应用随机过程(一):随机过程的一般概念
对应随机数学(五)随机过程一般概念:随机过程与有限维分布函数族,均值函数、协方差函数与相关函数,马尔可夫性,平稳性与严平稳性,随机过程的分类,两个随机过程的联合分布与互相关函数。
本节导读
从这一节起进入应用随机过程,它在随机数学试卷里分量更重(说明写的比例大约 4∶6)。这一节对应「(五)随机过程一般概念」六条:
- 随机过程的概念;有限维分布函数族。
- 随机过程的数字特征;均值函数、协方差函数与相关函数。
- 马尔可夫性。
- 平稳性;严平稳性。
- 随机过程分类。
- 两个随机过程的联合分布及数字特征
学完要做到:会写一维、二维分布;会求均值函数、相关函数、协方差函数;能判断一个过程是不是宽平稳;说清马尔可夫性和几种分类;会求两个过程的互相关函数。
本节记号:过程 X(t),参数集 T;均值函数 mX(t),相关函数 RX(s,t),协方差函数 CX(s,t)(这里的 C 不是第 16 节的信道容量,也不是第 26 节的电容);宽平稳时相关函数写成时间差的函数 RX(τ)。
随机过程与有限维分布函数族
随机过程是一族随机变量 {X(t),t∈T}。看它有两个角度:固定 t,X(t) 是一个随机变量;固定一次试验结果,X(t) 是一条普通的时间函数,叫样本函数(一次实现)。示波器上看到的一段噪声波形就是一条样本函数。
描述一个过程的统计规律,要用它的有限维分布函数族:对任意 n 和任意 t1,⋯,tn∈T,
F(x1,⋯,xn;t1,⋯,tn)=P{X(t1)≤x1,⋯,X(tn)≤xn}这一族分布满足对称性(时刻与变量同时换序不变)和相容性(多出的变量取 +∞ 就退回低维分布);反过来,满足这两条的分布族一定对应某个随机过程(柯尔莫哥洛夫定理)。
均值函数、协方差函数与相关函数
有限维分布往往难以写全,工程上更常用数字特征:
| 名称 | 定义 | 说明 |
|---|---|---|
| 均值函数 | mX(t)=E[X(t)] | 各时刻的平均值,是 t 的函数 |
| 方差函数 | DX(t)=E[X(t)−mX(t)]2 | 偏离均值的程度 |
| 相关函数 | RX(s,t)=E[X(s)X(t)] | 两个时刻取值乘积的均值 |
| 协方差函数 | CX(s,t)=RX(s,t)−mX(s)mX(t) | 去掉均值后的相关程度 |
CX(t,t)=DX(t),RX(t,t)=E[X2(t)] 是 t 时刻的平均功率。均值为零时相关函数与协方差函数相同。
马尔可夫性
若对任意 t1<t2<⋯<tn<t,
P{X(t)≤x∣X(t1)=x1,⋯,X(tn)=xn}=P{X(t)≤x∣X(tn)=xn}就说过程具有马尔可夫性(无后效性):已知「现在」,「将来」与「过去」无关。具有马尔可夫性的过程叫马尔可夫过程,时间、状态都离散的叫马尔可夫链(第 6 节)。独立增量过程(如泊松过程、布朗运动)都有马尔可夫性。
平稳性与严平稳性
严平稳:任意有限维分布都不随时间平移改变,即对任意 h,(X(t1+h),⋯,X(tn+h)) 与 (X(t1),⋯,X(tn)) 同分布。
宽平稳(广义平稳):E[X2(t)]<∞,均值函数为常数,相关函数只与时间差有关,RX(t,t+τ)=RX(τ)。
两者的关系:严平稳且二阶矩有限 ⇒ 宽平稳;宽平稳一般推不出严平稳,因为它只管到二阶矩;对正态过程,有限维分布由均值和协方差完全确定,宽平稳与严平稳等价。工程上说的「平稳」多指宽平稳,大纲(七)讨论的平稳随机过程也以宽平稳为主(第 8 节)。
随机过程分类
按时间参数和状态取值是离散还是连续,分成四类:
| 类型 | 时间 | 状态 | 例子 |
|---|---|---|---|
| 离散时间、离散状态 | 整数序号 | 有限或可列个值 | 每天的天气类别序列 |
| 离散时间、连续状态 | 整数序号 | 一个区间 | 按秒采样的温度读数 |
| 连续时间、离散状态 | 一个区间 | 有限或可列个值 | 某段时间内到达的顾客人数 |
| 连续时间、连续状态 | 一个区间 | 一个区间 | 电阻两端的热噪声电压 |
按概率结构还可以分为:独立增量过程、马尔可夫过程、二阶矩过程、平稳随机过程、正态过程、更新过程等。同一个过程可以同时属于几类,例如布朗运动既是独立增量过程,也是马尔可夫过程和正态过程。
两个随机过程的联合分布及数字特征
两个过程 X(t)、Y(t) 的统计关系由它们的联合有限维分布描述;常用的是互相关函数 RXY(s,t)=E[X(s)Y(t)] 与互协方差函数 CXY(s,t)=RXY(s,t)−mX(s)mY(t)。
- 若 CXY(s,t)≡0,称两过程不相关;若 RXY(s,t)≡0,称两过程正交;
- 若两者的联合有限维分布可以拆成各自分布的乘积,称两过程相互独立,独立一定不相关;
- 两者各自宽平稳、且 RXY(t,t+τ) 只与 τ 有关时,称联合宽平稳。
注意 RXY(τ) 一般不是偶函数,而有 RXY(τ)=RYX(−τ),下标的先后不能随便换。
易错提醒
-
❌ 知道了每个时刻的一维分布,过程的统计规律就清楚了。
✅ 一维分布看不出不同时刻之间的关联;两个过程的一维分布完全相同,相关函数可以完全不同,所以要用有限维分布函数族。 -
❌ 宽平稳随机过程的样本函数看上去都很「平稳」,幅度变化不大。
✅ 平稳说的是统计规律与时间起点的选取无关,单条样本函数照样可以剧烈起伏,白噪声就是例子。 -
❌ 两个过程正交,就说明它们相互独立。
✅ 正交只说明互相关函数恒为零;独立要求联合分布能拆成乘积。两者均值都为零时正交与不相关是一回事,但一般仍推不出独立(联合正态时才可以)。
例题精讲
例题 1(计算:判断宽平稳)
X(t)=Acosω0t+Bsinω0t,ω0 为常数,A、B 不相关,均值都为 0、方差都为 σ2。求均值函数和相关函数,判断是否宽平稳。
解:mX(t)=E(A)cosω0t+E(B)sinω0t=0。
RX(t,t+τ)=σ2cosω0tcosω0(t+τ)+σ2sinω0tsinω0(t+τ)=σ2cosω0τ(交叉项因 E(AB)=0 消失。)均值为常数,相关函数只与 τ 有关,E[X2(t)]=σ2 有限,所以宽平稳。
点评:不需要知道 A、B 的分布;若再加上 A、B 是独立正态,它还是严平稳的。
例题 2(计算:不平稳的过程)
X(t)=U+Vt,U、V 相互独立,都服从 N(0,1)。求 mX(t)、RX(s,t),判断是否宽平稳。
解:mX(t)=E(U)+tE(V)=0。RX(s,t)=E[(U+Vs)(U+Vt)]=E(U2)+stE(V2)=1+st(交叉项 E(UV)=0)。相关函数不能写成 t−s 的函数,所以不是宽平稳的。
点评:均值是常数(0),但方差 DX(t)=1+t2 随时间增长,一眼就能看出不平稳。
本节小结
- 随机过程 = 一族随机变量 = 一族样本函数;统计规律由有限维分布函数族确定。
- 数字特征:mX(t)、DX(t)、RX(s,t)、CX(s,t)=RX−mXmX。
- 马尔可夫性:已知现在,将来与过去无关;独立增量过程具有马尔可夫性。
- 严平稳看有限维分布的平移不变;宽平稳看均值为常数、相关函数只依赖时间差、二阶矩有限。
- 按时间、状态离散或连续分四类;两过程的互相关、正交、不相关、独立要分清。
学完练一练
按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。
本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。