




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
StochasticProcessesCollegeofScience,HohaiUniversity第二章随机过程的基本概念及分类引例例1用X(t)表示某手机在大年初一早上从8:00开始经过t时刻收到的短信数。例2顾客来到服务站要求服务,当服务站中的服务员都正在为别的顾客服务时,来到的顾客就要排队等待服务。由于顾客的来到时间一般是随机的,每个顾客所需要的服务时间一般也是随机的,令X(t)表示t时刻的队长(服务的顾客加等待的顾客),Y(t)表示为t时刻来到的顾客所需要等待的时间。例3用X(t)表示南京下关某处t日早上8:00的水位高度。例4设质点Q在一直线上移动,每单位时间移动一次,且只能在整数点上移动。用X(t)表示t时刻该质点所处的位置。例5
VerticalDensityProfile(VDP)
Manufacturersofengineeredwoodboards,whichincludeparticleboardandmediumdensityfiberboard,areveryconcernedaboutthedensitypropertiesoftheboardbecausetheydetermineitsmachinability.Thedensityismeasuredusingaprofilometerthatusesalaserdevicetotakemeasurementsatfixeddepthsacrossthethicknessoftheboard.Themeasurementsonasampleformtheverticaldensityprofile(VDP)oftheboard.ThisVDPconsistsof314measurementstaken0.002inchesapart.24profilesareshowninFigure.24profilesinVerticalDensityProfile(VDP)随机过程的定义(,F,P)为一概率空间,T(,+)为参数集。若对任一tT,有一个定义在(,F,P)随机变量X(t,)(或Xt()),,与之对应,则称{X(t,),tT}为随机过程(StochasticProcesses)。简记{X(t),tT}(或{Xt,tT})(s.p.)。随机过程的值域E(状态空间):随机过程{X(t),tT}的可能取值范围。随机过程的状态:E中的元素。或者
X(t,)是一个二元函数:固定t,X(t,)是一个随机变量;(随机过程在t时刻的状态)固定,X(t,)是一个实值函数;(随机过程的样本函数或样本曲线、现实或轨道)随机过程的有限维分布函数族{X(t),tT}是一个随机过程,t1T,X(t1)是r.v.,它的分布函数记作F(x1;t1)=P{X(t1)x1},称为随机过程的一维分布函数。若存在二元非负可积函数f(x1;t1)满足f(x1;t1)----s.p.X(t)的一维密度函数。t1,t2T,{X(t1),X(t2)}是二维r.v.若存在非负可积函数f(x1,x2;t1,t2)满足f(x1,x2;t1,t2)----s.p.X(t)的二维密度函数。F(x1,x2;t1,t2)=P{X(t1)x1,X(t2)x2},称为s.p.X(t)的二维分布函数。一般地,t1,t2,,tnT,若存在非负可积函数f(x1,x2,,xn;t1,t2,,tn)满足f(x1,,xn;t1,,
tn)----s.p.X(t)的n维密度函数。F(x1,x2,,xn;t1,t2,,tn)=
P{X(t1)x1,X(t2)x2,,X(tn)xn},称为s.p.X(t)的n维分布函数。{F(x1,x2,,xn;t1,t2,,tn),t1,t2,,tnT,n1}称为s.p.X(t)的有限(穷)维分布函数族。{f(x1,x2,,xn;t1,t2,,tn),t1,t2,,tnT,n1}称为s.p.X(t)的有限(穷)维密度函数族。例
s.p.X(t)=A+Bt,t
0,其中A和B是独立的r.v.,分别服从正态分布N(0,1)。求X(t)的一维和二维分布。有限维分布函数族的性质(1)对称性对(1,2,,n)的任意一种排列(j1,j2,,jn),有(2)相容性对m<n,有例
s.p.X(t)=Acost,<t<
,其中A为r.v.,具有分布律求(1)一维分布函数F(x;/4),F(x;/2);(2)二维分布函数F(x1,x2;0,/3)。随机过程的数字特征1均值函数和方差{X(t),tT}是一个随机过程,tT,X(t)是r.v.E(X(t))=m(t)----s.p.X(t)的均值函数(期望函数)X(t)为离散型,且分布律为P{X(t)=xi},则X(t)为连续型,且密度为f(x;t),则D(X(t))=D(t)=E{[X(t)m(t)]2}----s.p.X(t)的方差函数X(t)为离散型,且分布律为P{X(t)=xi},则X(t)为连续型,且密度为f(x;t),则----s.p.X(t)的标准差函数=E{[X(t)]2}
m2(t)2(t)=E{[X(t)]2}----s.p.X(t)的均方值函数2协方差函数和相关函数{X(t),tT}是一个随机过程t1,t2T,X(t1),X(t2)是二个r.v.C(t1,t2)=Cov(X(t1),X(t2))----s.p.X(t)的自协方差函数(简称协方差函数)=E[X(t1)X(t2)]m(t1)m(t2)D(t)=C(t,t)=Cov(X(t),X(t))特别C(t1,t2)=E{[X(t1)m(t1)][X(t2)m(t2)]}R(t1,t2)=E[X(t1)X(t2)]----s.p.X(t)的(自)相关函数C(t1,t2)=E[X(t1)X(t2)]E[X(t1)]E[X(t2)]=R(t1,t2)m(t1)m(t2)当m(t)=0时C(t1,t2)
=R(t1,t2)易有R(t2,t1)
=R(t1,t2)----对称性例随机相位正弦波
X(t)=acos(0t+)
,<t<+其中a和0是正常数,r.v.~U[0,2]。求X(t)的期望、方差和相关函数。例
s.p.X(t)总共只有两条样本曲线X(t,1)=acost,X(t,2)=acost
其中常数a>0,且P{1}=2/3,P{2}=1/3。求X(t)的均值函数和相关函数。两个随机过程的数字特征{X(t),tT},{Y(t),tT}是二个随机过程,称{(X(t),Y(t))T,tT}为二维随机过程。为m+n维随机变量,其联合分布函数为称为二维s.p.{(X(t),Y(t))T,tT}的m+n维联合分布函数。令yi+,i=1,,m,可得(X(t1),X(t2),,X(tn))T的n维分布函数。同理,令xi+,i=1,,n,可得(Y(t’1),Y(t’2),,Y(t’m))T的m维分布函数。记----X(t)与Y(t)相互独立{X(t),tT},{Y(t),tT}是二个随机过程E(X(t))=mX(t);E(Y(t))=mY(t)CXY(t1,t2)=Cov(X(t1),Y(t2))=E[X(t1)Y(t2)]mX(t1)mY(t2)CXY(t1,t2)=E{[X(t1)mX(t1)][Y(t2)mY(t2)]}----s.p.X(t)与Y(t)的互协方差函数RXY(t1,t2)=E[X(t1)Y(t2)]----s.p.X(t)与Y(t)的互相关函数=
RXY(t1,t2)mX(t1)mY(t2)CXY(t1,t2)=
E[X(t1)Y(t2)]mX(t1)mY(t2)若CXY(t1,t2)=0或RXY(t1,t2)=mX(t1)mY(t2)----s.p.X(t)与Y(t)的不相关结论若s.p.X(t)与Y(t)的相互独立,则X(t)与
Y(t)不相关。随机过程的分类1按参数集T和值域E离散与否分类(1)参数离散,状态离散;T、E皆离散(2)参数离散,状态非离散;T离散、E非离散特别:T离散、E连续(3)参数非离散,状态离散;T非离散、E离散特别:T连续、E离散(4)参数、状态皆非离散;T、E皆非离散特别:T、E皆连续2按s.p.的概率结构来分独立随机过程;独立增量随机过程;Markov过程;平稳随机过程。几种常用随机过程1独立随机过程{X(t),tT}是一个s.p.若对任意n个不同的t1,t2,,tnT,X(t1),X(t2),,X(tn)都相互独立,称{X(t),tT}是独立s.p.2独立增量随机过程{X(t),tT}是一个s.p.若对任意n个t1,t2,,tnT,且t1<t2<<tn,增量X(t2)X(t1),X(t3)X(t2),,X(tn)X(tn1)是相互独立的,称{X(t),tT}是独立增量s.p.其中T=[0,+),独立增量过程也叫可加过程。若X(t)还满足:对任意的t,t+T(>0),增量X(t+)X(t)的概率分布只依赖于而与t无关,则称s.p.X(t)为齐次增量过程(或具有平稳增量){X(t),t0
}是独立增量过程,令Y(t)=X(t)X(0),t0,Y(t)与X(t)有相同的增量,所以Y(t)亦为独立增量过程,且有P{Y(0)=0}=1,故对于一般的独立增量过程可以假设P{X(0)=0}=1。例设X(t),tT={t1,t2,}为独立的r.v.序列,证明为独立增量过程。3正态随机过程(Gauss过程)若s.p.{X(t),tT}的任一有限维分布都是正态分布,则称该过程为正态过程(Gauss过程)。即对n
1,t1,t2,,tnT,有式中正态过程的性质:(1)正态过程的有限维分布族可由其一、二阶矩完全确定;(2)正态过程的不相关性与相互独立性等价;(3)正态过程在线性变换下保持其正态性。
即正态过程的线性变换仍然是正态过程4马尔可夫过程(Markov过程){X(t),tT}是一个s.p.若对tT,给定X(t)的值后,对sT且s>t,X(s)的取值与那些uT且u<t的X(u)的取值无关。则称{X(t),tT}是一个Markov过程。简称马氏过程。即将来只与现在有关而与过去无关,又称为无后效性。5维纳过程(Wiener过程)(或Brown运动)s.p.{X(t),tT}若满足:(1)
X(0)=0;(2)
X(t)是齐次独立增量过程;(3)t>0,X(t)~N(0,2t)。称X(t)为Wiener过程或Brown运动。若=1,则称X(t)为标准Wiener过程。维纳过程的性质:(1)维纳过程是一种马氏过程;(2)E(X(t))=0,D[X(t)]=2t,
R(t1,t2)=2min(t1,t2)。(3)t1,t2,,tn,且0=t0<t1<<tn<+,有X(ti)X(ti-1)~N(0,2(titi-1)),i=1,2,,n
(4)X(t),t0为Wiener过程,则对t1,t2,,tn,且0=t0<t1<<tn<+,有D[X(ti)]=2ti,1in;
R(ti,tj)=E[X(ti)X(tj)]=2ti,i,j=1,2,,n,i<j
例铁路工程队每天铺一段长为li的路轨。假设由于生产钢轨的误差,使得每段钢轨与标定的长度l0之差li=lil0,i=1,2,均具有正态分布N(0,02),且彼此相互独立。现考察第n(n=1,2,)天时,铺轨的总长度L(n)与标定总长度L0(n)的统计性质。6泊松过程(Poisson过程)考察一个来到某“服务点”要求服务的“顾客流”,顾客到服务点的到达过程就是一个泊松过程(Poisson过程)。s.p.{X(t),t0}若满足:(1)
X(t)0,X(0)=0,X(t)取整数值;(2)0t1<t2,有X(t1)X(t2);(3)0t1<t2,有X(t2)X(t1)代表在时间间隔(t1,t2]上事件出现的次数;称{X(t),t0}为计数过程。若X(t)还是独立增量过程,则称{X(t),t0}为独立增量计数过程。{X(t),t0}是一个计数过程,且满足(1)
X(0)=0(a.e.);(2)
X(t)是独立增量过程;(3)t1,t2T=[0,+),t1<t2,增量X(t2)X(t1)服从参数为(t2
t1)的Poisson分布,即称{X(t),t0}为具有参数为的
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 2025至2030中国港口码头行业未来建设及未来发展前景展望报告
- 平台二手载货车交易合同(3篇)
- 单位设备买卖合同模板
- 股票期权赠与合同9篇
- 学生学期实习合同6篇
- 枇杷苗木供应合同9篇
- 司机的劳动合同模板310字8篇
- 规范借款合同范本10篇
- 2025年中国双圈蜡纸数据监测研究报告
- 2025年安全管理员安全培训考试试题可打印
- 临时聘用司机合同范本
- Q∕GDW 12165-2021 高海拔地区运维检修装备配置规范
- 现代风险导向审计在天衡会计师事务所的应用研究
- JGJ107-2016钢筋机械连接技术规程
- 妇科医生进修汇报课件
- 动态分析与设计实验报告总结
- 2024年江苏省泰州市海陵区中考一模数学试卷
- 从汽车检测看低空飞行器检测发展趋势
- DB32T 4740-2024 耕地和林地损害程度鉴定规范
- 五一节假日安全生产培训
- 中考英语二轮复习课件:中考解题技巧-读写综合
评论
0/150
提交评论