杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕信息与通信工程学科综合考前辅导第一门 随机数学(必选)第 5 节 / 共 32 节约 30 分钟免费

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。

本节考点:随机过程与有限维分布均值函数与相关函数马尔可夫性平稳性与严平稳性随机过程分类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:

  1. 随机过程的概念;有限维分布函数族。
  2. 随机过程的数字特征;均值函数、协方差函数与相关函数。
  3. 马尔可夫性。
  4. 平稳性;严平稳性。
  5. 随机过程分类。
  6. 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)X(t)X(t),参数集 TTT;均值函数 mX(t)m_X(t)mX​(t),相关函数 RX(s,t)R_X(s,t)RX​(s,t),协方差函数 CX(s,t)C_X(s,t)CX​(s,t)(这里的 CCC 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)R_X(\tau)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}\{X(t),t\in T\}{X(t),t∈T}。看它有两个角度:固定 ttt,X(t)X(t)X(t) 是一个随机变量;固定一次试验结果,X(t)X(t)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 nnn 和任意 t1,⋯ ,tn∈Tt_1,\cdots,t_n\in Tt1​,⋯,tn​∈T,

F(x1,⋯ ,xn;t1,⋯ ,tn)=P{X(t1)≤x1,⋯ ,X(tn)≤xn}\begin{aligned} &F(x_1,\cdots,x_n;t_1,\cdots,t_n)= \\ &P\{X(t_1)\le x_1,\cdots,X(t_n)\le x_n\} \end{aligned}​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 +∞+\infty+∞ 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)]m_X(t)=E[X(t)]mX​(t)=E[X(t)]各时刻的平均值,是 ttt 的函数
方差函数DX(t)=E[X(t)−mX(t)]2D_X(t)=E[X(t)-m_X(t)]^2DX​(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)]R_X(s,t)=E[X(s)X(t)]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)C_X(s,t)=R_X(s,t)-m_X(s)m_X(t)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)C_X(t,t)=D_X(t)CX​(t,t)=DX​(t),RX(t,t)=E[X2(t)]R_X(t,t)=E[X^2(t)]RX​(t,t)=E[X2(t)] 是 ttt 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<tt_1\lt t_2\lt\cdots\lt t_n\lt tt1​<t2​<⋯<tn​<t,

P{X(t)≤x∣X(t1)=x1,⋯ ,X(tn)=xn}=P{X(t)≤x∣X(tn)=xn}\begin{aligned} &P\{X(t)\le x\mid \\ &\quad X(t_1)=x_1,\cdots,X(t_n)=x_n\} \\ &=P\{X(t)\le x\mid X(t_n)=x_n\} \end{aligned}​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 hhh,(X(t1+h),⋯ ,X(tn+h))(X(t_1+h),\cdots,X(t_n+h))(X(t1​+h),⋯,X(tn​+h)) 与 (X(t1),⋯ ,X(tn))(X(t_1),\cdots,X(t_n))(X(t1​),⋯,X(tn​)) 同分布。

宽平稳(广义平稳):E[X2(t)]<∞E[X^2(t)]\lt\inftyE[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)R_X(t,t+\tau)=R_X(\tau)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)X(t)X(t)、Y(t)Y(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)]R_{XY}(s,t)=E[X(s)Y(t)]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)C_{XY}(s,t)=R_{XY}(s,t)-m_X(s)m_Y(t)CXY​(s,t)=RXY​(s,t)−mX​(s)mY​(t)。

  • 若 CXY(s,t)≡0C_{XY}(s,t)\equiv 0CXY​(s,t)≡0,称两过程不相关;若 RXY(s,t)≡0R_{XY}(s,t)\equiv 0RXY​(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)R_{XY}(t,t+\tau)RXY​(t,t+τ) 只与 τ\tauτ 有关时,称联合宽平稳。

注意 RXY(τ)R_{XY}(\tau)RXY​(τ) 一般不是偶函数,而有 RXY(τ)=RYX(−τ)R_{XY}(\tau)=R_{YX}(-\tau)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)=Acos⁡ω0t+Bsin⁡ω0tX(t)=A\cos\omega_0t+B\sin\omega_0tX(t)=Acosω0​t+Bsinω0​t,ω0\omega_0ω0​ 为常数,AAA、BBB 不相关,均值都为 0、方差都为 σ2\sigma^2σ2。求均值函数和相关函数,判断是否宽平稳。

解:mX(t)=E(A)cos⁡ω0t+E(B)sin⁡ω0t=0m_X(t)=E(A)\cos\omega_0t+E(B)\sin\omega_0t=0mX​(t)=E(A)cosω0​t+E(B)sinω0​t=0。

RX(t,t+τ)=σ2cos⁡ω0tcos⁡ω0(t+τ)+σ2sin⁡ω0tsin⁡ω0(t+τ)=σ2cos⁡ω0τ\begin{aligned} R_X(t,t+\tau)&=\sigma^2\cos\omega_0t\cos\omega_0(t+\tau)\\ &\quad+\sigma^2\sin\omega_0t\sin\omega_0(t+\tau)\\ &=\sigma^2\cos\omega_0\tau \end{aligned}RX​(t,t+τ)​=σ2cosω0​tcosω0​(t+τ)+σ2sinω0​tsinω0​(t+τ)=σ2cosω0​τ​

(交叉项因 E(AB)=0E(AB)=0E(AB)=0 消失。)均值为常数,相关函数只与 τ\tauτ 有关,E[X2(t)]=σ2E[X^2(t)]=\sigma^2E[X2(t)]=σ2 有限,所以宽平稳。

点评:不需要知道 AAA、BBB 的分布;若再加上 AAA、BBB 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+VtX(t)=U+VtX(t)=U+Vt,UUU、VVV 相互独立,都服从 N(0,1)N(0,1)N(0,1)。求 mX(t)m_X(t)mX​(t)、RX(s,t)R_X(s,t)RX​(s,t),判断是否宽平稳。

解:mX(t)=E(U)+tE(V)=0m_X(t)=E(U)+tE(V)=0mX​(t)=E(U)+tE(V)=0。RX(s,t)=E[(U+Vs)(U+Vt)]=E(U2)+st E(V2)=1+stR_X(s,t)=E[(U+Vs)(U+Vt)]=E(U^2)+st\,E(V^2)=1+stRX​(s,t)=E[(U+Vs)(U+Vt)]=E(U2)+stE(V2)=1+st(交叉项 E(UV)=0E(UV)=0E(UV)=0)。相关函数不能写成 t−st-st−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+t2D_X(t)=1+t^2DX​(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)m_X(t)mX​(t)、DX(t)D_X(t)DX​(t)、RX(s,t)R_X(s,t)RX​(s,t)、CX(s,t)=RX−mXmXC_X(s,t)=R_X-m_Xm_XCX​(s,t)=RX​−mX​mX​。
  • 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。

我要提问免费报名咨询