随机过程课件第4讲

任意时刻下，观测目的是X取什么值；全程的情况下， 观测目的是X(t)的函数形式.
7
12.1 随机过程的概念
随机相位正弦波
随机过程举例
考虑： X (t) a cos(t ), t (,)
式中 a,是正常数，是 (0, 2 ) 上服从均匀分布的随机变量。
当 在(0, 2 ) 内随机的取一个值 i ，可得样本函数：
2
0 cos(t1 ) cos(t2 ) f ( )d
a2
2
2
0 cos(t1 ) cos(t2 )d
a2
4
2
0 {cos[(t1 t2 ) 2 ] cos(t1 t2 )}d
a2 2
cos (t1
t2 )
方差函数
2 X
(t)
RX
(t , t )
2 X
(t)
a2 2
18
12.2 随机过程的统计描述
随机过程举例
抛掷一枚硬币的试验，样本空间是S={H,T}, 现借此定义随机过程：
cos t,
X (t) t，
当出现H, 当出现T,
t (, )
可将此随机过程改写为
X (t) Y cost (1Y )t ,
其中
Y
1, 0,
出现H 出现T
,
t (, )
X对Y和t的依赖，决定了X是一个随机过程. 确定了 Y之后，即可确定任意时刻和全程的观测结果.
集平均(统计平均)
X (t)是随机过程的所有样本函数在时刻 t 的函数值的平均值，通常称
这种平均为集平均或统计平均。
12
12.2 随机过程的统计描述
(二) 随机过程的数字特征
均方值函数
Ψ

随机过程的统计描述 二 有限维分布族
两种描述
分布函数 特征数
设随机过程X (t),t T,对每一固定的t T ,随机变量X (t)的分布函数与t有关， 记为FX (x,t) PX (t) x，x R，称它为随机过程X (t),t T的一维分布函数 FX (x,t),t T称为一维分布函数族
为了描述随机过程在不同时刻状态之间的统计联系， 一般地，对任意n(n 2,3,L )个不同的时刻，t1,t2,L tn T
研究生课程
随机过程
汪荣鑫编 主讲教师：田ቤተ መጻሕፍቲ ባይዱ俊
2013年9月
第一章 随机过程基本概念
第1节 随机过程及其概率分布
1）随机过程概念 随机过程被认为是概率论的“动力学”部分，即
它的研究对象是随时间演变的随机现象，它是从 多维随机变量向一族(无限多个)随机变量的推广。
自然界中事物的变化过程可以大致分成为两类： 确定性过程：事物变化的过程可用时间的确定函数表示；
4
x1 (t )
3
2
1
t1' t1 t2 t2' t3 t3' t4' t4
t
4
例5：考虑抛掷一颗骰子的试验：
(1) 设X n是第n次(n 1)抛掷的点数，对于n 1, 2,L 的不同值，
X n是随机变量，服从相同的分布，P( X n
i)
1 6
,i
1, 2,3, 4,5, 6
因而X n , n 1构成一随机过程，称为伯努利过程或伯努利随机序列,
它的状态空间为1,2,3,4,5,6。
(2) 设Yn是前n次抛掷中出现的最大点数,Yn , n 1也是
一随机过程，它的状态空间仍是1, 2,3, 4,5, 6。

xk (t), k 1, 2,....., m ; 即 x (t) { xk (t); k 1, 2,....., m } 对 随 机 变 量 x (t )的 各 样 本 函 数 进 行 采 样 ， 对 应 于 时 刻 t t1 , t2 , ...., tn 可 设 几 个 离 散 型随机变量：
§2.1 随机过程的概念及其统计特性
1、 随机过程的概念 例子：热噪声电压。（有电子元器件内部微观粒子 （如电子）的随机热运动所引起的端电压。用一 台高灵敏无线电接收机，观测“热噪声电压” （无信号输入），n次观测结果分别 为，X 1 ( t ) ，X 2 ( t ) ，….，X n ( t ) 。 如图所示。可以看出，每次观测到热噪声电压都是 不同的，且在观测之前是不可预测的，即每次的 观测结果是随机的。
只取V0(或t ) 12两个值。
• 3 0 连续型随机序列
• 时间是离散的，状态是连续的。在任一离散 时刻的状态是连续型随机变量。对连续型随
机过程进行等时间间隔采样，即设到连续随 机序列。
• { ， ……， }。 X(nt) X (t) X (2t)
X (nt)
• 4 0 离散随机序列
• 状态和时间均是离散的。
• 将连续型随机信号经过数模转换等间隔采 样后，即为离散随机序列。简称为随机序 列或随机数字信号。
• 若采样间隔为 t ：X (t) ，X (2t) ……，X (nt)。或记 为： ， X (1 ) X ( 2 ) ……，X ( n ) 。
• 以为时间按间隔增长，故常称离散随机序 列为时间序列。这类随机信号是本课程讨 论的主要对象。
• 按随机过程的分布函数（或概率密度）的 不同特性分：
• （1）平稳随机过程； • （2）马儿可夫（Markov）过程； • （3）独立增量过程； • （4）独立随机过程； • 等等

。每个可能取的值称为一个状态。
对随机过程 {X (t) , t T} 进行一次试验 (即在 T 上进行一次全程观测) , 其结果是 t 的函数, 记为
x(t) , t T , 称它为随机过程的一个 样 本 函 数 或 样本曲线 .
所有不同的试验结果构成一族样本函数.
随机过程 总体
样本函数 个体
（4）连续参数、连续状态的随机过程。如例3，T=[0，∞]， 状态空间为[-∞，∞]。
离散参数的随机过程亦称为随机序列。
四、随机过程的分布函数族
给定随机过程 {X (t),t T}.
对固定的 t T, 随机变量 X (t) 的分布函数一 般与 t 有关, 记为 FX (x,t) P{X (t) x}, x R.
1 0.5
-4
-2
-0.5
2
4
-1
当t固定时,X(t)是随机变量,故{X(t), t>0}是一族随机变量。
另一方面，对随机变量 做一φ次试验得一个试验值 ，
就是一条样本曲线。X (t) a cos(0t )
二、随机过程的概念
1 定义 参数集：设T是实数轴 (, )上的一个子集，且包含无限多
个数。随机过程是一族随机变量，可用 {X (t),t T} 来表示。T称为 随机过程的参数集。
在次概数率是论一中个曾随指机出变，量在，单记位X时(t间)为内[0一,t]电内话的站呼接叫到次的数呼唤 次数可用一离散型随机变量 X()表示，且有
P{X() k} k e , k 0, 1,2, ,( 0)
k! 在[0，t]时间内接到的呼唤次数,这一随机变量可记为X(t)。
P{X(t) k} (t)k et , k 0, 1,2, ,( 0)