第一章 随机过程的基本概念与基本类型
一．随机变量及其分布
1．随机变量X, 分布函数)()(xXPxF
离散型随机变量X的概率分布用分布列 )(kkxXPp 分布函数kpxF)(
连续型随机变量X的概率分布用概率密度)(xf 分布函数xdttfxF)()(
2．n维随机变量),,,(21nXXXX
其联合分布函数),,,,(),,,()(221121nnnxXxXxXPxxxFxF
离散型 联合分布列 连续型 联合概率密度
３．随机变量的数字特征
数学期望：离散型随机变量X kkpxEX 连续型随机变量X
dxxxfEX)(
方差：222)()(EXEXEXXEDX 反映随机变量取值的离散程度
协方差两个随机变量YX,：EYEXXYEEYYEXXEBXY)()])([(
相关系数两个随机变量YX,：DYDXBXYXY 若0,则称YX,不相关;
独立不相关0
４．特征函数)()(itXeEtg 离散 kitxpetgk)( 连续 dxxfetgitx)()(
重要性质：1)0(g,1)(tg,)()(tgtg,kkkEXig)0(
母函数：0)()(kkkkzpzEzg !)0()(kgpkk )1()('gXE
2''")]1([)1()1()(gggXD
５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 qXPpXP)0(,)1( pEX pqDX
二项分布 knkknqpCkXP)( npEX npqDX
泊松分布 !)(kekXPk EX DX 均匀分布略
正态分布),(2aN 222)(21)(axexf aEX 2DX
指数分布
概率论与随机过程考点总结
Company number：【0089WT-8898YT-W8CCB-BUUT-202108】 第一章 随机过程的基本概念与基本类型
一．随机变量及其分布
1．随机变量X， 分布函数)()(xXPxF
离散型随机变量X的概率分布用分布列 )(kkxXPp 分布函数kpxF)(
连续型随机变量X的概率分布用概率密度)(xf 分布函数xdttfxF)()(
2．n维随机变量),,,(21nXXXX
其联合分布函数),,,,(),,,()(221121nnnxXxXxXPxxxFxF
离散型 联合分布列 连续型 联合概率密度
３．随机变量的数字特征
数学期望：离散型随机变量X kkpxEX 连续型随机变量X
dxxxfEX)(
方差：222)()(EXEXEXXEDX 反映随机变量取值的离散程度
协方差（两个随机变量YX,）：EYEXXYEEYYEXXEBXY)()])([(
相关系数（两个随机变量YX,）：DYDXBXYXY 若0，则称YX,不相关。
独立不相关0
４．特征函数)()(itXeEtg 离散 kitxpetgk)( 连续 dxxfetgitx)()(
重要性质：1)0(g，1)(tg，)()(tgtg，kkkEXig)0(
母函数：0)()(kkkkzpzEzg !)0()(kgpkk )1()('gXE
2''")]1([)1()1()(gggXD
５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 qXPpXP)0(,)1( pEX pqDX
二项分布 knkknqpCkXP)( npEX npqDX
概率论中的随机过程与随机变量的关系
概率论是数学的一个分支，研究的是随机现象的规律性。在概率论中，随机过程和随机变量是两个重要的概念，它们之间存在着密切的联系和相互依赖关系。
一、随机过程的定义和特点
随机过程是一类随机现象的数学模型，它描述了随机现象在时间上的演变规律。在随机过程中，时间是一个重要的因素，它可以是离散的也可以是连续的。
随机过程可以用集合 {X(t)，t∈T} 表示，其中 X(t) 是随机变量，t 是时间参数，T 是时间集合。随机过程可以看作是时间的函数，它的取值是一个随机变量。
随机过程具有以下特点：
1. 随机性：随机过程的取值是随机变量，其取值是不确定的，具有一定的概率分布。
2. 演变性：随机过程描述了随机现象在时间上的演变规律，即随机变量随时间的变化情况。
3. 依赖性：随机过程中的不同时刻的随机变量之间可能存在依赖关系，即后一时刻的取值可能依赖于前一时刻的取值。
二、随机变量与随机过程的关系
随机变量是随机过程的基础，随机过程是随机变量的推广和扩展。在随机过程中，时间参数 t 的取值可以是离散的或连续的，对应的随机变量也有不同的定义。
1. 离散时间的随机过程与随机变量
当时间参数 t 是离散的时，随机过程可以看作是一系列随机变量的集合。每个随机变量表示了随机过程在不同的时间点上的取值。例如，抛掷一枚硬币的结果可以看作是一个离散时间的随机过程，其中每个时间点上的随机变量表示硬币正面朝上的概率。
2. 连续时间的随机过程与随机变量
当时间参数 t 是连续的时，随机过程可以看作是一个函数，函数的取值是随机变量。例如，某股票价格的变动可以看作是一个连续时间的随机过程，其中函数的取值表示了股票价格在不同时间点上的随机变化。
三、随机过程的分类
随机过程可以根据其状态空间、时间参数的类型以及具体的概率分布来进行分类。
1. 离散状态空间的随机过程和连续状态空间的随机过程
离散状态空间的随机过程是指随机变量的取值是离散的，例如抛硬币的结果只有正面和反面两种可能。而连续状态空间的随机过程是指随机变量的取值是连续的，例如股票价格可以取任意实数值。
随机过程的基本概念和分类
随机过程是概率论中重要的概念之一，广泛应用于各个领域，包括金融、电信、工程等。本文将介绍随机过程的基本概念和分类，以帮助读者更好地理解和应用随机过程。
一、基本概念
随机过程是指一簇随机变量的集合，其中每个随机变量代表某个时间点的取值。随机过程可以用数学形式表示为{X(t), t∈T}，其中X(t)表示时间t时刻的取值，T表示时间的取值范围。
在随机过程中，时间是一个重要的概念。时间可以是离散的，也可以是连续的。当时间是离散的时候，随机过程称为离散随机过程；当时间是连续的时候，随机过程称为连续随机过程。离散随机过程常用于描述离散事件，如投掷硬币的结果；而连续随机过程常用于描述连续变化的现象，如股票价格的变动。
二、分类
随机过程可以根据其状态空间和时间的特性进行分类。下面将介绍常见的几种分类方式。
1. 马尔可夫过程(Markov Process)
马尔可夫过程是一种具有"无记忆性"的随机过程，即在给定当前状态下，未来的发展仅依赖于当前状态，而与过去的状态无关。马尔可夫过程可以是离散的或连续的，常用于建模和分析具有动态特性的系统，如排队论、信道传输等。
2. 马尔可夫链(Markov Chain)
马尔可夫链是马尔可夫过程的特例，它具有离散的状态空间和离散的时间。马尔可夫链是一种时间齐次的马尔可夫过程，即系统的转移概率在不同的时间点保持不变。马尔可夫链常用于描述离散状态的随机系统，如天气的转变、赌博游戏的输赢等。
3. 马尔可夫跳过程(Markov Jump Process)
马尔可夫跳过程是一种具有离散和连续混合特性的随机过程。它在连续时间间隔内可能发生状态的跳跃，并且在一个状态下停留的时间是指数分布的。马尔可夫跳过程广泛应用于电信系统、金融市场等领域。
4. 广义随机过程(Generalized Stochastic Process)
广义随机过程是一种对传统随机过程进行扩展的概念。传统随机过程假设满足马尔可夫性质和连续性，而广义随机过程则放宽了对这些性质的要求，可以更好地描述一些特殊的随机现象。
