随机过程-第一章解析
2. 对于每个固定t0∈T，对应的X（t0，ω） 是 一个随机过程，是基本事件ω（或记e）的函数， 工程上有时把X（t0, ω）称作随机过程X（t） 在t= t0时的状态。 称X（t0）所能取的一切值的集合为状态空间 （或值域）记为I或E 如：例1中 I=[0，1，2，…]
例4中 I=[-1，1]
3. {X(t，e)，t∈T，e∈Ω}看作t，e的二元 函数，简记为{X(t)，t∈T } 对每个t∈T，对应的样本函数记为x(t) 若t0与e0都固定，X(t0，e0)是样本函数在 t0处的数值，叫状态空间中的一个状态。
例5：设随机过程X（t）
，
其中ω是常数,V服从在[0，1]上的均匀分布。
（1）写出X（t）的参数空间T ，状态空间I。
2、对任意两个固定t1，t2∈T，随机过程是二 个时刻的状态，是二个随机变量X(t1)，X(t2)， 称{F(X(t1)≤x1，X(t2) ≤x2)}=F(x1，x2；t1，t2) 称为随机过程X(t)的二维分布函数。
第一章 随机过程的基本概念 §1.随机过程及其概率分布
一、随机过程的概念
（一）引例与定义
例1：电话总机在[0，t]时间内收到的呼唤次数问题。当t0（>0） 固定时，总机在[0，t0]内收到的呼唤次数是个随机变量，记 为X（t0,ω）或X（ω）简写X，它的所有可能取值是0，1， 2，……，n ，……。这是相对时间t不变的“静止”的随机变 量，是概率论研究的问题。
2、对某个t0∈T，对应值是x1(t0),x2(t0),… xn(t0) … 是随机变量取值，记此随机变量为X(t0)。 对所有的t∈T对应X(t)是一族（无限多个） 随机变量，此结果是t的函数。
故我们要研究t从0→+∞。在[0,t]内收到的呼唤次数， 要用一族（无穷多个）随机变量来描述， 记成 {X（t，ω），t∈[0，+∞），ω∈Ω} 或 {X （t），t∈（0，+∞）}。这是一个随机过程，
• 或叙述为 若对每一个时刻t∈T，都有定义在E上 的随机变量X(t，e)，则称一族随机变量
• {X(t， e)，t∈T ，e∈Ω} 为一随机过程。
• 其实际意义就是： 若一物理过程，当时间t（或广义时间）固定， 过程所处的状态是随机的（不确定的），则此 过程就为随机过程。对该过程的一次记录（或 一个观察）就是一个现实，或称作随机过程的 一个样本函数或样本曲线。
现在是研究t从0变到+∞时，t 时刻前收到的呼唤次数问题。
• 解决办法是从两个方面看：
1、对电话交换站作一次试验观察可以得到一条 表示t以前来到的呼唤曲线 xi(t)，这是一条 阶梯形曲线, 叫做一个样本函数，或样本曲 线，它表示一次试验结果，是ω的函数。
所研究的问题可以看做某种随机试验的结果, 而 试验出现的样本函数是随机的，是ω的函数。 [0，t]时间内总机收到的呼唤次数的问题可看作 一族样本曲线x1 (t)，x2 (t)，… xn (t) …
φ2
3
2
时
x3
(t
)
a
cos(0t
3 2
)是一样本曲线（现实）
Ω中有多少个e，相应地X（t）就有多少个样本函数
（曲线）
∴X（t）理解为样本函数的全体。
看出随机过程概念是随机变量概念的推广
随机变量X(e)
是
定义在Ώ上的函数，
即每个e∈Ω对应X(e)， 取值是实数，
即X(e)是Ω上单值实函 数。
随机过程X(e，t) 当e∈Ω，对应X(t，e) 是t的实函数。
• 固定t0，X（t0）是随机变量。 • 固定e0，X（t，e0）是一个现实，是t的函数，记
为 x(t)。
例4：具有随机初位相的简谐波。 X（t）=acos（ω0t+Φ），-∞<t<+∞， 其中a与ω0是正常数， Φ是在[0，2π]上均匀分布的随机变量。
一方面，随机过程X（t）是一族随机变量。
对每个固定t0， X（t0）= acos(ω0t+Φ)是个 随机变量。对（-∞，+∞）上有多少个t， 就对应多少个随机变量。∴对（-∞，+∞） 所有t，X（t）看作一族随机变量。
对给定的e∈Ω，X(t，e)是 族中某一试验结果确定的 样本函数。
书P5是从概率空间的角度说明随机过程的定义。
（二）参数空间与状态空间 1. t称为参数，它的取值范围叫做参数空间
（或参数集）记为T 如：例1 T =[0，+∞] 例2 T=[1，2，…] 例3 T =(0，+∞) 例4 T=(-∞，+∞) 参数集t可以是时间，也可以不是。 如是长度、重量、速度等物理量的集合。
另一方面，随机过程是一族样本函数（曲线） 对样本空间Ω中每个基本事件e对应一个样本 函数，本例，Φ在Ω=[0，2π] 上任给定一个 相 位φi=e，就对应一个样本曲线，如：书P 4。
给定 φ1 0时 x1(t) a cos(0t) 是一样本曲线（现实）
φ2
2
3
时x2
(t)
a
cos(0t
2 3
)是一样本曲线（现实）
（2）写出X（t）的两个样本函数。（现实）
例6： 利用抛掷硬币的试验定义一个随机过程。
X（）{
s i n π t ， 出 现 正 面， 记 为 记 为 ω0 et，出现反面记, ω 1
写出X（t）的所有样本函数（现实）
(tR)
二、随机过程的的分布（有限维分布族）
1、对任意固定的t0∈T，随机过程X(t)的状态 X(t0)是一维随机变量， 其分布函数是P{X(t0)≤x} F(x，t0) 由于t的任意性，称F(x; t) = P{X(t) ≤x } 为随机过程X(t)的一维分布函数。 F(x，t)是与t有关的一维分布函数，在t，x平 面上是X(t)落在区间(X(t) ≤x)上的概率。
它是一族依赖一个参数t而娈化的一族随机变量。 可看出它是研究一个“过程”问题的。
例2：在射击过程中，研究射击n次（从1变到+∞） 击中目标的次数问题。 例3：书P 2热噪声电压。
• 定义 E是随机试验，Ω={e}是E的样本空间， 如果对每一个e∈Ω，可以依某种规律 确定一时间t的函数X（t，e）与之对应， 于是对所有的e∈Ω，就得到一族时间t 的函数，称此时间t的函数为随机过程， 记为{X（t，e），t∈T，e∈Ω}， 简记为{X（t），t∈T }
随机过程（北航著）北京航空航天大学出版社第1章习题课后答案
第一章概论第1题某公共汽车站停放两辆公共汽车A 和B ，从t=1秒开始，每隔1秒有一乘客到达车站。
如果每一乘客以概率21登上A 车，以概率21登上B 车，各乘客登哪一辆车是相互统计独立的，并用j ξ代表t=j 时乘客登上A 车的状态，即乘客登上A 车则j ξ＝1，乘客登上B 车则jξ＝0，则,21}0{,21}1{====j j P P ξξ当t ＝n 时在A 车上的乘客数为n n j j n ηξη,1∑==是一个二项式分布的计算过程。
（1）求n η的概率，即;,...,2,1,0?}{n k k P n ===η（2）当公共汽车A 上到达10个乘客时，A 即开车（例如t ＝21时921=η，且t ＝22时又有一个乘客乘A 车，则t ＝22时A 车出发），求A 车的出发时间n 的概率分布。
解（1）：nn k n k P ⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛==21}{η 解（2）：nn n n P P ⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−=⎟⎠⎞⎜⎝⎛⎟⎠⎞⎜⎝⎛⎟⎟⎠⎞⎜⎜⎝⎛−==−2191212191A)10n 9A 1-n (}n A {1名乘客登上车时刻第名乘客；在有时刻，车在开车在时刻车第2题设有一采用脉宽调制以传递信息的简单通信系统。
脉冲的重复周期为T ，每一个周期传递一个值；脉冲宽度受到随机信息的调制，使每个脉冲的宽度均匀分布于（0，T ）内，而且不同周期的脉宽是相互统计独立的随机变量；脉冲的幅度为常数A 。
也就是说，这个通信系统传送的信号为随机脉宽等幅度的周期信号，它是以随机过程)(t ξ。
图题1－2画出了它的样本函数。
试求)(t ξ的一维概率密度)(x f t ξ。
解：00(1)()()(){()}{()0}[(1),],(0,){()}{[(1),]}{[(1)]}1(1)(1)1({()0}1{()}t A A n n n Tt n T f x P x A P x P t A P P t P t n T nT n T P t A P t n T nT P t n T d TT t n T T nT t T t n Tt n T T t n P t P t A ξδδξξηξηηηξξ−−=−+====∈−∈==∈−+=>−−=−+−=−==−−−=−−−==−==∫是任意的脉冲宽度01)(1)()()()()(1)()t A T tn T Tf x P x A P x t t n x A n x T T ξδδδδ=−−∴=−+⎛⎞⎛⎞=−−+−−⎜⎟⎜⎟⎝⎠⎝⎠第3题设有一随机过程)(t ξ，它的样本函数为周期性的锯齿波。
电子科技大学随机过程第一章概要
上的二 T Ω
1)当固定 t T , X t (ω ) 在（Ω, F, P）上的随机变量；
结果), 数.
是一个定义
Ω 2) 定义1.1.2 当固定 ω0 (对于特定的试验
是一个定义在 T 上的普通函数(自变 x t (ω 0 ) 的一个样本函 { X t ( ), t T } 量为t).称为随机过程
当T={(x, y):a<x<b, c<y<d),}
时间序列 随机过程
{ X t (ω), t T }
平面随机场
随机过程是n 维随机变量，随机变量序列的 一般化,是随机变量X t , t 的集合 . T 用E表示随机过程 X t , t 的值域 T ,称为过程的状 态空间.
电子科技大学
90 80 70 60 50 40 30 20 10 0 -10 -40
此例中样本 函数是什么？ 粒子运动轨迹
电子科技大学
80 100 120
-20
0
20
40
60
样本函数的几个例子
18.11.7
Ex.1.1.2 Xt(ω) = αcos(βt+Θ), Θ~U(0, 2π)
θ 1 =5.4938 θ 2 = 1.9164 θ 3 = 2.6099
18.11.7
称事件“X t x ”为在时刻 t 时随机过程 X t 处于状态x 按状态空间和参数集的不同情况, 可将随机 过程分为四类, 列入下表 随机过程
状态空 间E
参数集 T
离 散 连 续
离 散
非离 散
（离散参数）链 （连续参数）链
随机序列
电子科技大学
随机过程
18.11.7
Ex.1.1.1 质点布朗运动 设质点在直线上 随机游动, 经随机碰撞后各以1/2的概率向左 或向右移动.
随机信号分析教程答案,李兵兵、马文平
第一章随机过程1.1二值过程定义为()X t A =或A -，(1)(0,1,2,)n T t nTn -≤≤=±±其中A 与A -等概出现，T 为一正常数。
（1）画出典型的样本函数图形； （2）将此过程归类；（3）该过程是确定性过程吗？ 解：（1）略；（2）此过程为离散型随机过程； （3）此过程是确定性过程。
1.2 随机过程()X t A Bt =+，其中A 和B 是相互独立的正态分布(0,1)N 的随机变量，试求()X t 的2维概率密度函数。
解：因为A 和B 都是服从标准正态分布，且相互独立，因此它们的线性组合也服从正态分布，故二维随机变量()12(),()X t X t 服从二维正态分布。
对于正态分布，只需求出数学期望和协方差即可确定概率密度函数。
数学期望：[()][][]0X m E X t E A E B t ==+=121222122112(,)[()()][]1X R t t E A Bt A Bt E A B t t ABt ABt t t =++=+++=+ 协方差：2121212(,)(,)1X X X K t t R t t m t t =-=+因此211221221111t t t t t t ⎡⎤++=⎢⎥++⎣⎦K 。
则()X t 的2维概率密度函数为：1212121/21(,;,)2T X f x x t t eπ--=X K XK其中：211221221111t t t t t t ⎡⎤++=⎢⎥++⎣⎦K ，()12,x x =X 。
1.3 考虑随机过程()cos ,X t X t t T ω=∈，此处ω为常数，X 服从标准正态分布。
试求()X t 的一维概率密度函数。
解：对于某一1t 时刻，1()X t 为X 的线性组合，因此1()X t 服从正态分布。
期望：[()][]cos 0X m E X t E X t ω===121221212(,)[cos cos ][]cos cos cos cos X R t t E X t X t E X t t t t ωωωωωω=== 方差：()222(,)cosX X X t R t t m t σω=-=则()X t 的一维概率密度函数为：222cos (,)x tX f x t ω-=1.4 离散随机过程的样本函数皆为常数，即()X t C ==可变常数，式中C 为一随机变量，其可能值为11C =，22C =及33C =，且它们分别以概率0.6、0.3及0.1出现。
随机过程_第一章
则称P为（Ω，F）上的概率，（Ω，F，P）称 为概率空间，P（A）为事件A的概率。
由此定义出发，可推出概率的其它一些性质：
(4) P(F) 0;
(5) 若A, B F , A B, 则P( B A) P( B) P( A), 且P( B) P( A)
FY ( y ) P(Y y ) P( X , Y y ) F (, y )
分别称FX(x)和FY(y)为 F ( x, y ) 关于X和关于Y的 边缘分布函数。
离散型随机变量（X，Y）边缘分布律计算如下
P( X xi ) pi pij
, i 1,2,
设X，Y是两个随机变量，若对任意实数x，y有
P( X x, Y y) P(( X x) (Y y)) P( X x)P(Y y)
则称X，Y为相互独立的随机变量。
若X，Y为相互独立随机变量，则有
F ( x, y ) FX ( x) FY ( y ) f ( x, y ) f X ( x ) f Y ( y )
注：所谓某个事件在 试验中是否出现，当且仅 当该事件所包含的某个样本点是否出现，因此 一个事件实际上对应于的一个确定的子集。 事件的概率论运算 Ω子集的集合论运算。
样本空间 W 也是一个事件， 称 W 为必然事件，
空集 F 称为不可能事件。
注：由于事件是集合，故集合的运算（并、交、 差、上极限、下极限、极限等）都适用于事件。
定义1.5 设（ Ω ，F，P）是概率空间，X=X(e) ＝（X1(e),…,Xn(e)）是定义在Ω上的n维空间Rn中 取值的向量函数。如果对于任意x=(x1,…,xn) ∈Rn， {e:X1(e) ≤x1,…,Xn(e) ≤xn} ∈F，则称X=X(e)为n维 随机变量。称
第一章 随机过程 第二节 随机过程的基本概念
FX ( x1 , t1 ) f X ( x1 , t1 ) x1
2 、二维概率分布 为了描述S.P在任意两个时刻t1和t2的状态间的 内在联系,可以引入二维随机变量[X(t1),X(t2)]的分 布函数FX(x1,x2;t1,t2)，它是二随机事件{X(t1)≤x1} 和{X(t2)≤x2}同时出现的概率，即
FX(x1,x2;t1,t2)=P{ X(t1)≤x1,X(t2)≤x2}
称为随机过程X(t)的二维分布函数。 若FX(x1,x2;t1,t2)对x1，x2的二阶混合偏导存在， 则 2 F ( x , x ;t ,t )
f X ( x1 , x2 ; t1 , t 2 )
X 1 2 1 2
x1x2
E[cos ] cos f ( )d cos
0 0
2
2
同理
1 d 0 2
E[sin ] 0
mx (t ) 0
2 2 x (t ) 2 (t ) mx (t ) 2 (t ) E[ x2 (t )] x x （2）
2 ＝ E[sin (0t )] E [1 cos(20t 2 )]
t 离散型随机过程：对随机过程任一时刻1 的取值X (t1 ) 都是离散型随机变量。
连续随机序列：随机过程的时间t只能取 t 某些时刻，如 t ， 2 ，…..，n t，且这 时得到的随机变量 X ( nt ) 是连续型随机变 量，即时间是离散的。相当于对连续型随 机过程的采样。 离散随机序列：随机过程的时间t只能取 t 某些时刻，如 t ， 2 ，…..，n t，且这 时得到的随机变量 X ( nt ) 是离散型随机变 量，即时间和状态是离散的。相当于采样 后再量化 。
《随机过程》课后习题解答
（ k 0, 2, n ）
1 为一特征函数，并求它所对应的随机变量的分布。 1 t2
n n i
f (t
i 1 k 1
tk )i k
5
=
i 1 k 1
n
n
i k
1 (ti tk )
2
i 1 k 1
n
n
e jti e jti e jti {1 ( jtk )(1 jtk )} n n e jtk e e i k jti = i 1 k 1 e n(1 jtk ) e
1 n n n j ( ti tk ) l ] i k = [e n i 1 k 1 l 1
（2） （3）
其期望和方差； 证明对具有相同的参数的 b 的 分布，关于参数 p 具有可加性。
解 （1）设 X 服从 ( p , b ) 分布，则
f X (t ) e jtx
0
b p p 1 bx x e dx ( p )
bp ( p)
x
0
p 1 ( jt b ) x
i k
1 M 2
0
ti t k } ） （ M 1max{ i , j n
且 f (t ) 连续 f (0) 1 （2） f (t )
f (t ) 为特征函数
1 1 1 1 1 [ ] 2 2 1 t 1 ( jt ) 2 1 jt 1 jt
3
fZ(k)() t (1 )kk! jk (1 jt)(k1)
E (Z k ) 1 (k ) f Z (0) ( 1) k k ! k j
n
《随机过程》孙文昌
设{Xt : t ∈ T }是随机过程, 对任意t1, · · · , tn ∈ T 以及(x1, · · · , xn) ∈ Rn, 记随机变 量Xt1, · · · , Xtn的n维联合分布函数为
Ft1,···,tn (x1, · · · , xn) = P (Xt1 < x1, · · · , Xtn < xn) 当n和tk变化时, 得到一族分布函数:
p(x) = 1 ∫ e−itxφ(x)dx. 2π R
对于随机向量(ξ1, · · · , ξn), 它的特征函数定义为
φ(t1, · · · , tn) = Eei(t1ξ1+···+tnξn).
定理 1.8 连续性定理.
(i). 若分布函数列Fn(x)弱收敛于分布函数F (x), 则相应的特征函数列φn(t) 收敛于相应的 特征函数φ(t), 且在t的任一有限区间内该收敛是一致的.
例 1.1 在研究生物群体的增长问题时,为了描述群体的发展或演变过程, 就要在每一 时刻t记录群体的数量xt, 每一xt是随机变量. 假设我们从t = 0开始连续地观测, 则{xt, t ∈ [0, +∞)}就是一个随机过程.
例 1.2 在海浪分析中,需要观测在固定点上海平面的垂直振动.设xt表示在固定点上, 于时刻t海平面相对于平均平面的高度, 则xt是随机变量,而{xt, t ∈ [0, +∞)}是随机过程.
函数, 即对任何x ∈ R,
{ω : ξ(ω) < x} ∈ F ,
则称ξ(ω)为(实)随机变量. 若ξ1(ω)和ξ2(ω)都是实随机变量, 则ξ(ω) = ξ1(ω) + iξ2(ω)称为复随机变量.
第一章 随机过程的一般理论
随机过程知识点
第一章：预备知识§1.1 概率空间随机试验，样本空间记为Ω。
设Ω是一个集合，F 是Ω的某些子集组成的集合族。
如果 〔1〕∈ΩF ；〔2〕∈A 若F ，∈Ω=A A \则F ； 〔3〕假设∈n A F ， ，，21=n ，那么∞=∈1n nAF ；那么称F 为-σ代数(Borel 域)。
(Ω,F )称为可测空间，F 中的元素称为事件。
由定义易知： .216\,,)5)4(111F A A A i F A F B A F B A F i i n i i n i i i ∈=∈∈∈∈∅∞=== ，，则，，，）若（；则若（；定义1.2 设(Ω,F )是可测空间，P(·)是定义在F 上的实值函数。
如果()()()()∑∞=∞==⎪⎪⎭⎫ ⎝⎛∅=⋂≠=Ω≤≤∈1121,,,31210,)1(i i i i j i A P A P A A j i A A P A P F A 有时，当）对两两互不相容事件（；）（；任意那么称P 是()F ,Ω上的概率，〔P F ，，Ω〕称为概率空间，P(A)为事件A 的概率。
设〔P F ，，Ω〕是概率空间，F G ⊂，如果对任意G A A A n ∈,,,21 ，,2,1=n 有： (),11∏===⎪⎪⎭⎫⎝⎛ni i n i i A P A P那么称G 为独立事件族。
§1.2 随机变量及其分布随机变量X ，分布函数)(x F ，n 维随机变量或n 维随机向量，联合分布函数，{}T t X t ∈,是独立的。
§设随机变量X 的分布函数为)(x F ，假设⎰∞∞-∞<)(||x dF x ，那么称)(X E ＝⎰∞∞-)(x xdF为X 的数学期望或均值。
上式右边的积分称为Lebesgue-Stieltjes 积分。
方差，()()[]EY Y EX X E B XY --=为X 、Y 的协方差，而 DYDX B XYXY =ρ为X 、Y 的相关系数。
浙江大学《概率论、数理统计与随机过程》课后习题答案第一章
1解：该试验的结果有9个：（0，a ），（0，b ），（0，c ），（1，a ），（1，b ），（1，c ），（2，a ），（2，b ），（2，c ）。
所以，（1）试验的样本空间共有9个样本点。
（2）事件A 包含3个结果：不吸烟的身体健康者，少量吸烟的身体健康者，吸烟较多的身体健康者。
即A 所包含的样本点为（0，a ），（1，a ），（2，a ）。
（3）事件B 包含3个结果：不吸烟的身体健康者，不吸烟的身体一般者，不吸烟的身体有病者。
即B 所包含的样本点为（0，a ），（0，b ），（0，c ）。
2、解 （4）（1）ABBC AC 或ABC ABC ABC ABC ； （5）（2）ABBC AC （6）（提示：题目等价于A ，B ，C 至少有2个发生，与（1）相似）； （7）（3）ABC ABC ABC ；（8）（4）AB C 或ABC ；（9）（提示：A ，B ，C 至少有一个发生，或者A B C ，，不同时发生）；3（1）错。
依题得,但，故A 、B 可能相容。
（2）错。
举反例 （3）错。
举反例 （4）对。
证明：由,知,即A 和B 交非空，故A 和B 一()()()()0=-+=B A p B p A p AB p 空集≠B A ()6.0=A p ()7.0=B p ()()()()()3.03.1>-=-+=B A p B A p B p A p AB p定相容。
4、解（1）因为A B ，不相容，所以A B ，至少有一发生的概率为：()()()=0.3+0.6=0.9P A B P A P B =+(2) A B ， 都不发生的概率为：()1()10.90.1P A B P A B =-=-= ；（3）A 不发生同时B 发生可表示为：AB ，又因为A B ，不相容，于是()()0.6P A B P B == ；5解：由题知,. 因得，故A,B,C 都不发生的概率为.6、解 设A ={“两次均为红球”}，B ={“恰有1个红球”}，C ={“第二次是红球”} 若是放回抽样，每次抽到红球的概率是：810，抽不到红球的概率是：210，则 （1）88()0.641010P A =⨯=； ()3.0=BC AC AB p ()05.0=ABC P ()()()()()ABC p BC p AC p AB p BC AC AB p 2-++= ()()()()4.023.0=+=++ABC p BC p AC p AB p ()()C B A p C B A p -=1()()()()()()()()[]ABC p BC p AC p AB p C p B p A p +++-++-=1()05.04.02.11+--=15.0=（2）88()210.321010P B =⨯⨯-=（）； （3）由于每次抽样的样本空间一样，所以：8()0.810P C == 若是不放回抽样，则（1）2821028()45C P A C ==；（2）118221016()45C C P B C ==； （3）111187282104()5A A A A P C A +==。
钱敏平-龚光鲁-随机过程答案(部分)
随机过程课后习题答案第一章第二题：已知一列一维分布{();1}n F x n ≥，试构造一个概率空间及其上的一个相互独立的随机变量序列{(,);1}n n ξ⋅≥使得(,)n ξ⋅的分布函数为()n F x 。
解：有引理：设ξ为[0, 1]上均匀分布的随机变量，F(x)为某一随机变量的分布函数，且F(x)连续，那么1()F x η-=是以F(x)为分布的随机变量。
所以可以假设有相互独立的随机变量12,,...,n θθθ服从u[0, 1]分布，另有分布{()}n F x ， 如果令1(,)()n n n F ξθ-⋅=，则有(,)n ξ⋅为服从分布()n F x 的随机变量。
又由假设条件可知，随机变量{(,),1}n n ξ⋅≥之间相互独立，则其中任意有限个随机变量12(,),(,),...,(,)n i i i ξξξ⋅⋅⋅的联合分布为：11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i x i x i x F x F x F x ξξξ⋅≤⋅≤⋅≤=⋅⋅⋅⋅再令112{,,...,,...},,{|()[0,1],1,2,...}n i i i i w w w w A A x F x i -Ω=∈=∈=，令F 为Ω所有柱集的σ代数，则由Kolmogorov 定理可知，存在F 上唯一的概率测度P 使得：11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i w i w i w F w F w F w ξξξ⋅≤⋅≤⋅≤=⋅⋅⋅⋅则所构造的概率空间为(Ω,F , P)。
第八题：令{};1n X n ≥是一列相互独立且服从(0,1)N （正态分布）的随机变量。
又令1n n S X X =++22(1)n S n n ξ+=1(,,)n n F X X σ=试证明：,;1n n F n ξ≥（）是下鞅（参见23题）。