1. 特征函數
随機過程常見表示方式:${X(t); t \in T}$,有四個特征函數,見下表。
特征函數 | 表達式 | 了解 |
---|---|---|
均值函數 | $\mu_X(t) = E[X(t)]$ | 相當于随機變量的均值,知當t确定時$X(t)$是一個随機變量,也就可以求期望,當t不同時,對應的期望也會随t的變動而變動,是以稱之為函數。 |
方差函數 | $Var[X(t)] = E[(X(t)-\mu(t))]^2$ | 了解方式同均值函數 |
相關函數 | $R(t_1, t_2)=E[X(t_1)X(t_2)]]$ | 同一個随機過程兩個時刻随機變量乘積的期望 |
協方差函數 | $\gamma(t_1, t_2)=E{[X(t_1)-\mu(t_1)][X(t_2)-\mu(t_2)]} = R(t_1, t_2)-\mu(t_1)\mu(t_2)$ | 表示同一個随機過程兩個随機變量的相關性大小,可以轉換為相關函數的表達式 |
- 例題
由題意可知,A服從正太分布,B服從均勻分布,直接帶入對應的特征函數公式即可,要注意
2
處的t的條件範圍,
4
處方差和均值之間的轉換以及
5
處相關函數和協方差函數的轉換。
2. 寬平穩W.S.S(弱平穩過程)
平穩即随着時間的變化卻保持不變, 不同的統計性質會有不一樣的平穩。
考察随機過程是否為寬平穩從以下角度進行:二階矩存在(方差和期望存在),均值函數為常數:
- 執行個體1
振幅調制過程:$X(t) = A(t)cos(2\pi f_0t+\theta)$,其中振幅調制函數A(t)是随機的,相位調制函數中的θ在(0, 2$\pi$)上均勻分布,二者互相獨立($\theta$和$t$無關),判斷其是否為寬平穩。
-
通過一階矩考察條件一是否滿足
$E(X) = E(A(t))E(cos(2\pi f_0t+\theta)) = E(A(t) = \int_0^{2\pi}frac{1}{2\pi}cos(2\pi f_0t+\theta))d\theta =0$
-
通過二階矩(相關性$R_X(t, s)$)考察滿足條件二
$R_X(t, s) = E(A(t)A(s))E(cos(2\pi f_0t+\theta)(cos(2\pi f_0s+\theta))$
(上一步到下一步運用的是
積化和差
)
$= E(A(t)A(s))\frac{1}{2}(E(cos(2\pi f_0(t+s)+2\theta) + E(cos(2\pi f_0(t-s))$
(巧妙的轉化出了$2\theta$,即最終$cos(2\pi f_0(t+s)+2\theta)$一定為0)
$= \frac{1}{2}E(A(t)A(s))cos(2\pi f_0(t-s))$
(是以最終落腳點在于$E(A(t)A(s))$是否為寬平穩,如果是,則可以推出下式)
$=\frac{1}{2}R_A(t-s)cos(2\pi f_0(t-s))$(完畢)
而由寬平穩局部具有的特性可以推出(決定)整體,簡言之,部分區間連續則整體連續,部分區間呈現周期性,則整體呈現周期性。
- 執行個體2
1
是因為處由于s和t時刻随機變量不相關。
- 執行個體3
3. 獨立增量過程,平穩增量過程
1
: 這裡要求時間段不交叉,示意圖如下:
2
: 對相同長度的時間段h均有相同的分布,對時間段是否交叉沒有限制。
- 舉例