/(1/1,,/11++++++=n n t t k n n n t t t x x f x x x f n n k n n n即一个马尔可夫过程的反向也具有马尔可夫性。
证明:首先,由条件概率的定义式得),,(),,,(),,/(1,,1,,,1,,/111k n n t t k n n n t t t k n n n t t t x x f x x x f x x x f k n n k n n n k n n n ++++++++++++=根据马尔可夫性将上式中的分子和分母展开,并化简得)()()/()()/()/()()/()/()/(),,/(11/112/1/1/12/1/1,,/11112111211+++++-+++++-+++++++++-+++++-++++==n t n t n n t t n t n n t t k n k n t t n t n n t t n n t t k n k n t t k n n n t t t x f x f x x f x f x x f x x f x f x x f x x f x x f x x x f n n n n n n n k n k n n n n n n k n k n k n n n于是,)/()(),(),,/(1/11,1,,/1111++++++++++==n n t t n t n n t t k n n n t t t x x f x f x x f x x x f n n n n n k n n n2.2 试证明对于任何一个马尔可夫过程,如“现在”的)(t ξ值为已知,则该过程的“过去”和“将来”是相互统计独立的,即如果有321t t t <<,其中2t 代表“现在”,1t 代表“过去”,3t 代表“将来”,若22)(x t =ξ为已知值。
(解答)《随机过程》第二章习题
第二章 Markov 过程 习题解答1、 设}1,{≥n n ξ为相互独立同分布的随机变量序列,其分布为:01}0{,0}1{>-===>==p q P p P n n ξξ定义随机序列}2,{≥n X n 和}2,{≥n Y n 如下:⎪⎪⎩⎪⎪⎨⎧=========----;1,1,3;0,1,2;1,0,1;0,0,01111n nn n n n n nn X ξξξξξξξξ ⎩⎨⎧===-;,1;0,0,01其它n n n Y ξξ试问随机序列}2,{≥n X n 和}2,{≥n Y n 是否为马氏链?如果是的话,请写出其一步转移概率矩阵并研究各个状态的性质。
不是的话,请说明理由。
解:(1)显然,随机序列}2,{≥n X n 的状态空间为}3,2,1,0{=S 。
任意取S i i i j i n ∈-132,,,,, ,由于当i X n =给定时,即1,-n n ξξ的值给定时,就可以确定1+n X 的概率特性,即我们有:}{},,,,{12233111i X j X P i X i X i X i X j X P n n n n n n ========+--+因此}2,{≥n X n 是齐次马氏链,其一步转移概率矩阵为:⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=p qp q p q p qP 0000000 由于01,0>-=>p q p ,画出状态转移图,可知各个状态都相通,且都是非周期的,因此此链是不可约的遍历链。
(也可以利用02>P 判定此链是不可约的遍历链)(2)显然,}2,{≥n Y n 的状态空间为}1,0{=S ,由于:}1,1{}1,1,0{}1,10{23234234=========Y Y P Y Y Y P Y Y Y P}0,1{}0,1,0{}0,10{23234234=========Y Y P Y Y Y P Y Y Y P由}2,{≥n Y n 的定义,可知}1,1,1{}1,1,0{}0,1,1{}0,1,0{}1,0,1{}1,1{12312312312312323===⋃===⋃===⋃⋃===⋃======ξξξξξξξξξξξξξξξY Y}1,1,0,0{}0,1,0,0{}1,1,0{12341234234====⋃========ξξξξξξξξY Y Y}0,0,1{}0,1{12323======ξξξY Y , ∅====}0,1,0{234Y Y Y利用}1,{≥n n ξ是相互独立同分布的随机变量序列及其分布,我们有:322233}1,1{q q p pq Y Y P ++=== 223234}1,1,0{q p pq Y Y Y P +==== 223}0,1{pq Y Y P ===0}0,1,0{234====Y Y Y P即有:22222343}1,10{q p pq qp pq Y Y Y P +++==== 0}0,10{234====Y Y Y P由于01,0>-=>p q p ,因此有}0,10{}1,10{234234===≠===Y Y Y P Y Y Y P根据马氏链的定义可知}2,{≥n Y n 不是马氏链。
第2章随机过程习题及答案
第2章随机过程习题及答案第二章随机过程分析1.1学习指导1.1.1要点随机过程分析的要点主要包括随机过程的概念、分布函数、概率密度函数、数字特征、通信系统中常见的几种重要随机过程的统计特性。
1.随机过程的概念随机过程是一类随时间作随机变化的过程,它不能用确切的时间函数描述。
可从两种不同角度理解:对应不同随机试验结果的时间过程的集合,随机过程是随机变量概念的延伸。
2.随机过程的分布函数和概率密度函数如果ξ(t)是一个随机过程,则其在时刻t1取值ξ(t1)是一个随机变量。
ξ(t1)小于或等于某一数值某1的概率为P[ξ(t1)≤某1],随机过程ξ(t)的一维分布函数为F1(某1,t1)=P[ξ(t1)≤某1](2-1)如果F1(某1,t1)的偏导数存在,则ξ(t)的一维概率密度函数为F1(某1,t1)f1(某1,t1)(2-2)某1对于任意时刻t1和t2,把ξ(t1)≤某1和ξ(t2)≤某2同时成立的概率F2(某1,某2;t1,t2)P(t1)某1,(t2)某2(2-3)称为随机过程(t)的二维分布函数。
如果2F2(某1,某2;t1,t2)f2(某1,某2;t1,t2)(2-4)某1某2存在,则称f2(某1,某2;t1,t2)为随机过程(t)的二维概率密度函数。
对于任意时刻t1,t2,…,tn,把Fn(某1,某2,,某n;t1,t2,,tn)P(t1)某1,(t2)某2,称为随机过程(t)的n维分布函数。
如果,(tn)某n(2-5)nFn(某1,某2,,某n;t1,t2,,tn)fn(某1,某2,,某n;t1,t2,,tn)(2-6)某1某2某n存在,则称fn(某1,某2,…,某n;t1,t2,…,tn)为随机过程(t)的n维概率密度函数。
3.随机过程的数字特征随机过程的数字特征主要包括均值、方差、自相关函数、协方差函数和互相关函数。
随机过程(t)在任意给定时刻t的取值(t)是一个随机变量,其均值为E(t)某f1(某,t)d某(2-7)其中,f1(某,t)为(t)的概率密度函数。
随机过程第二章作业及参考答案
第二章 平稳过程2. 设随机过程()sin X t Ut =,其中U 是在[]02π,上均匀分布的随机变量。
试证 (1)若t T ∈,而{}12T = ,,,则(){}12X t t = ,,,是平稳过程; (2)若t T ∈,而[)0T =+∞,,则(){}0X t t ≥,不是平稳过程。
证明:由题意,U 的分布密度为:()10220u f u ππ⎧<<⎪=⎨⎪⎩,,其它数学期望()()[]sin X m t E X t E Ut ==⎡⎤⎣⎦()()2220001111sin sin cos cos 212222ut du ut d ut ut t t t t ππππππππ=⋅==-=--⎰⎰.相关函数()()()()()sin sin X X R R t t E X t X t E Ut U t ττττ=+=+=⋅+⎡⎤⎡⎤⎣⎦⎣⎦,()()()2200111sin sin cos 2cos 222ut u t du ut u u du ππτττππ⎛⎫=⋅+⋅=⋅-+--⎡⎤ ⎪⎣⎦⎝⎭⎰⎰ ()()2220001111cos 2cos sin 2sin 442u t u du u t u t πππττττππττ⎡⎤=-+-=-+-⎡⎤⎢⎥⎣⎦+⎢⎥⎣⎦⎰()()11sin 22sin 2424t t πτπτπτπτ=-+++.(1)若t T ∈,而{}12T = ,,时,()0X m t =,()X R τ只与τ有关,二者均与t 无关,因此,(){}12X t t = ,,,是平稳过程。
(2)若t T ∈,而[)0T =+∞,时,()X m t 可能取到不是常数的值,所取到的值与t 有关,()X R τ取到的值也与t 有关,因此,(){}0X t t ≥,不是平稳过程。
3. 设随机过程()()0cos X t A t ωΦ=+,t -∞<<+∞其中0ω是常数,A 和Φ是独立随机变量。
随机过程课后题答案
第一章习题解答1. 设随机变量X 服从几何分布,即:(),0,1,2,k P X k pq k ===。
求X 的特征函数,EX 及DX 。
其中01,1p q p <<=-是已知参数。
解()()jtxjtkk X k f t E eepq ∞===∑()k jtkk p q e∞==∑ =0()1jt kjtk pp qe qe ∞==-∑又200()kkk k q qE X kpq p kq p p p ∞∞======∑∑222()()[()]q D X E X E X P =-=(其中 00(1)nnn n n n nxn x x ∞∞∞====+-∑∑∑)令 0()(1)n n S x n x ∞==+∑则 1000()(1)1xxnn k n xS t dt n t dt x x∞∞+===+==-∑∑⎰⎰202201()()(1)11(1)1(1)xn n dS x S t dt dxx xnx x x x ∞=∴==-∴=-=---⎰∑同理 2(1)2kkkk k k k k k x k x kx x ∞∞∞∞=====+--∑∑∑∑令20()(1)k k S x k x ∞==+∑ 则211()(1)(1)xkk k k k k S t dt k t dt k xkx ∞∞∞+====+=+=∑∑∑⎰)2、(1) 求参数为(,)p b 的Γ分布的特征函数,其概率密度函数为1,0()0,0()0,0p p bxb x e x p x b p p x --⎧>⎪=>>Γ⎨⎪≤⎩(2) 其期望和方差;(3) 证明对具有相同的参数的b 的Γ分布,关于参数p 具有可加性。
解 (1)设X 服从(,)p b Γ分布,则10()()p jtxp bxX b f t ex e dx p ∞--=Γ⎰ 1()0()p p jt b x b x e dx p ∞--=Γ⎰101()()()()(1)p u p p p p p b e u b u jt b x du jt p b jt b jt b∞----==Γ---⎰ 10(())x p p e x dx ∞--Γ=⎰ (2)'1()(0)X p E X f j b∴== 2''221(1)()(0)X p p E X f j b +== 222()()()PD XE X E X b∴===(4) 若(,)i i X p b Γ 1,2i = 则121212()()()()(1)P P X X X X jt f t f t f t b-++==-1212(,)Y X X P P b ∴=+Γ+同理可得:()()iiP X b f t b jt∑=∑-3、设X 是一随机变量,()F x 是其分布函数,且是严格单调的,求以下随机变量的特征函数。
《随机过程及其在金融领域中的应用》习题二答案
0
sin
ux
f
xdx
0
sin
ux
f
xdx
0
0
sin
u
x
f
xdx
sin ux 0
f
x dx
0
令其中一式中的 x t
0
sin
ut
f
t
d
t
0
sin
ux
f
xdx
0
sin ut 0
证明:
X u
eiux f xdx
cos ux i sin ux f xdx
cos ux
f
xdx
i
sin
ux
f
xdx
(a)充分性:
当f
x
f
x时,sin ux
f
x
为奇函数
,
则i
c o vY Y, E Y 2 E Y 2 3 80
故(X,Y)的协方差矩阵为
cov X , X cov Y , X
1
cov X ,Y cov Y ,Y
18 0
0
3 80
4、已知二维随机变量(X,Y)服从联合正态分布,且
dFX
x
e tx f xdx
etxexdx etxdx
(完整版)随机过程习题答案
(完整版)随机过程习题答案随机过程部分习题答案习题22.1 设随机过程b t b Vt t X ),,0(,)(+∞∈+=为常数,)1,0(~N V ,求)(t X 的⼀维概率密度、均值和相关函数。
解因)1,0(~N V,所以1,0==DV EV ,b Vt t X +=)(也服从正态分布,b b tEV b Vt E t X E =+=+=][)]([ 22][)]([t DV t b Vt D t X D ==+=所以),(~)(2t b N t X ,)(t X 的⼀维概率密度为),(,21);(222)(+∞-∞∈=--x ett x f t b x π,),0(+∞∈t均值函数 b t X E t m X ==)]([)(相关函数)])([()]()([),(b Vt b Vs E t X s X E t s R X ++==][22b btV bsV stV E +++=2b st +=2.2 设随机变量Y 具有概率密度)(y f ,令Yt e t X -=)(,0,0>>Y t ,求随机过程)(t X 的⼀维概率密度及),(),(21t t R t EX X 。
解对于任意0>t,Yt e t X -=)(是随机变量Y 的函数是随机变量,根据随机变量函数的分布的求法,}ln {}{})({);(x Yt P x e P x t X P t x F t Y ≤-=≤=≤=-)ln (1}ln {1}ln {tx F t x Y P t x Y P Y --=-≤-=-≥= 对x 求导得)(t X 的⼀维概率密度xtt x f t x f Y 1)ln ();(-=,0>t)(][)]([)(dy y f e eE t X E t m yt tY X相关函数+∞+-+---====0)()(2121)(][][)]()([),(212121dy y f e e E e e E t X t X E t t R t t y t t Y t Y t Y X 2.3 若从0=t 开始每隔21秒抛掷⼀枚均匀的硬币做实验,定义随机过程=时刻抛得反⾯时刻抛得正⾯t t t t t X ,2),cos()(π试求:(1))(t X 的⼀维分布函数),1(),21(x F x F 和;(2))(t X 的⼆维分布函数),;1,21(21x x F ;(3))(t X 的均值)1(),(X X m t m ,⽅差 )1(),(22X Xt σσ。
南京大学随机过程练习题附中文解释及答案
8、(3.8)An unbiased die is successively rolled. Let X and Y denote, respectively, the number of rolls necessary to obtain a six and a five. Find (a) E[X], (b) E[X|Y=1] 相继地掷一颗不均匀的骰子。令 X 和 Y 分别记得到一个 6 和一个 5 所必须的抛 掷次数。求(a)E[X],(b)E[X|Y=1]。 重要:E[E[X|Y]]=E[X]
3、(4.32) Each of two switches is either on or off during a day. On day n, each switch will independently be on with probability [1+#of on switches during day n-1]/4. For instance, if both switches are on during day n-1, then each will independently be on during day n with probability3/4. What fraction of days are both switches on? What fractions are both off? 在一天中两个开关或者开或者关。在第 n 天,每个开关独立地处于开的概率是[1+ 第 n-1 天是开的开关数]/4。例如,如果在第 n-1 天两个开关都是开的,那么在第 n 天,每个开关独立地处于开的概率是 3/4。问两个开关都是开的天数的比例是 多少?两个开关都是关的天数的比例是多少?
随机过程试题及答案
随机过程试题及答案一、选择题1. 随机过程是研究什么的对象?A. 确定性系统B. 随机性系统C. 静态系统D. 动态系统答案:B2. 下列哪项不是随机过程的特点?A. 可预测性B. 随机性C. 连续性D. 状态的不确定性答案:A3. 随机过程的数学描述通常使用什么?A. 概率分布B. 微分方程C. 差分方程D. 以上都是答案:A4. 马尔可夫链是具有什么特性的随机过程?A. 独立性B. 无记忆性C. 均匀性D. 周期性答案:B5. 以下哪个是随机过程的数学工具?A. 傅里叶变换B. 拉普拉斯变换C. 特征函数D. 以上都是答案:D二、简答题1. 简述什么是随机过程的遍历性。
答:遍历性是随机过程的一种特性,指的是在足够长的时间内,随机过程的统计特性不随时间变化而变化,即时间平均与遍历平均相等。
2. 解释什么是泊松过程,并给出其主要特征。
答:泊松过程是一种计数过程,它描述了在固定时间或空间内随机发生的事件次数。
其主要特征包括:事件在时间或空间上独立发生,事件的发生具有均匀性,且在任意小的时间段内,事件发生的概率与该时间段的长度成正比。
三、计算题1. 假设有一个泊松过程,其平均事件发生率为λ。
计算在时间间隔[0, t]内恰好发生n次事件的概率。
答:在时间间隔[0, t]内恰好发生n次事件的概率由泊松分布给出,公式为:\[ P(N(t) = n) = \frac{e^{-\lambda t} (\lambda t)^n}{n!} \]2. 考虑一个具有两个状态的马尔可夫链,其状态转移概率矩阵为:\[ P = \begin{bmatrix}p_{11} & p_{12} \\p_{21} & p_{22}\end{bmatrix} \]如果初始时刻在状态1的概率为1,求在第k步时处于状态1的概率。
答:在第k步时处于状态1的概率可以通过马尔可夫链的状态转移矩阵的k次幂来计算,即:\[ P_{11}^{(k)} = p_{11}^k + p_{12} p_{21} (p_{11}^{k-1} + p_{12} p_{21}^{k-2} + \ldots) \]四、论述题1. 论述随机过程在信号处理中的应用及其重要性。
随机过程第二章期末练习题
湖南大学信息科学与工程学院
第二章练习题 判断题
确定信号为特殊的随机信号, 如果称某个确定信号为平稳的, 意味着该信号为常量。 (V) 则该随机过程一定隐含周 若平稳随机过程的功率谱密度函数在 0 处含有冲激, 期性。 (X) 平稳随机过程一定是各态历经的。 (X) 平稳随机过程经过线性变换后一定是平稳的。 (V) 如果平稳随机过程的任意样本函数是连续的, 则该过程依均方意义连续, 反之亦然。 若平稳随机过程的协方差函数 K X ( ) 不满足 K X () 0 ,则该过程必定隐含周期 性。 (V) 对随机过程作重复多次的观测时, 各次所得到的时间 t 的函数具有相同的形式。 (X) 可用研究多维随机变量的方法来研究随机过程。 (V) 数学期望和方差不仅描述了随机过程在各个时刻上取值的特性, 还能反映随机过程 不同时刻取值之间的内存联系。 (X) 具有相同的数学期望和方差的两个随机过程统计特性相同。 (X) 自相关函数的绝对值越大,表示相关性越强。 (V) 一般而言,自相关函数的两个时刻相隔越远,自相关函数的绝对值就越小。 (V) 自相关函数可以反映随机过程两个时刻之间的相关性,协方差函数则不能。 (X) 二阶矩过程的自相关函数必定存在。 (V) 平稳随机过程的统计特性在相当长的时间内是不变的。 (V) 如果随机过程 X(t)的任意 n 维概率密度在时间上平移任意△t 后,此函数不变,则 称 X(t)为广义平稳随机过程。 (X) 狭义平稳随机过程的任意维概率密度与时间起点无关, 即 X(t)与 X(t+△t) 有相同的 统计特性。 (V) 广义平稳随机过程必定是狭义平稳的,而狭义平稳的随机过程则未必是广义平稳 的。 (X) 相关时间小, 意味着相关系数随τ的增大而迅速减小, 这说明随机过程随时间而激 烈变化;反之,相关时间大,则说明随机过程随时间变化缓慢。 (V) 自相关函数是实偶函数。 (X) 设随机过程 X(t)=u sin(ω t+Φ),其中 u 和ω 皆为常数,Φ为 [0,2π]上均匀分 m m 0 0 布的随机变量,则 X(t)为一平稳随机过程。 (V) 设随机过程 X(t)=At,A 为在[0,1]上均匀分布的随机变量,则 X(t)是平稳过程。 (X) 设随机过程 Z(t)=Xcost+Ysint,-∞<t< ∞,其中 X,Y 为相互独立的随机变量,并 分别以概率 2/3、1/3 取值-1 和 2。则 Z(t)既是广义平稳随机过程,又是狭义平稳随 机过程。 (X) 设随机过程 X(t)=X (k) ,k=…-2, -1,0,1,2…, X (k)为相互独立且具有相同分布的随
随机过程试题及答案
随机过程试题及答案一、选择题1. 关于随机过程的描述,错误的是:A. 随机过程是一种由随机变量组成的集合B. 随机过程是一种在时间上有序排列的随机变量序列C. 随机过程可以是离散的,也可以是连续的D. 随机过程是一种确定性的数学模型答案:D2. 以下哪种过程不是随机过程?A. 白噪声过程B. 马尔可夫过程C. 布朗运动D. 正态分布答案:D3. 随机过程的一阶矩描述的是:A. 均值B. 方差C. 偏度D. 峰度答案:A4. 当随机过程的各个时间点上的随机变量是独立同分布时,该随机过程为:A. 马尔可夫过程B. 马尔可夫链C. 平稳随机过程D. 白噪声过程答案:B5. 下列关于马尔可夫过程的说法中,正确的是:A. 当前状态只与上一状态有关,与历史状态无关B. 当前状态只与历史状态有关,与上一状态无关C. 当前状态只与上一状态和历史状态有关D. 当前状态与所有历史状态均无关答案:A二、填空题1. 随机过程中,时域函数常用的表示方法是__________。
答案:概率分布函数或概率密度函数2. 马尔可夫过程的状态转移概率只与__________相关。
答案:当前状态和下一状态3. 随机过程的时间参数称为__________。
答案:时刻或时间点4. 白噪声过程的自相关函数是一个__________函数。
答案:冲激函数5. 平稳随机过程的自相关函数只与__________相关。
答案:时间差三、解答题1. 请简要解释随机过程的概念。
随机过程是一种由随机变量组成的集合,表示一个在时间上有序排列的随机变量序列。
它可以是离散的,也可以是连续的。
随机过程的描述通常包括概率分布函数或概率密度函数,以及相关的统计特征,如均值、方差等。
随机过程可以用于对随机现象进行建模和分析。
2. 请简要说明马尔可夫过程的特点及应用。
马尔可夫过程是一种具有马尔可夫性质的随机过程,即当前状态只与上一状态有关,与历史状态无关。
其状态转移概率只与当前状态和下一状态相关。
随机过程第一、二章测验题答案(2010)
随机过程测试题一答案每题10分1. 在一汽车工厂中,一辆汽车有两道工序是由机器人完成的。
其一是紧固三只螺栓,其二是焊接两处焊点。
以X 表示由机器人紧固的螺栓不良的数目,以Y 表示由机器人焊接的焊点不良的数目。
据积累资料知),(Y X 具有分布律: Y X 0 1 2 3 0 0.840 0.030 0.020 0.010 1 0.060 0.010 0.008 0.002 20.0100.0050.0040.001(1)求EX ;(2)求]|[j Y X E =,2,1,0=j ;(3)验证 ∑====2}{]|[j j Y P j Y X E EX .解: (1) X 的分布律为 X 0 1 2 3 P0.9100.0450.0320.013148.0=EX .(2) Y 的分布律为 Y 0 1 2 P0.9000.0800.0200=Y 时,X 的条件分布律为X|0=Y 0 123P0.840/0.90.030/0.90.020/0.90.010/0.991]0|[==Y X E ;1=Y 时,X 的条件分布律为X|1=Y 0 123P0.060/0.080.010/0.080.008/0.080.002/0.084.0]1|[==Y X E ;2=Y 时,X 的条件分布律为X|2=Y0 1 2 3P 0.010/0.02 0.005/0.02 0.004/0.02 0.001/0.028.0]2|[==Y X E .(3) EX j Y P j Y X E j ==⨯+⨯+⨯===∑=148.002.08.008.04.09.091}{]|[2.2.设二维随机变量),(Y X 的概率密度为⎩⎨⎧<<=-.,00,),(其他,y x e y x f y(1)求EX;(2)对任意0>y ,求]|[y Y X E =;(3)验证⎰+∞==0)(]|[dy y f y Y X E EX Y .解: (1)当0>x 时, X 的概率密度为x xy xX e dy e dy y x f x f -+∞-+∞===⎰⎰),()(.1)(0===⎰⎰+∞-+∞dx xe dx x xf EX x X .(2) 对任意0>y , Y 的概率密度为y yy yY ye dx e dx y x f y f --===⎰⎰0),()(.⎪⎩⎪⎨⎧<<==.,0,0,1)(),()|(|其他y x y y f y x f y x f Y Y X21)|(]|[0|ydx y xdx y x f x y Y X E yY X ====⎰⎰+∞ (3)EX dy ye y dy y f y Y X E y Y ==Γ=⋅==⎰⎰+∞-+∞1)3(212)(]|[03.写出六种常见分布(退化、二项、泊松、均匀、指数、正态)的特征函数.分布 记号 概率密度或分布律)x (f特征函数)t (ψ退化 {c} 1}{==c X Pict e0-1 b(1,p) .1,0,}{1===-x q p x X P x x q pe it +二项b(n,p) 独立同分布于b(1,p)的n 个r.v.的和..,,1,0,}{1n x q p C x X P x x x n ===-n it q pe )(+泊松 )(P λ.,2,1,0,!}{ ===-x e x x X P xλλ)1(-it e eλ均匀U(a,b))(1)(),(x I ab x f b a -=t a b i e e iatibt )(--标准正态 N(0,1)2221)(x e x f -=π22t e-正态),(N 2σμ222)(21)(σμσπ--=x e x f2)(2t t i eσμ-指数 )(E λ)()(),0(x I e x f x +∞-=λλit-λλ4.关于独立随机变量序列}{n X ,下列哪些命题是正确的. (1)若 ,2,1,||=+∞<k X E k ,则∏∏===nk k nk k EX X E 11;(2) 若 ,2,1,2=+∞<k EX k ,则∑∑===nk k n k n VarX X Var 11)(;(3) 设)(t f k 为k X 的特征函数,)(t f n S 为∑==nk k n X S 1的特征函数,则∏==nk k S t f t f n 1)()(.(4) 设)(t k φ为k X 的矩母函数,)(t n S φ为∑==nk k n X S 1的矩母函数,则∑==nk k S t t n1)()(φφ.解:(4)错,应为 ∏==nk k S t t 1)()(φφ.5.设ηξ,是相互独立,且都为均值0,方差1的随机变量,令t t X ηξ+=)(,求随机过程}0),({≥t t X 的均值函数和相关函数. 解:;0)()()]([)(=+==ηξμtE E t X E t X;1)()()()]([)(222t D t D t D t X D t x +=+=+==ηξηξσ.1)()()()()()]()([),(22ts E E s t tsE E s X t X E s t R x +=+++==ηξηξ6.X (t )=Y cos(t )+Z sin(t ), t >0,Y , Z 相互独立,且 EY =EZ =0,DY =DZ =σ2. 讨论随机过程{X (t ), t >0}的平稳性.解: 0sin cos )]([)(=+==tEZ tEY t X E t X μ;)]()([),(s X t X E s t R X =).cos(sin sin cos cos )()cos sin sin (cos sin sin cos cos 22222s t EZ s t EY s t YZ E s t s t EZ s t EY s t -=⋅+⋅=++⋅+⋅=σ因)(t X μ为常数,),(s t R X 仅与s t -=τ有关,故)}({t X 是宽平稳过程.7.在电报信号)(t X 的传输过程中,信号由不同的电流符号A A -,给出,而电流的发送又有一个任意的持续时间,电流符号的转换是随机的. 设)(t X 在],0(t 时间内的变号次数)(t N 是参数为λ的泊松过程,且可以表示为)()1)(0()(t N X t X -=,又设)0(X 与}0),({≥t t N 独立,且5.0})0({})0({=-===A X P A X P ,求}0),({≥t t X 的均值函数.解:=)]([t X E 0.8.考虑电子管中的电子发射问题,设单位时间内到达阳极的电子数目N 服从参数为λ的泊松分布. 每个电子携带的能量构成一个随机变量序列 ,,21X X 已知}{k X 与N 独立,}{k X 之间互不相关并且具有相同的均值和方差2,σμ==k k DX EX . 单位时间内阳极接收到的能量为∑==Nk kXS 1. 求S 的均值.解:∑∑+∞=====1}{]|[n Nk kn N P n N XE ES∑∑+∞====01}{][n nk k n N P X E ∑+∞===01}{n n N P nEX∑+∞===01}{n n N nP EX λμ=⋅=1EX EN .9.随机过程}0),({≥t t W 称为参数为2σ的维纳过程, 如果 (1) 0)0(=W ;(2),0t s <≤∀))(,0(~)()(2s t N s W t W --σ;(3) ,0v u t s <<<≤∀ 增量)()(s W t W -与)()(u W v W -相互独立.(1)求}0),({≥t t W 的均值函数)]([t W E 和相关函数)]()([s W t W E . (2)}0),({≥t t W 是否为宽平稳过程?证明:(1),0≥∀t ),0(~)(2t N t W σ, 故0)]([)(==t W E t W μ;又,0t s <≤∀))(,0(~)()(2s t N s W t W --σ, 且增量)()(s W t W -与)(s W 相互独立,故)]()([)]())()([()]()([),(s W s W E s W s W t W E s W t W E s t R W +-==s s W D s W E s W t W E 2)]([)]([)]()([σ=+-=从而),min(),(2s t s t R W σ=.(2)由于),(s t R W 与出发时刻),min(s t 有关,因而}0),({≥t t W 不是宽平稳过程.10. 下面四个随机过程中哪些不是宽平稳过程(A) 随机相位正弦波过程:}0),cos()({≥Φ+=t t t X λ,其中),(~ππ-ΦU ,λ是常数. (B) 白噪声序列: },1,0,{ =n X n 是一列两两互不相关(即m n X EX m n ≠=,0)的随机变量序列,且满足2,0σ==n n DX EX . (C) 移动平均序列:},2,1,0,{11 ±±==∑=-+n a X ki in i n ε,其中},2,1,0,{ ±±=n n ε为白噪声序列,k a a a ,,,21 为任意实数.(D) 强度为λ的泊松过程}0),({≥t t N ,其中)(t N 表示到时刻t 为止事件A 发生的次数. 解: D .。
随机过程试题及答案
随机过程试题及答案一、选择题(每题2分,共10分)1. 下列哪个是随机过程的数学定义?A. 一系列随机变量B. 一系列确定的函数C. 一系列随机函数D. 一系列确定的变量答案:C2. 随机过程的期望值函数E[X(t)]随时间t的变化特性是:A. 确定性B. 随机性C. 非线性D. 线性答案:A3. 马尔可夫链是具有以下哪个特性的随机过程?A. 无记忆性B. 有记忆性C. 独立性D. 相关性答案:A4. 泊松过程是一种:A. 连续时间随机过程B. 离散时间随机过程C. 连续空间随机过程D. 离散空间随机过程答案:A5. 布朗运动是:A. 一个确定的函数B. 一个随机过程C. 一个确定的变量D. 一个随机变量答案:B二、简答题(每题5分,共20分)1. 简述什么是平稳随机过程,并给出其数学特征。
答案:平稳随机过程是指其统计特性不随时间变化的随机过程。
数学上,如果一个随机过程的任意时刻的一维分布和任意两个时刻的二维分布都不随时间平移而改变,则称该过程为严格平稳过程。
2. 解释什么是遍历定理,并说明其在随机过程中的重要性。
答案:遍历定理是随机过程中的一个基本定理,它提供了时间平均与概率平均之间的联系。
在随机过程中,如果一个随机过程是遍历的,那么对于任意的观测时间点,其时间平均值将趋向于其期望值,这一点在统计推断和信号处理等领域具有重要应用。
3. 描述什么是随机过程的平稳增量,并给出其数学定义。
答案:随机过程的平稳增量是指在固定时间间隔内,随机过程增量的分布不随时间变化。
数学上,如果对于任意的非负整数n和任意的实数h,随机过程{X(t+h) - X(t)}与{X(h) - X(0)}具有相同的分布,则称该随机过程具有平稳增量。
4. 简述什么是马尔可夫性质,并给出一个实际应用的例子。
答案:马尔可夫性质是指一个随机过程的未来发展只依赖于当前状态,而与过去的状态无关。
具有马尔可夫性质的随机过程称为马尔可夫链。
例如,在天气预报中,明天的天气可能只与今天的天气有关,而与前几天的天气无关,这就是马尔可夫性质的一个实际应用。
南京大学随机过程练习题附中文解释及答案
南京⼤学随机过程练习题附中⽂解释及答案(以第九版为准)第⼆章Random Variables 随机变量1、(2.16)An airline knows that 5percent of the people making reservations on a certain flight will not show up.Consequently,their policy is to sell 52tickets for a flight that can hold only 50passengers.What is the probability that there will be a seat available for every passenger who shows up?航空公司知道预订航班的⼈有5%最终不来搭乘航班。
因此,他们的政策是对于⼀个能容纳50个旅客的航班售52张票。
问每个出现的旅客都有位置的概率是多少?答:05.0*95.0*52-95.0-15152)()(2、(2.25略变动)Suppose that two teams are playing a series of games,each of which is independently won by team A with probability p and by team B with probability 1-p.The winner of the series is the first team to win i games.If i =4,find the probability that a total of 7games are played.Find the p that maximizes/minimizes this probability.假定两个队玩⼀系列游戏,A 队独⽴地赢的概率是p ,B 队独⽴地赢的概率是1-p 。
随机过程习题解答第1,2章
习题11. 令X(t)为二阶矩存在的随机过程,试证它是宽平稳的当且仅当EX(s)与E[X(s)X(s+t)]都不依赖s.证明:充分性:若X(t)为宽平稳的,则由定义知EX(t)=μ, EX(s)X(s+t)=r(t) 均与s 无关必要性:若EX(s)与EX(s)X(s+t)都与s 无关,说明EX(t)=常数, EX(s)X(s+t)为t 的函数2. 记1U ,...,n U 为在(0,1)中均匀分布的独立随机变量,对0 < t , x < 1定义I( t , x)=⎩⎨⎧>≤,,,,t x t x 01并记X(t)=),(11∑=nk k U t I n ,10≤≤t ,这是1U ,...,n U 的经验分布函数。
试求过程X (t )的均值和协方差函数。
解: EI ()k U t ,= P ()t U k ≤= t , D()),(k U t I = EI ()k U t ,-()2),(kU t EI= t -2t = t(1-t)j k ≠, cov ()),(),(j k U s I U t I ,=EI(t,k U )I(s,j U )-EI(t, k U )EI(s, j U ) = st -st=0k = j , cov ()),(),(j k U s I U t I ,= EI(t,k U )I(s,j U )-st = min(t,s)-stEX(t)=),(11∑=n k k U t EI n =∑=nk tn 11= tcov ())(),(s X t X =()()),(),,(cov 1),(),,(cov 1212j kjk nk k k U s I Ut I n U s I U t I n ∑∑≠=+=[]∑=nk st t s n12),min(1-=()st t s n-),min(13.令1Z ,2Z 为独立的正态分布随机变量,均值为0,方差为2σ,λ为实数,定义过程()t Sin Z t Cos Z t X λλ21+=.试求()t X 的均值函数和协方差函数,它是宽平稳的吗?Solution: ()221,0~,σN Z Z . 02221==EZ EZ .()()221σ==Z D Z D ,()0,21=Z Z Cov ,()0=t EX ,()()()()()[]s Sin Z s Cos Z t Sin Z t Cos Z E s X t X Cov λλλλ2121,+⋅+=[]t C o s S i n Z Z s t S i n C o s Z Z s t S i n S i n Z t C o s C o s Z E λλλλλλλλ12212221+++=()02++=s t S i n S i n s t C o s C o s λλλλσ =()[]λσs t Cos -2(){}t X 为宽平稳过程.4.Poisson 过程()0,≥t t X 满足(i )()00=X ;(ii)对s t >,()()s X t X -服从均值为()s t -λ的Poisson 分布;(iii )过程是有独立增量的.试求其均值函数和协方差函数.它是宽平稳的吗?Solution ()()()()t X t X E t EX λ=-=0,()()t t X D λ= ()()()()()s t s X t EX s X t X Cov λλ⋅-=,()()()()()ts s EX s X s X t X E 22λ-+-= ()()()()ts s EX s X D 220λ-++=()ts s s 22λλλ-+=()t s s λλλ-+=1 显然()t X 不是宽平稳的.5. ()t X 为第4题中的Poisson 过程,记()()()t X t X t y -+=1,试求过程()t y 的均值函数和协方差函数,并研究其平稳性. Solution ()λλ=⋅=1t Ey , ()()λ=t y DCov(y(t),y(s))=Ey(t)y(s)-Ey(t)y(s)=E(x(t+1)-x(t))(x(s+1)-x(s))-λ2(1)若s+1<t, 即s≤t-1,则Cov(y(t),y(s))=0-λ2=-λ2(2)若t<s+1≤t+1, 即t>s>t-1, 则Cov(y(t),y(s))=E[x(t+1)-x(s+1)+x(s+1)-x(t)][x(s+1)-x(t)+x(t)-x(s)] -λ2=E(x(t+1)-x(s+1))(x(s+1)-x(t))+E(x(t+1)-x(s+1))(x(t)-x(s))+E(x(s+1)-x(t))+E(x(s+1)-x(t))(x(t)-x(s))- λ2=λ(s+1-t)= λ-λ(t-s)- λ2(3) 若t<s<t+1Cov(y(t),y(s))= E [x(t+1)-x(s)+x(s)-x(t)] [x(s+1)-x(t+1)+x(t+1)-x(s)]- λ2 =(x(t+1)-x(s))(x(s+1)-x(t+1))+E(x(t+1)-x(s))(x(t+1)-x(s))+E(x(s)-x(t))(x(s+1)-x(t+1))+E(x(s)-x(t))(x(t+1)-x(s))- λ2=0+λ(t+1-s)+0-λ2=λ+λ(t-s)- λ2(4) 若s>t+1 Cov(y(t),y(s))=0-λ2=-λ2由此知,故方差只与t-s有关,与t,s无关故此过程为宽平稳的。
随机过程习题及部分解答(共享).docx
随机过程习题及部分解答习题一1.若随机过程X(/)为X(0 = A?,-oo<r<+oo,式中4为(0, 1)上均匀分布的随机变量,求X(/)的一维概率密度Px(x;t)。
2.设随机过程X(/) = 4cos(初+ 其中振幅A及角频率①均为常数,相位&是在[-兀,刃上服从均匀分布的随机变量,求X(/)的一维分布。
习题二1.若随机过程X(/)为X(t)=At -00 < r < +00 ,式中4为(0,1)上均匀分布的随机变量,求E[xa)],7?xa』2)2.给定一随机过程X(/)和常数Q,试以X(/)的相关函数表示随机过程y(0 = X(/ + a) —X(/)的自相关函数。
3.已知随机过程X(/)的均值阪⑴和协方差函数Cx (爪© , 0(/)是普通函数,试求随机过程丫⑴=X(/) + 0(/)是普通函数,试求随机过程丫⑴=X(/) + 0(/)的均值和协方差函数。
4.设X(t) = A cos at + B sin at,其中A, B是相互独立且服从同一高斯(正态)分布N(0Q2)的随机变量,a为常数,试求X(/)的值与相关函数。
习题三1.试证3.1节均方收敛的性质。
2.证明:若X(t),twT;Y(t),twT均方可微,a0为任意常数,则aX(t) + bY(t) 也是均方可微,且有[aX (?) + b Y(/)]' = aX'(/) + b Y'(/)3.证明:若X⑴,twT均方可微,/X/)是普通的可微函数,则f(Z)X(Z)均方可微且[f(ox(or-/w(o+/(ox,(o4.证明:设X⑴在[a,b]上均方可微,且X0)在[a,切上均方连续,则有X'⑴ dt = X(b) — X(a)J a5•证明,设X(t\t eT =[a,b];Y{t\t eT = [a,b]为两个随机过程,且在T上均方可积,a和0为常数,则有(*b (*b (*bf [aX(/) + 0Y(/)M = a [ Xit)dt + /3\ Y⑴ dtJ a J a J aeb rc rbaX (t)dt = X (t)dt + XQ) dt,aWcWbJ a J a Jc6.求随机微分方程X'(/) + aX ⑴二丫⑴ze[0,+oo]'X(0) = 0的X(t)数学期望E [X(0]。
随机过程试题及答案
随机过程试题及答案一、选择题(每题5分,共20分)1. 下列哪一项是随机过程的典型特征?A. 确定性B. 可预测性C. 无记忆性D. 独立增量性答案:D2. 马尔可夫链的哪一性质表明,系统的未来状态只依赖于当前状态,而与过去状态无关?A. 独立性B. 无记忆性C. 齐次性D. 可逆性答案:B3. 布朗运动是一个连续时间的随机过程,其增量具有什么性质?A. 独立性B. 正态分布C. 独立增量性D. 所有选项都正确答案:D4. 随机过程的平稳性指的是什么?A. 过程的分布随时间不变B. 过程的均值随时间不变C. 过程的方差随时间不变D. 过程的自相关函数随时间不变答案:A二、填空题(每题5分,共20分)1. 如果随机过程的任意时刻的分布函数不随时间变化,则称该随机过程是________。
答案:平稳的2. 随机过程的自相关函数R(t,s)表示在时刻t和时刻s的随机变量的________。
答案:相关性3. 随机游走过程是一类具有________性质的随机过程。
答案:独立增量4. 泊松过程是一种描述在固定时间间隔内随机事件发生次数的随机过程,其特点是事件的发生具有________。
答案:无记忆性三、简答题(每题10分,共30分)1. 简述什么是马尔可夫过程,并给出其数学定义。
答案:马尔可夫过程是一种随机过程,其未来的状态只依赖于当前状态,而与过去状态无关。
数学上,如果对于任意的n,以及任意的时间序列t1, t2, ..., tn,满足P(Xt+1 = x | Xt = x_t, Xt-1 = x_t-1, ..., X1 = x_1) = P(Xt+1 = x | Xt = x_t),则称随机过程{Xt}为马尔可夫过程。
2. 描述布朗运动的三个基本性质。
答案:布朗运动的三个基本性质包括:1) 布朗运动的增量是独立的;2) 布朗运动的增量服从正态分布;3) 布朗运动具有连续的样本路径。
3. 什么是平稳随机过程?请给出其数学定义。
《随机过程》第二章题目与答案
第二章一、填空题1、随机过程若按状态空间与参数集分类可分为__、__、__、__四类.2、__是随机过程{X(t),t∈T}在时刻t的平均值,__是随机过程在时刻t对均值m x(t)的偏离程度,而__和__则反映随机过程{X(t),t∈T}在时刻s和t 时的线性相关度.3、若随机变量x服从(01)分布,即p k=p{x=k}=,k=0,1则其特征函数g(t)=__.4、若随机变量X服从参数为的指数分布,则其特征函数g(t)=__.5、若随机变量X服从退化分布,即p(X=c)=1,其中c为常数,则其特征函数g(t)=__.二、计算题1、已知Γ分布,X~Γ(α,β),若其中α,β>0,试求Γ分布的特征函数.2、设随机变量X服从泊松分布,即p k=p(X=k)=,k=0,1,…,n,求其特征函数.3、设随机过程X(t)=Y+Zt,t>0,其中Y,Z是相互独立的N(0,1)随机变量,求{ X(t),t>0}的一,二维概率密度族.4、设随机过程:0),sin()cos()(>+=t t Z t Y t X θθ,其中Y 、Z 是相互独立的随机变量,且EY=EZ=0,DY=DZ=δ2,求{X(t),t>0}的均值函数、协方差函数和方差函数.5、设随机变量Y 具有概率密度f(y),令)0,0(,)(>>=-Y t t X eYt,求随机过程X(t)的一维概率密度及EX(t),R x (t 1,t 2).6、设随机过程Z t =,t 0,其中X 1,X 2,…,X n 是相互独立的,且服从N(0,)的随机变量,ω1, ω2,…, ωn 是常数,求{Z t ,t}的均值函数m(t)和相关函数R(s,t).参考答案:一、填空题1、离散参数链,连续参数链,随机序列,随机过程2、均值函数m X(t),方差函数D X(t),协方差函数B X(s,t),相关函数R X(s,t)3、q+p4、5、二、解答题1、1、g(t)===其中:Γ(α)=2、g(t)= = ===3、由于X与Z是相互独立的正态随机变量,故其线性组合仍为正态随机变量,要计算{X(t),t>0}的一、二维随机概率密度,只要计算数字特征m x(t),D X(t),即可. m x(t)=E(Y+Zt)=EY+tEZ=0,D X(t)=D(Y+Zt)=DY+t2DZ=1+t2,B X(s,t)=EX(s)X(t)- m x(s) m x(t)=E(Y+Zs)(Y+Zt)=1+st,==,故随机过程{X(t),t>0}的一、二维概率密度分别为f t(x)=exp{-},t>0,f s,t(x1,x2)=.exp{[]}, s,t>0,其中4、由数学期望的性质)sin()cos()]sin()cos([)(=+=+=EZ t EY t t Z t Y E t EX θθθθ又因为Y 、Z 相互独立,故])cos[()()sin()sin()()cos()cos()]sin()cos()][sin()cos([)]()([),(),(σ222θθθθθθθθθs t Z E t s Y E t s t Z t Y s Z s Y E t X s X E t s t s RBxX-=+=++===DX(t)=5、有随机变量函数的概率密度公式知:X(t)的一维概率密度:0,/)/ln ()(/)()()()(>-='='=t tx t x f y x y f x y y f x fX(t)的均值函数和相关函数为:dy e y f E t EX ytYte ⎰∞--==0)()()( dy y f e eeE t X t X E t t R t t y Yt Yt x )(][)]()([),(0)(21212121⎰∞+---===6、m(t)=E(Z t )=E[]=0,R(s,t)=E(Zs )=E===。
- 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)。
第二章 随机过程分析1.1 学习指导 1.1.1 要点随机过程分析的要点主要包括随机过程的概念、分布函数、概率密度函数、数字特征、通信系统中常见的几种重要随机过程的统计特性。
1. 随机过程的概念 随机过程是一类随时间作随机变化的过程,它不能用确切的时间函数描述。
可从两种不同角度理解:对应不同随机试验结果的时间过程的集合,随机过程是随机变量概念的延伸。
2. 随机过程的分布函数和概率密度函数如果ξ(t )是一个随机过程,则其在时刻t 1取值ξ(t 1)是一个随机变量。
ξ(t 1)小于或等于某一数值x 1的概率为P [ ξ(t 1) ≤ x 1 ],随机过程ξ(t )的一维分布函数为F 1(x 1, t 1) = P [ξ(t 1) ≤ x 1] (2-1)如果F 1(x 1, t 1)的偏导数存在,则ξ(t )的一维概率密度函数为1111111(,)(, ) (2 - 2)∂=∂F x t f x t x对于任意时刻t 1和t 2,把ξ(t 1) ≤ x 1和ξ(t 2) ≤ x 2同时成立的概率{}212121122(, ; , )(), () (2 - 3)F x x t t P t x t x ξξ=≤≤称为随机过程ξ (t )的二维分布函数。
如果2212122121212(,;,)(,;,) (2 - 4)F x x t t f x x t t x x ∂=∂⋅∂存在,则称f 2(x 1, x 2; t 1, t 2)为随机过程ξ (t )的二维概率密度函数。
对于任意时刻t 1,t 2,…,t n ,把{}n 12n 12n 1122n n ()(),(),,() (2 - 5)=≤≤≤L L L F x x x t t t P t x t x t x ξξξ,,,;,,,称为随机过程ξ (t )的n 维分布函数。
如果n n 12n 12n n 12n 12n 12n(x )() (2 - 6)∂=∂∂∂L L L L L F x x t t t f x x x t t t x x x ,,,;,,,,,,;,,,存在,则称f n (x 1, x 2, …, x n ; t 1, t 2, …, t n )为随机过程ξ (t )的n 维概率密度函数。
3. 随机过程的数字特征 随机过程的数字特征主要包括均值、方差、自相关函数、协方差函数和互相关函数。
随机过程ξ (t )在任意给定时刻t 的取值ξ (t )是一个随机变量,其均值为[]1()(, )d (2 - 7)E t xf x t x ξ∞-∞=⎰其中,f 1(x , t )为ξ (t )的概率密度函数。
随机过程ξ (t )的均值是时间的确定函数,记作a (t ),它表示随机过程ξ (t )的n 个样本函数曲线的摆动中心。
随机过程ξ (t )的方差的定义如下:{}2[()][()()] (2 - 8)D t E t a t ξξ=-随机过程ξ (t )的方差常记作σ2(t )。
随机过程ξ (t )的方差的另一个常用的公式为()()()()()()()2222222212[()]2()[()]()=(,)d () (2 - 9)D ξtE ξt a t ξt a t E ξt a t E ξt a t E ξt a t f x t x a t x∞-∞⎡⎤=-+⎡⎤⎣⎦⎣⎦=-+⎡⎤⎣⎦=--⎰也就是说,方差等于均方值与均值平方之差,它表示随机过程在时刻t ,对于均值a (t )的偏离程度。
随机过程ξ (t )的相关函数的定义如下:1212122121212(,)[()()](,;,)d d (2 - 10)R t t E t t x x f x x t t x x ξξ∞∞-∞-∞==⎰⎰式中, ξ (t 1)和ξ (t 2)分别是在t 1和t 2时刻观测得到的随机变量。
R (t 1, t 2)是两个变量t 1和t 2的确定函数。
随机过程ξ (t )的相关函数表示在任意两个时刻上获得的随机变量之间的关联程度。
随机过程ξ (t )的协方差函数的定义如下:{}12112211222121212(,)[()()][()()] [()][()](,;,)d d (2 - 11)B t t E t a t t a t x a t x a t f x x t t x x ξξ∞∞-∞-∞=--=--⎰⎰式中,a (t 1)、a (t 2)分别是在t 1和t 2时刻得到的ξ (t )的均值;f 2 (x 1, x 2; t 1, t 2)是ξ (t )的二维概率密度函数。
B (t 1, t 2) 与R (t 1, t 2)之间有如下关系式:121212(,)(,)()() (2 - 12)B t t R t t a t a t =-若a (t 1) = a (t 2)=0,则B(t 1, t 2) = R(t 1, t 2)。
随机过程ξ (t )和η(t )的互相关函数的定义如下:ξη1212(,)[()()] (2 - 13)R t t E t t ξη=4. 平稳过程及其性质 平稳过程包括严平稳过程(强平稳过程或狭义平稳过程)和广义平稳过程。
如果随机过程ξ(t )的任意有限维分布函数与时间起点无关,也就是说,对于任意的正整数n 和所有实数∆,有n 12n 12n n 12n 12n (,,,,,,)(,,,,,,) (2 - 14)f x x x t t t f x x x t t t ∆∆∆=+++L L L L ;;则称该随机过程是严格意义下的平稳随机过程,简称严平稳随机过程。
严平稳随机过程的一维分布函数和均值都与时间无关,二维分布函数和自相关函数都只与时间间隔有关。
把对严平稳随机过程的要求降低到仅仅均值与时间无关和自相关函数只与时间间隔有关的随机过程定义为广义平稳随机过程。
严平稳随机过程必定是广义平稳的,反之不一定成立。
平稳随机过程具有各态历经性(遍历性)。
因此,在求解各种统计平均时,无需无限多次的样本,只要获得一次考察,用一次实现的“时间平均”值代替平稳随机过程的“统计平均”值即可,从而使测量和计算大为简化。
平稳过程ξ(t )的功率谱密度与其自相关函数是一付立叶变换对。
据此,可以得到两条结论:平稳过程ξ(t )的功率等于其自相关函数在零点的取值R (0);各态历经过程任一样本函数的功率谱密度等于平稳过程的功率谱密度。
5. 高斯过程高斯过程又被称为正态随机过程。
如果随机过程ξ(t )的任意n 维(n =1, 2, ...)分布均服从正态分布,则称它为正态过程或高斯过程,其n 维正态概率密度函数表示式为()n 12n 12n /2j j k kjk 11j k i1(,,...,; ,,...,)2π1 exp || (2 - 15)2||n n n n j k i f x x x t t t x a x a B B σσσ-===⎡⎤⎛⎫-⎛⎫--=⎢⎥ ⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦∑∑ 其中,数学期望a k = E [ξ(t k )];方差σ2k = E [ξ(t k ) - a k ]2;归一化协方差矩阵行列式[]{}121nj j k k 212njk j kn1n21()()1||,1b b E t a t a b b B b b b ξξσσ⎡⎤--⎣⎦==K K M M M MK如果高斯过程在不同时刻不相关,则它们也是统计独立的。
高斯过程经过线性系统后,其系统输出也是高斯过程。
6. 窄带随机过程如果随机过程ξ(t )的谱密度集中在中心频率f c 附近相对窄的频带范围∆f 内,即满足∆f << f c 的条件,且 f c 远离零频率,则称其为窄带随机过程。
随机过程ξ(t )可以表示为ξc ξξ()()cos[()],()0 (2 - 16)t a t t t a t ξωϕ=+≥其中,a ξ(t )为随机包络;ϕξ(t )为随机相位;ωc 为中心角频率。
显然,a ξ(t )和ϕξ(t )的变化相对于载波产生的相移(ωc t )的变化要缓慢得多。
将窄带随机过程表示式展开为c c s c ()()cos()()sin() (2 - 17)t t t t t ξξωξω=-其中,ξc (t ) = a ξ(t )cos[φξ(t )];ξs (t ) = a ξ(t )sin[φξ(t )]。
ξc (t )和ξs (t )分别被称为同相分量和正交分量。
窄带随机过程ξ(t )的统计特性可以由a ξ(t )和ϕξ(t )或ξc (t )和ξs (t )的统计特性确定。
若ξ(t )的统计特性已知,则a ξ (t )和ϕξ (t )或ξc (t )和ξs (t )的统计特性也随之确定。
由于ξ(t )平稳且均值为零,故对于任意的时间t ,都有E [ξ(t )] = 0 ,所以c s [()]0[()]0 (2 - 18)E t E t ξξ==,若窄带过程ξ(t )是平稳的,则ξc (t )和ξs (t )也是平稳的。
平稳窄带随机过程ξ(t )的自相关函数可以表示为ξc c cs c c c sc c ()()cos()()sin()()cos()()sin() (2-19)R R R R R ττωττωττωττωτ=-=+一个均值为零的窄带平稳高斯过程ξ(t ),它的同相分量ξc (t )和正交分量ξs (t )同样是平稳高斯过程,而且均值为零,方差也相同。
此外,在同一时刻上得到的ξc (t )与ξs (t )是统计独立的。
a ξ服从瑞利(Rayleigh)分布,ϕξ服从均匀分布。
7. 高斯白噪声和带限白噪声电子系统中常见的热噪声近似为白噪声,白噪声的幅值服从高斯分布。
因此,在通信系统中,常用高斯白噪声作为信道中的噪声模型。
白噪声通过一个有限带宽的信道或滤波器后,输出噪声的带宽就是有限的,如果其频谱在信道或滤波器的通带内仍具有白色特性,则称其为带限白噪声。
白噪声n (t )的功率谱密度在所有频率上均为常数,即n () (,) (2 - 20)2n P f f =∈-∞+∞ 或者n 0() (0,) (2 - 21)P f n f =∈+∞其中,n 0为正常数。
式(2 – 20)是白噪声n (t )的双边功率谱密度,式(2 – 21)是其单边功率谱密度。
白噪声n (t )的自相关函数为()() (2 - 22)2n R τδτ=上式表明,白噪声仅在τ = 0时才相关,而在任何两个不同时刻的随机变量都是不相关的。
如果白噪声幅值的概率分布服从高斯分布,则称之为高斯白噪声。
高斯白噪声在任意两个不同时刻上的随机变量之间,不仅是互不相关的,而且还是统计独立的。
带限白噪声一般包括低通白噪声和带通白噪声。