下载文档原格式
随机过程的基本概念随机过程是随机现象的数学模型，是一种以时间为自变量而取随机数值的函数族，是概率论和数理统计中的重要工具之一。
本文将从定义、性质、分类等方面论述随机过程的基本概念。
一、随机过程的定义随机过程是由一个随机变量族{Xt}（t∈T）所组成的集合的统称，其中T为时间参数集合。
换言之，随机过程是时间与随机变量的集合关系，其中随机变量的取值是时间变化的函数。
随机过程可以用X(t)表示，其中t表示时间，X表示在时间t处的随机变量。
简单来说，随机过程就是为一组日期指定随机变量，使得这些随机变量与其日期相关联。
每个随机变量表示特定日期发生的随机事件。
二、随机过程的性质1. 一般随机过程：随机变量群体的每个成员都需要一个完整的概率空间，并且具有一个抽象的时间参数集合。
因此，一般随机过程的样本空间往往是所有该样本空间下所有概率空间的笛卡尔积。
2. 同伦：如果存在同伦t:s→t+s（s∈S）,使得随机过程{Xt}具有相同的联合概率分布，则称该随机过程在t上存在同伦。
3. 马尔科夫性质：在一个离散时间的随机过程中，前时刻的状态随后时刻的状态条件独立，且只与当前状态有关，而与以前的任何状态无关，称之为马尔科夫性质。
三、随机过程的分类1. 离散时间：随机变量在离散位置上取值，时间参数集合为整数集，可表示为{Xn}。
2. 连续时间：随机变量在连续位置上取值，时间参数集合为实数集，可表示为{X(t)}3. 马尔科夫过程：随机过程满足马尔科夫性质的过程，由此得名。
4. 二元过程：仅具有两个状态变量，称之为二元过程。
四、随机过程的应用随机过程广泛应用于电信、生物工程、金融、天气预报等领域。
其中，离散时间的随机过程广泛应用于通信领域，如编码、压缩、调制等；连续时间的随机过程用于天气预报、环境工程、资产定价等领域。
在工程领域，随机过程也有广泛应用。
例如，可以使用随机过程模型预测质量的保证水平。
需要重视的是，应用随机过程模型时，要注意模型的精度和可行性，避免虚假模型带来的风险。
第二章 随机过程的一般概念2.1 随机过程的基本概念和例子定义2.1.1：设(P ,,F )Ω为概率空间，T 是某参数集，若对每一个，是该概率空间上的随机变量，则称为随机过程(Stochastic Process)。
T t ∈),(w t X ),w t (X 随机过程就是定义在同一概率空间上的一族随机变量。
随机过程可以看成定义在),(w t X Ω×T 上的二元函数，固定Ω∈0w ，即对于一个特定的随机试验，称为样本路径(Sample Path)，或实现(realization)，这是通常所观测到的过程；另一方面，固定，是一个随机变量，按某个概率分布随机取值。
),(0w t X T t ∈0),(0w t X抽象一点：令，即∏∈=Tt T R R T R 中的元素为),(T t x X t t ∈=,为其Borel域(插乘)(T R B σ域)，随机过程实质上是()F ,Ω到())(,T T R R B 上的一个可测映射，在())(,T TR RB 上诱导出一个概率测度：T P ()B X P B P R B T T T ∈=∈∀)(),(B 。
一般代表的是时间。
根据参数集T 的性质，随机过程可以分为两大类： t 1)为可数集，如T {}L ,2,1,0=T 或{}L L ,1,0,1,−=T ，称为离散参数随机过程，也称为随机序列；2)为不可数集，如T {}0≥=t t T 或{}∞<<∞−=t t T ，称为连续参数随机过程。
随机过程的取值称为过程所处的状态(State)，所有状态的全体称为状态空间(State Space)。
通常以表示随机过程的状态空间。
根据状态空间的特征，一般把随机过程分为两大类：T t t X ∈),(S 1) 离散状态，即取一些离散的值； )(t X 2)连续状态，即的取值范围是连续的。
)(t X离散参数离散状态随机过程： Markov 链 连续参数离散状态随机过程： Poisson 过程 离散参数连续状态随机过程： *Markov 序列连续参数连续状态随机过程： Gauss 过程，Brown 运动例2.1.1：一醉汉在路上行走，以的概率向前迈一步，以q 的概率向后迈一步，以p r 的概率在原地不动，1=++r q p ，选定某个初始时刻，若以记它在时刻的位置，则就是直线上的随机游动(Random Walk)。
