北大随机过程课件：第 3 章 第 5 讲 更新过程

第三节更新过程的推广一、交错更新过程考虑一个系统，它有两个状态：开或关，最初它是开的且持续开的时间为Z1；而后关闭且持续关闭的时间为Y1，之后又打开，时间为Z2；又关闭，时间为Y2，再打开等等。

Z Y n 独立同分布，因此{Z n}和{Y n}都是独立同分假设随机变量(,),1n n布，但允许Z n和Y n是相依的（什么含义）。

定理：设H是Z n的分布，G是Y n的分布，而F是Z n+Y n的分布，令()P t =P(时刻t 系统是开的)设()n n E Y Z +<∞，且F 不是格点的，则()lim ()()()n t n n E Z P t E Y E Z →∞=+证明：对第一次更新的时刻111X Z Y =+取条件概率得P(时刻t 系统是开的|X 1=x)=111(|)()P Z t Z Y t x tP t x x t >+>≥⎧⎨-<⎩则1010()(|)()()()()1()()()ttP t P t X x dF x P Z t P t x dF x H t P t x dF x ∞===>+-=-+-⎰⎰⎰时刻系统开着方程（）的解为0()1()(1())()tP t H t H t x dM x =-+--⎰由于10(1())()H t dt E Z ∞-=<∞⎰且1()H t -非负不增，由关键更新定理得11111(1())()lim ()()()t H t E Z P t E Y Z E Y Z ∞→∞-==++⎰交错更新定理的应用例：()1()1()N t N t N t X S S ++=-表示包含点t 的更新区间的长度，求()1N t X +的极限分布解：设一个开－关循环对应于一个更新区间，且如果整个循环时间大于x ，就说整个循环是开的，否则开着的时间就是0，即此系统在一个循环期中或者全开，或者全关着。

注意到()1()(t x)()N t P X x P P t +>==包含的更新长度大于 时刻开着由交错更新定理知，若F 不是格点的，有()1()lim ()(|)()()/N t t xE P X x E X X x P X x ydF y μμμ+→∞∞>=>>==⎰循环的开时等价地有()10lim ()()/xN t t P X x ydF y μ+→∞≤=⎰例：假设顾客按一更新过程来到一家出售单一品种商品地商店，来到的间隔分布F 是非格点的。

随机过程_课件---第三章第三章随机过程3.1 随机过程的基本概念1、随机过程定义3-1 设(),,F P Ω是给定的概率空间，T 为一指标集，对于任意t T ∈，都存在定义在(),,F P Ω上，取值于E 的随机变量()(),X t ωω∈Ω与它相对应，则称依赖于t 的一族随机变量(){},:X t t T ω∈为随机过程，简记(){}tX ω，{}tX 或(){}X t 。

注：随机过程(){,:,}X t t T ωω∈Ω∈是时间参数t 和样本点ω的二元函数，对于给定的时间是()00,,t T X t ω∈是概率空间(),,F P Ω上的随机变量；对于给定样本点()00,,X t ωω∈Ω是定义在T 上的实函数，此时称它为随机过程对应于0ω的一个样本函数，也成为样本轨道或实现。

E 称为随机过程的相空间，也成为状态空间，通常用""t X x =表示t X 处于状态x 。

2、随机过程分类：随机过程t X 按照时间和状态是连续还是离散可以分为四类：连续型随机过程、离散型随机过程、连续随机序列、离散随机序列。

3、有穷维分布函数定义3-2 设随机过程{}t X ，在任意n 个时刻1,,n t t 的取值1,,nt tX X 构成n 维随机向量()1,,n t t XX ，其n 维联合分布函数为：()()11,,11,,,,nnt t nt t nF x x P X x Xx ≤≤其n 维联合密度函数记为()1,,1,,n t tn f x x 。

我们称(){}1,,11,,:1,,,nt t n n Fx x n t t T ≥∈ 为随机过程{}t X 的有穷维分布函数。

3.2 随机过程的数字特征1、数学期望对于任何一个时间t T ∈，随机过程{}t X 的数学期望定义为()()tX t t E X xdF x μ+∞-∞==?()t E X 是时间t 的函数。

2、方差与矩随机过程{}t X 的二阶中心矩22()[(())],tX t t t Var X E X E X t T σ==-∈称为随机过程{}t X 的方差。

随机过程课件随机过程课件随机过程是概率论与数理统计中的重要概念，它描述了随机变量随时间的演化规律。

在现代科学和工程领域，随机过程被广泛应用于信号处理、通信系统、金融市场等众多领域。

本文将介绍随机过程的基本概念、分类以及一些常见的应用。

一、随机过程的基本概念随机过程是一族随机变量的集合，它描述了随机变量随时间的变化。

在数学上，随机过程可以用函数的形式表示，即X(t)，其中t表示时间，X(t)表示在时间t时刻的随机变量。

随机过程可以分为离散时间和连续时间两种类型。

离散时间随机过程是指随机变量在离散时间点上的演化，例如抛硬币的结果、骰子的点数等。

连续时间随机过程是指随机变量在连续时间上的演化，例如股票价格的变动、电信号的传输等。

二、随机过程的分类根据随机过程的性质和演化规律，可以将其分为多种类型。

常见的分类包括马尔可夫过程、泊松过程、布朗运动等。

1. 马尔可夫过程马尔可夫过程是指在给定当前状态下，未来的演化只与当前状态有关，与过去的状态无关。

马尔可夫过程具有“无记忆”的特性，常用于描述具有时序性质的问题，如排队系统、信道传输等。

2. 泊松过程泊松过程是一种用于描述随机事件的发生次数的随机过程。

它具有独立增量和无记忆性的特点，常用于描述到达率恒定的随机事件，如电话呼叫、交通流量等。

3. 布朗运动布朗运动是一种连续时间的随机过程，其演化规律由随机变量驱动。

布朗运动具有连续性、无界性和马尔可夫性等特点，广泛应用于金融市场、物理学等领域。

三、随机过程的应用随机过程在现代科学和工程领域有着广泛的应用。

以下列举几个常见的应用领域。

1. 信号处理随机过程在信号处理中起到了重要的作用。

通过对信号进行建模，可以利用随机过程的理论和方法对信号进行分析和处理，如图像压缩、语音识别等。

2. 通信系统随机过程在通信系统中也有着重要的应用。

通过对信道的建模，可以利用随机过程的理论来分析和优化通信系统的性能，如误码率分析、信道编码等。

3-1、设X 是0, 1a σ==的高斯随机变量，试确定随机变量Y cX d =+的概率密度函数( f y ，其中, c d 均为常数。

解：由题得：2( 0, ( 1E x a D x σ====( ( ( E y E cx d cE x d c a d d=+=+=+=222( ( D y D cx d c c σ=+==22( ( ]2x d f y c -=-3-2、设随机过程( t ξ可表示成( 2cos(2 t t ξπθ=+，式中θ是一个离散随机变量，且11(0 , ( 222P P πθθ====, 试求(1E ε和(0,1R ε解：首先应理解(1E ε和(0,1R ε的含义，(1E ε是指当t=1时，所得随机变量的均值，(0,1R ε 是指当t=0和t=1时，所得的两个随机变量的自相关函数。

111[2cos(2][2cos(2]2(cos0cos 1222t E E E εππθπθ==+=+=+=22211(0,1[(0(1][2cos2cos(2]4[cos]4(cos 0cos 2222R E E E επξξθπθθ==⨯+==+=3-3、设1020( cos sin z t x t x t ωω=-是一随机过程，若1x 和2x 是彼此独立且具有均值为0，方差为2σ的正态随机变量，试求：（1）2[(],[(]E z t E z t（2）z(t的一维分布密度函数f(z；（3）12(, B t t 和12(, R t t解：（1）由已知条件12[][]0E X E X ==且1x 和2x 彼此相互独立。

所以1212[][][]0E X X E X E X == 212( ( D x D x σ==，而222[][]E x E x σ=- 所以222111[]( []E x D x E x σ=+=同理222[]E x σ=10200102[(][cos sin ]cos []sin []0E z t E x t x t tE x tE x ωωωω=-=-=22102022200[(][(cos sin ][cos sin 2cos sin ]cos 2[]sin []2cos sin [](cossin E z t E x t x t E x t x t x x t t tE x tE x t tE x x t t ωωωωωωωωωωωωσσ=-=+-=+-=+=（2）由于1x 和2x 是彼此独立的正态随机变量且( z t 是1x 和2x 的线性组合，所以z 也是均值为0，方差为2σ的正态随机变量，其一维概率密度为22( 2z f z σ=-（3）[coscos sin sin ][cos(]R t t E z t z t E x t x t x t x t t t t t t t ωωωωσωωωωσω==--=+=-令12t t γ-=，则21, 20( cos R t t σωγ==2121212120(, (, [(][(](, cos B t t R t t E z t E z t R t t σωγ=-==3-4、已知( x t 与( y t 是统计独立的平稳随机过程，且它们的均值分别为12(, a a τ，自相关函数分别为(, ( x y R R ττ。