隨機過程的概念以及統計特性(讀書筆記)
本文是學習概率論過程中的總結
隨機過程概述
通俗的來說,隨機過程其實就是一組因爲時間t而產生關聯的隨機變量的所組成的序列。序列可以是連續的,也可以是離散的。同時,每個隨機變量也同樣可以是連續的或者離散的。
隨機過程是隨機變量的集合
- 連續型隨機過程:在時間t所允許的範圍內,任意時間都有一個對應的隨機變量,同時每個隨機變量也是連續的。
- 離散型隨機過程:在時間t所允許的範圍內,任意時間都有一個對應的隨機變量,同時每個隨機變量是離散的。
- 連續型隨機序列,在時間t所允許的範圍內,只有有限個隨機變量,但每個隨機變量也是連續的。
- 離散型隨機序列,在時間t所允許的範圍內,只有有限個隨機變量,同時每個隨機變量也是離散的。
關於樣本函數
樣本函數是隨機過程在全程時間T上進行的一次觀測結果,它也同樣可以稱作樣本曲線。下面列舉出一個典型的樣本函數:
其中,A和B是獨立的正態變量。
所以說,當隨機變量A和B的值不同,那麼
注意一點:樣本函數的書寫形式都是將時間t完全提取出來的,這就保證了隨機變量A和B和時間t無關,我們在理解樣本函數的時候,可以理解爲在測量之前,A和B的值已經確定了。因此在整個時間的測量上可以將A和B理解爲一個實數。樣本函數的個數也因此是有限的。
可以把隨機過程想象成一個x軸爲時間,y軸爲隨機變量的另外一個參數w,z軸爲隨機變量在參數w和時間t下的值(固定的)。而我們所確實觀測到的值就是這個3維曲面上的一條線。
隨機過程的描述
隨機過程的確切描述使用的是隨機過程的n維分佈函數族,記爲:
當n足夠大,該公式即可完整描述整個隨機過程
隨機過程的數字特徵
由於利用一般的統計方法很難確定有限維分佈函數(即確定該隨機過程)。因此,引入隨機過程的數字特徵非常重要。
- 均值函數
- 自相關函數
- 自協方差函數
自協方差函數
隨機過程之間
本質上和一維隨機過程非常相似,重點在於計算兩個隨機過程之間的關聯程度。
- 互相關函數:
- 互協方差函數 :
這兩個函數對於有多種隨機過程疊加的情況非常有實際作用。
(未完成)
參考《概率論和數理統計》 浙江大學