概率统计和随机过程课件11.2随机过程的数字特征
随机过程[2]
![随机过程[2]](https://img.taocdn.com/s3/m/9e7d0841c850ad02de8041e2.png)
由以上定义可得 (1) mZ(t)=mX(t)+jmY(t) t∈T
(2) DZ(t)= DX(t)+DY(t)
t∈T
(3) CX(s,t)=RZ(s,t)-mZ(s)mZ(t) s,t∈T
随机过程——西安电子科技大学数学系 冯海林
举例
Zt = ∑ X k e j ( ω t +Φk ) ,t ∈ R , 其中ω0为正常数, n为 设
解
mX (t ) = E[ X t ] = 0
− ∞ < t < +∞
RX ( s, t ) = E[ X s X t ]
= E[ A ]cos ω s cos ωt + E[ AB](sin ω s cos ωt + cos ω s sin ωt )
2
+ E[ B 2 ]sin ω s sin ωt 2 = σ cos ω (t − s ) − ∞ < s, t < +∞
随机过程——西安电子科技大学数学系 冯海林
5. 均方值函数 设X={Xt , t∈T}是一实值随机过程,对任意t∈T,若 E[Xt]2存在 则称E[Xt]2为随机过程X的均方值函数,记为ΦX(t).即 ΦX(t)= E[Xt]2 t∈T
随机过程——西安电子科技大学数学系 冯海林
随机过程的数字特征有如下关系 CX(s,t)=RX(s,t)-mX(s)mX(t) DX(t)=CX(t,t) ΦX(t)=RX(t,t) t∈T t∈T s,t∈T
0
n
固定正整数, X 1 , X 2 , L , X n , Φ1 , Φ 2 , L , Φ n 是相互独立 的实随机变量,且 EX k = 0, DX k = σ k2 , Φk~U[0,2π], k=1,2,…,n. 计算S.P.{Zt ,t∈R}的均值函数和相关函数.
随机过程及其统计描述ppt课件.ppt

任意时刻下,观测目的是X取什么值;全程的情况下, 观测目的是X(t)的函数形式.
7
12.1 随机过程的概念
随机相位正弦波
随机过程举例
考虑: X (t) a cos(t ), t (,)
式中 a,是正常数,是 (0, 2 ) 上服从均匀分布的随机变量。
当 在(0, 2 ) 内随机的取一个值 i ,可得样本函数:
2
0 cos(t1 ) cos(t2 ) f ( )d
a2
2
2
0 cos(t1 ) cos(t2 )d
a2
4
2
0 {cos[(t1 t2 ) 2 ] cos(t1 t2 )}d
a2 2
cos (t1
t2 )
方差函数
2 X
(t)
RX
(t , t )
2 X
(t)
a2 2
18
12.2 随机过程的统计描述
随机过程举例
抛掷一枚硬币的试验,样本空间是S={H,T}, 现借此定义随机过程:
cos t,
X (t) t,
当出现H, 当出现T,
t (, )
可将此随机过程改写为
X (t) Y cost (1Y )t ,
其中
Y
1, 0,
出现H 出现T
,
t (, )
X对Y和t的依赖,决定了X是一个随机过程. 确定了 Y之后,即可确定任意时刻和全程的观测结果.
集平均(统计平均)
X (t)是随机过程的所有样本函数在时刻 t 的函数值的平均值,通常称
这种平均为集平均或统计平均。
12
12.2 随机过程的统计描述
(二) 随机过程的数字特征
均方值函数
Ψ
第二章 随机数据的数字特征

2.1. 随机过程的描述1. 随机过程的概念随机过程:考察各测量样本固定时刻0t t =在0t 时刻的值)(01t x ,)(02t x ,……,)(0t x n 构成随机变量,具有自身的概率特性,记为)(0t X 。
在数学上把所有已经得到的和未得到的而可能发生的样本总体)}({0t x i (t=1,2,3,……)称为随机过程,记为)(t X 。
随机过程具有双向无穷特征,即在时间轴上无穷,又在样本数上无穷。
2. 随机过程的统计规律(1). 一维概率分布特征设一随机变量)(t X 在某一时刻i t 的随机变量)(i t X 的取值小于等于给定值x ()(t X x ∈),这一事件发生的概率定义为:])([Pr );(1x t X ob t x F i i ≤=,)(t X x ∈)(t X 的一维概率密度函数);(1i t x f 定义为);(1i t x F 对x 的一阶偏导数,即:xt x F t x f i i ∂∂=);();(11 (2). 多维概率分布特征 二维概率分布特征随机过程)(t X 在i t 时刻的随机变量i i x t X ≤)(;而且在j t 时刻的随机变量j j x t X ≤)(,这两件事同时发生的概率定义为二维概率分布特征:])(,)([Pr ),;,(2j j i i j i j i x t X x t X ob t t x x F ≤≤=二维概率密度函数为对j i x x ,的二阶偏导数,即:j i j i j i j i j i x x t t x x F t t x x f ∂∂∂=),;,(),;,(222三维、四维,……直至n 维可以以此类推实际应用中,要确定随机过程的各维概率分布函数及密度函数非常困难3. 随机过程的统计特征量(1). 均值)(t m x也就是随机过程的数学期望吗,度量过程随机变动的平均值dx t x xf t X E t m i x ⎰∞∞-==);()]([)(1 由于)(t X 在不同时刻的一维概率密度函数);(1t x f 是对时间t 的函数,故均值)(t m x 亦随时间而变。
随机过程课件

1
m X (t1 )][ x2 m X (t 2 )] f ( x1 x2 ; t1 , t 2 )dx1dx 2 f ( x1, x2 ; t1 , t 2 )dx1dx 2
x x
1 2
X(t) 协方差与相关函数的关系为 当 mx (t ) 0 时 C X (t 1 , t 2 ) R X (t 1 , t 2 ) 在协方差定义中取t1=t2=t,就有
为XT 的均值函数或数学期望。其中F(x,t)是过程 的一维分布函数。 若是连续型随机变量,有 mX (t) xf(x,t)dx 其中f(x,t)是一维分布密度。 12
2.随机过程的方差 若 DX (t) 2 (t) E[X(t) mX (t)]2 存在,t∈T, X 称为X(t)的方差。 x (t) Dx (t) 称为X(t)的标准差。 它们描绘过程的样本曲线在各个t时刻对均 值 m X ( t ) 的离散程度, 对每个t1∈T, EX (t1 ) 反映t1状态取值的概率平均。 DX (t1 ) 反映t1状态取值与 EX (t1 ) 离散程度。 在工程中随机过程的均方值具有物理意义,比 较有用。均方值定义为: E[ X 2 (t )] X (t ) DX (t ) E( X 2 (t )) E 2 ( X (t )) 有关系式: 13 Dx (t ) x (t ) [mx (t )]2 即
第一章. 随机过程的基本概念
§1.1 随机过程及其概率分布
在实际问题中,有时需要对随机现象的变化进 行研究,这时就必须考虑无穷个随机变量或一族 随机变量, 我们就称这种随机变量族为随机过程。 例1: 生物群体的增长问题。在描述群体的发展 或演变过程中, 以 Xt 表示在时刻 t 群体的个数, 则 对每一个 t ,Xt 是随机变量。假设我们从 t =0 开 始每隔24小时对群体的个数观测一次, 则{Xt , t =0, 1, 2, ...}是一个随机过程。 例2: 电话呼唤问题。某电话总机在[0,t]时间 内收到的呼唤次数用 Xt 来表示, 则对于固定的 t , 1 Xt 是随机变量。于是{Xt , t ∈[0, ∞)}是随机过程。
随机过程的基本概念ppt课件

.
2.3 平稳随机过程
三、相关系数及相关时间
也称为归一化协方差函 数或标准协方差函数。
相关系数: rX()KXX 2 ()RX()X 2mX 2
相关时间:
0
0 rX()d
rX ( )
1
rX(0) 0.05
0
0
相关时间示意图
.
2.3 平稳随机过程
三、相关系数及相关时间
为随机过程X(t)的二维概率分布。定义
fX(x1,x2,t1,t2)2FX(xx11,xx22,t1,t2)
为随机过程X(t)的二维概率密度。 注意:X(t1)及X(t2)为同一随机过程上的随机变量。
.
2.2 随机过程的统计描述
2、二维概率分布
例2、设随机相位信号
X (n )co s( n/1 0 )
.
2.2 随机过程的统计描述
二、随机过程的数字特征(连续)
• 协方差函数
K X ( t 1 , t 2 ) E { [ X ( t 1 ) m X ( t 1 ) ] [ X ( t 2 ) m X ( t 2 ) ] } (1)如果 KX(t1,t2)0,则称 X (t1 )和 X (t2 )是不相关的。
.
2.3 平稳随机过程
一、定义
(1)严格平稳随机过程
f X ( x 1 , ,x n ,t 1 , ,t n ) f X ( x 1 , ,x n ,t 1 , ,t n )
一维概率密度: fX(x,t)fX(x)
二维概率密度: fX (x 1 ,x 2 ,t1 ,t2 ) fX (x 1 ,x 2 ,) t1 t2
接收机噪声
5
x1(t) 0
随机过程的基本概念以统计特性.ppt

《随机信号分析》教学组
8
3 、随机过程的定义
定义1:设随机试验E的样本空间为S={ξ},对其每一个元素 i (i 1,2都,3以)某种法则确定一个样本函数 ,X由(t,全i )部元素{ξ}
样本函数集合
X (t, ) = X (t,i ), i 1, 2,
为了简便起见,随机过程常省略代表试验结果的参
量ξ。随机过程常用大写字母 X (表t)示,Y,(t样) 本函数常
用小写字母
x (表t),示x,(tk)表, 示, 第x (kt个) 样本函数。
1
2
k
随机过程 =
样本变量集合
X (t, )
由随机过程的定义可知,在确定t值上,随机过程变为随 机变量,仪器记录的结果是n维随机变量X(t1),X(t2),…,X(tn), 如果说记录时间间隔△t= ti-ti-1相当小(n足够大)时,多维随 机变量 X(t1), X(t2) ,…, X(tn) 可以足够完整表示出随机过程 X(t)。
《随机信号分析》教学组
4
一 定义
1.接收机噪声电压观测方式:对相同接收机同时观测
从试验可知,每次得到的结果不同,且变化的规律 不能用一个确定的函数来描述
5
0
-5
0
50
100
150
200
5
0
-5
0
50
100
150
200
5
0
-5
0
50
100
150
200
概率论与数理统计经典课件随机过程

一维、二维或一般的多维随机变量的研究是概率论的研究内容,而 随机序列、随机过程则是随机过程学科的研究内容。从前面的描述中看 到,它的每一样本点所对应的,是一个数列或是一个关于t的函数。
定义:设T是一无限实数集,X (e,t), e S,t T是对应于e和t的实数,
即为定义在S 和T 上的二元函数。
DX
(t)
E
[ X (t) X (t)]2
---方差函数
X (t)
2 X
(t
)
---标准差函数
又设任意t1,t2 T RXX (t1,t2 ) E[ X (t1) X (t2 )] (自)相关函数
CXX (t1,t2 ) Cov[ X (t1), X (t2 )]
E [ X (t1) X (t1)][ X (t2 ) X (t2 )] (自)协方差函数
定义: X (t),t T是一随机过程,若它的每一个有限维分布
都是正态分布,即对任意整数n 1及任意t1,t2,
X (t1), X (t2 ), X (tn )服从n维正态分布, 则称X (t),t T是正态过程
tn T ,
正态过程的全部统计特性完全由它的均值函数和自协方差函数所确定。
16
例3:设A, B是两个随机变量,试求随机过程:
当A
N 1,4, B
U 0, 2时,E(A) 1, E( A2 ) 5, E(B) 1, E(B2)
4 3
又因为A, B独立, 故E(AB) E(A)E(B) 1
X (t) t 3, RX (t1, t2 ) 5t1t2 3(t1 t2 ) 12 t1, t2 T
17
例4:求随机相位正弦波X (t) acos(t ) t ,
02第二讲随机过程概念及数字特征精品PPT课件

'
dt
'
E
1 T
T
2 T
2
T
2 T
2
(t)
(t
'
)e
j
(t t '
)dtdt
'
1 T
T
2 T
2
T
2 T
R(t
t ' )e
j(tt' )dtdt '
2
E[ FT () 2 ] 1
2
R(0)R()Fra bibliotek0二、功率谱密度
付氏变换(能量谱密度)F () f (t)e jtdt 沟通了确定信号时域和频
域的关系,随机过程在频率域中要讨论功率谱密度 ,主要原因有二 :
1. 对于随机过程来说,它由许许多多个样本函数来构成, 所以无法求其付氏 变换,可以说,随机过程不存在付氏变换。 2. 随机过程属于功率信号而不属于能量信号,所以讨论功率谱密度。
自相关遍历
R( )
遍历过程即指宽遍历过程.
四、严遍历过程或窄义遍历过程
的所有统计平均特性和其样函数所有相应的时间平 均特性以概率为一相等 1.遍历过程必定是平稳过程,但平稳过程不一定是遍历过程。
2.若 是平稳高斯过程, 且
;
:
则 是遍历过程
3.对于遍历过程,只要根据其一个样函数,便可得到其数字特征。
x1x2
10 x1 100
x2
dx1dx2
5
5 x2
5 5
x1
10
x1 100
x2
dx1dx2
5
5 x2
320500dx2
0
CX (t1,t2 ) E{[ X (t1) E[ X (t1)]][X (t1) E[ X (t1)]]} E[ X (t1) X (t1)] 0
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
随机过程的数字特征
<概率统计习题解>, 15元一本地点: 主南311
第三节随机过程的数字特征
随机变量数字特征复习:
Y X ,为随机变量, 联合概率密度),,(y x f 边沿概率密度)
(),(y f x f Y X 数学期望(均值)
⎰⎰⎰+∞∞-+∞
∞-+∞∞-==dxdy
y x xf dx x xf EX X ),()(=)],([Y X g E ⎰⎰+∞∞-+∞
∞-dxdy
y x f y x g ),(),(
二阶原点矩
⎰⎰⎰+∞∞-+∞∞-+∞∞-==dxdy
y x f x dx x f x EX X ),()(2
22方差dx
x f EX x EX X E DX X )()()(22⎰+∞
∞--=-=2
2)(EX EX -=二阶原点混合矩⎰⎰+∞∞-+∞
∞-=dxdy
y x xyf XY E ),()(
随机过程的数字特征
是参数集,T ),(+∞-∞⊂T 随机变量族}),({T t t X ∈是一个随机过程,(11.1)
(1)过程在的状态的数学期望t )(t X 对于任意给定,t T ∈的状态)(t X ,具有一维概率密度)
;(11t x f 在t 时刻dx t x xf t X E t X );()]([)(1⎰+∞
∞-==μ
对于一切,t T ∈称为随机过程)(t X 的均值函数,简称均值;
是的函数,
t ()X t μ(2)过程在
的状态的二阶原点矩t )(t X dx t x f x t X E t X );()]([)(1222
⎰+∞∞-==ψ(11.2)
称为随机过程的均方值函数,简称均方值;
)(t X
(3)二阶中心矩(方差)
2
2)]()([)]([)(t EX t X E t X D t X
-==σ2
)]()([t t X E X μ-=)()]([2
2t t X E X μ-=(11.3)
称为随机过程的方差函数,简称方差,)(t X 均方差;
)(t X σ
任选, 状态是两个随机变量,T t t ∈21,)(),(21t X t X 具有二维概率密度)
,;,(21212t t x x f (4)随机过程的自相关函数,简称相关函数,
)(t X )]
()([),(2121t X t X E t t R X ⋅=212121221),;,(dx dx t t x x f x x ⎰⎰+∞∞-+∞
∞-=(11.4)
1212(,)R t t t t 自相关函数关于和对称。
(5)随机过程的自协方差函数,)(t X 121122(,)
{[()()][()()]}X C t t E X t EX t X t EX t =-⋅-)]}
()([)]()({[2211t t X t t X E X X μμ-⋅-=(11.5)
简称协方差函数,1212(,)X C t t t t 协方差函数关于和对称。
均值、均方值、方差和均方差是刻划随机过程在各个状态的统计特性的,而自相关函数和自协方差函数是刻划随机过程的任何两个不同状态的统计特性的.这五个数字特征之间,具有如下关系.
22
()[()][()()](,)
X
X t E X t E X t X t R t t ψ==⋅=121122(,){[()()][()()]}
X C t t E X t EX t X t EX t =-⋅-)]}()([)]()({[2211t t X t t X E X X μμ-⋅-=)]
(),(cov[21t X t X =)
()()]()([2121t EX t EX t X t X E ⋅-⋅=)
()(),(2121t t t t R X X X μμ⋅-=
2
2)]
()([)]([)(t EX t X E t X D t X
-==σ2
)]
()([t t X E X μ-=2((,),)()
X
X X R t t C t t t μ==-)()]([22
t t X E X
μ-=)
()(22t t X
X
μ-ψ=通过以下例子,就可以看出随机过程数字特征的实际意义.
例1
设随机相位正弦波)cos()(Θ+=t a t X ω+∞
<<∞-t 式中是常数,
ω,a Θ是在区间)
2,0(π上服从均匀分布的随机变量.
求:
的均值函数、方差函数、自相关函数和自协方差函数. )(t X 解:依题意的概率密度为
Θ
例2: 设随机过程Yt
X t Z +=)(+∞
<<∞-t 式中服从, 服从,
X )
,(21
σa N Y ),(22
σb N 且与的相关系数,
X Y ρρ=XY 求:
的自相关函数.)(t Z 121222
1212(,)[()()]()()()()
=++=+++R t t E X Yt X Yt E X t t E Y t t E XY 解:
设随机过程的数学期望为协方差函数而是一个函数。
试求随机过程 的数学期望和协方差函数。
12{(),-}(),(,),()()()()
x X X t t m t C t t t Y t X t t ϕϕ∞<<+∞=+例4[()][()()]()
X E Y t E X t t m t ϕϕ=+=+=-==1212121212cov(,)[()()][()][()]
cov (,)(,)
X X t t E Y t Y t E Y t E Y t t t C t t 解
对于两个随机过程和,}),({1T t t X ∈}),({2T t t Y ∈和)(1t X 过程在的状态.
)(t Y 2t )(2t Y 和的二阶原点混合矩
)
(1t X )(2t Y )]
()([),(2121t Y t X E t t R XY =(11.7)
称为随机过程和的互相关函数;
)(t X )(t Y 任选1122,,
t T t T ∈∈)(t X 1t 过程
在
的状态
两个随机过程的联合分布和数字特征
和的二阶中心混合矩
)(1t X )(2t Y )]}
()()][()({[),(221121t t Y t t X E t t C Y X XY μμ--=(11.8)
称为随机过程和的互协方差函数;
)(t X )(t Y 并且有
12(,)X Y C t t =1212(,)()()
XY X Y R t t t t μμ=-1212[()()][()][()]
XY X Y E X t Y t E X t E Y t -问题:互相关函数,互协方差函数是否关于t 1, t 2对称?
定义: 如果对任意,都有
2211,T t T t ∈∈0),(21=t t C XY 亦即
)]
([)]([)]()([2121t Y E t X E t Y t X E ⋅=则称随机过程和是不相关的.)(t X )(t Y 显然,相互独立的两个随机过程必不相关.例5: 设某接收机收到周期信号电压)(t S 和噪声电压
)
(t N [()]0 E N t =,
, 且设
的均值,自相关函数与输入电压
)()()(t N t S t V +=的数字特征的关系., 互不相关.()N t 且)(t S 与()(()())()
V S u t E S t N t u t =+=121122(,)[(()())(()())] =++V R t t E S t N t S t N t 解
试导出输出电压
12121212[()()][()()]
[()()][()()]
=+++E S t S t E N t S t E S t N t E N t N t
1212121212()()[()()][()()]0.(,)(,)(,)
V N S S t N t E N t S t E S t N t R t t R t t R t t ===+由于与互不相关
所以
作业
•习题5,7,8,9,11
31。