5

随机过程的分布函数与特征函数

 1 year ago
source link: https://alex-mcavoy.github.io/mathematics/stochastic-process/ec97b9f8.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
neoserver,ios ssh client

【分布函数】

无论随机过程属于哪一类,均需要找出它的统计特性,才能讨论它的性质,研究统计特性的一种方法,就是求该随机过程的有限维分布函数族,在引入有限维分布函数族前,首先给出随机分布随机函数的定义

设 {X(t),t∈T} 是随机过程,对于任意固定的 t∈T,X(t) 是一随机变量,称

F(t;x)=P(X(t)≤x),x∈R,t∈T

为随机过程 {X(t),t∈T} 的一维分布函数

对于任意固定的 t1,t2∈T,X(t1),X(t2) 是两个随机变量,称

F(t1,t2;x1,x2)=P(X(t1)≤x1,X(t2)≤x2),x1,x2∈R,t1,t2∈T

为随机过程 {X(t),t∈T} 的二维分布函数

推广到 n 维,对于任意固定的 t1,⋯,tn∈T,X(t1),⋯,X(tn) 是 n 个随机变量,称

F(t1,⋯,tn;x1,⋯,xn)=P(X(t1)≤x1,⋯,X(tn)≤xn),xi∈R,ti∈T

为随机过程 {X(t),t∈T} 的 n 维分布函数

【有限维分布函数族】

在有了随机过程分布函数的概念后,即可给出随机过程有限维分布函数族的概念

设 {X(t),t∈T} 为一随机过程,其是一维分布函数、二维分布函数、⋯、n 维分布函数的全体,即

F={F(t1,⋯,tn;x1,⋯,xn),xi∈R,ti∈T,i=1,2,⋯,n}

称为随机过程 {X(t),t∈T} 的有限维分布函数族

那么,如果知道了随机过程 {X(t),t∈T} 的 n 维分布函数全体,即可知道随机过程 {X(t),t∈T} 中任意 n 个随机变量的联合分布

进一步,如果知道了随机过程 {X(t),t∈T} 的有限维分布函数族,即可知道随机过程 {X(t),t∈T} 中任意有限个随机变量的联合分布,从而确定它们间的相互关系


随机过程的有限维分布函数族具有以下两性质

1)对称性:设 i1i2⋯in 是 1,2,⋯,n 的任一排列,则

F(ti1,ti2,⋯,tin;xi1,xi2,⋯,xin)=F(t1,t2,⋯,tn;x1,x2,⋯,xn)

2)相容性:设 m<n,则

F(t1,⋯,tm;x1,⋯,xm)=F(t1,⋯,tm,tm+1,⋯,tn;x1,⋯,xm,+∞,⋯,+∞)

【特征函数】

在概率论中,研究随机变量的统计特性除使用分布函数外,另一重要的方法就是通过特征函数,且随机变量的分布函数与特征函数有意义对应的关系

那么,在随机过程中,也可通过随机过程的有限维特征函数来研究随机过程的统计特性

设 {X(t),t∈T} 是一随机过程,对任意固定的 t1,⋯,tn∈T,X(t1),⋯,X(tn) 是 n 个随机变量,称

φ(t1,⋯,tn;u1,⋯,un)=E{exp⁡[j(u1X(t1)+⋯+unX(tn))]}=∫−∞+∞⋯∫−∞+∞exp⁡[j(u1X(t1)+⋯+unX(tn))dF(t1,⋯,tn;x1,⋯,xn)ui∈R,ti∈T,i=1,2,⋯,n,j=−1

为随机过程 {X(t),t∈T} 的 n 维特征函数,称

Φ={φ(t1,⋯,tn;u1,⋯,un),ui∈R,ti∈T,i=1,2,⋯,n,n∈N}

为随机过程 {X(t),t∈T} 的 有限维特征函数族


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK