随机过程的基本概念
随机变量回顾
在进入随机过程之前,先复习一下随机变量,这也是初学概率论时经常搞不明白的地方。
个人认为,数学最本质的特征是抽象,也就是说一切事物都可以通过某种法则映射到数上,然后再来通过讨论数的关系,来描述事物的关系。再具体到概率论中,我们讨论一些事物的发生可能性,并把所有的可能性构成的集合称为样本空间,比如掷骰子的可能结果是 ,那么这就是样本空间,而且都是具体数字。
但是,大部分样本空间都不是数据的形式,比如说掷硬币会有正反两面,但这不是数字。为了方便描述,我们把正面的结果视为1,反面结果视为0,那么这就完成了一个由正反面到具体数字的映射。随机变量的作用就是为了完成类似的映射关系!!!
对于任意的一般事物 ,其中 代表了所有可能出现的情况,而 表示随即实验的每个结果映射到实数集 上,那么这个映射函数就是随机变量!!也就是说,我们所说的随机变量,本质上是一个函数,这个函数完成了随机试验的结果到实数的一个映射!!!!!学数学一定要搞清最基本的概念!!!
但是,随机变量这个函数和普通函数有着本质的差别。普通函数给定输入,它的输出是确定的;随机变量的取值是概率性质的,即在实验之前,我们不知道随机变量会取得什么值,每个取值都有一定的概率。然而,我们可以知道随机变量所有取值的概率分布。
比如说我们认为随机变量符合标准正太分布,即 。这说明,随机试验的结果,经过随机变量 映射后,所有情况对应的可能出现的情况的概率,满足 这个分布函数!!!在这里强调,随机变量这个函数的映射结果,即函数的值域出现的可能情况,满足 这个正太分布!!!而对于 ,是指随机变量的值是 的时候,可能的概率是 。
理解随机变量的本质,是理解随机过程的前提。
随机过程的基本概念
前面所说的随机变量,本质上是一个静态的概念,可以这么认为,我们每次做的随机试验,都是在某个固定的时间点上进行的,而且在实验之前就能知道每个结果的概率,注意这里所说的是知道概率,真正结果是不知道的。比如掷硬币正反两面的结果概率都是0.5,但是我们不知道结果到底是哪个;即使是不均匀的硬币,假设根据计算结果,正面朝上的概率是0.9,那我们也只能认为我们知道的是概率,不能知道结果。
随机过程可以这么理解,在一个时间轴上,不断地进行随机试验(可以是离散或者连续的),而且我们不知道每次随机试验时结果可能服从的分布情况,每个时间点对应的结果的分布是未知的,即
未知,有很多种情况。但是,如果我们从开始实验到某个固定的结束时间点,都可以得到一组随机变量
,即每个时间点
对应一个随机变量。那么,这一系列的
对应的一族(无限多个)随机变量成为随机过程,记为
可以理解为,随机过程是一个时间轴上随机变量的有序集合。一般都认为
是时间,即使不是时间,那它也代表着步骤编号。
称为
时刻的状态。对于
,
所有可能的取值称为状态空间。
对随机过程进行一次完整的观测,会得到一个关于 的函数,每次观测都会得到一个不同的函数。那么任意一个函数就是随机过程的一个样本函数。可以这么理解,一个随机过程由多种(甚至无数个)可能情况,而一个样本函数只是这个过程的某种体现。这就像整体和样本之间的关系。
随机过程的描述方式
分布函数
首先回顾随机变量的分布函数:
随机变量的分布函数的意义是,给定一个值
,那么随机变量
小于这个值的概率是
。
同样的,随机过程只不过是添加了一个时间轴,那么对于一个一维随机过程分布函数,在
时刻的分布函数是:
它表示的意义是,在给定的
时刻的随机变量
的值小于给定
的概率。
均值和方差
均值可以这么理解,每个时间点都有一个自己的分布,那么每个时间点的分布都求出平均值,然后这些平均值的时间序列组合就构成了随机过程平局值,因此均值公式为:
同理,每个时间点的方差组合成随机过程的方差:
下图给出了他们的一个基本关系
记二阶原点矩为:
设任意
,且二阶混合矩是:
简记为
记二阶混合中心距为:
同时称之为协方差函数,表示变量之间的相关性,简记为
由因为
展开(3)式,得到
当
时,有