应用随机过程综述

应用随机过程综述

ID:14746997

大小:273.00 KB

页数:7页

时间:2018-07-30

应用随机过程综述_第1页
应用随机过程综述_第2页
应用随机过程综述_第3页
应用随机过程综述_第4页
应用随机过程综述_第5页
资源描述:

《应用随机过程综述》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、哈尔滨工业大学课程设计说明书(论文)HarbinInstituteofTechnology课程设计(论文)课程名称:应用随机过程设计题目:综述院系:电子与信息工程学院班级:09硕通信一班设计者:学号:指导教师:田波平设计时间:2009-11至2009-12哈尔滨工业大学哈尔滨工业大学课程设计说明书(论文)哈尔滨工业大学课程设计任务书姓名:院(系):电子与信息工程学院专业:信息与通信工程班号:09硕通信一班任务起至日期:2009年11月12日至2009年12月20日课程设计题目:综述——特征函数在随机

2、过程研究中的作用与意义已知技术参数和设计要求:1.已知特征函数的基本定义。2.总结特征函数在随机过程研究中的作用和意义。工作量:1.查找相关的资料,对特征函数的基本定义进行一定的了解。2.查阅相关的文献,理解特征函数的应用。3.对相关的文献进行总结,归纳出特征函数在随机过程研究中的作用和意义。哈尔滨工业大学课程设计说明书(论文)工作计划安排:1.2009-11-12~2009-11-31:查找相关的资料,对特征函数的基本定义进行一定的了解2.2009-12-1~2009-12-20:对相关的文献进行

3、总结,归纳出特征函数在随机过程研究中的作用和意义。同组设计者及分工:无指导教师签字___________________年月日教研室主任意见:教研室主任签字___________________年月日哈尔滨工业大学课程设计说明书(论文)特征函数在随机过程研究中的作用与意义1.特征函数的定义在介绍特征函数在随机过程研究中的作用和意义之前,首先介绍一下特征函数的定义。特征函数是一个统计平均值,它是由随机变量组成的新的随机变量的数学期望,记为:(1)当为连续随机变量时,则的特征函数可表示成(2)其中为的概

4、率密度函数。对于随机过程的特征函数的定义与随机变量的特征函数的定义一致。对任意时刻t,随机过程的一维特征函数为:(3)2.特征函数的性质以下本文不加证明的给出特征函数的几个性质:(1);(2)共轭对称性;(3)特征函数在区间上一致连续;(4)设随机变量,其中是常数,则;其中分别表示随机变量的特征函数。上式对于随机过程同样适用。(5)设随机变量相互独立,又,则;此式表示两个相互独立随机变量之和的特征函数等于各自特征函数的乘积。3.特征函数在随机过程研究中的作用与意义由于特征函数在随机过程中和随机变量中

5、的定义是一致的,仅是将X变为X(t),将概率密度函数也做相应的变化即可。故本文为方便起见,将随机过程和随机变量的特征函数的作用与意义做统一的讨论。3.1利用特征函数求随机过程的概率密度哈尔滨工业大学课程设计说明书(论文)根据特征函数的定义,特征函数与概率密度有类似傅里叶变换的关系,即(4)(5)这里需要注意的是,特征函数与概率密度的之间的关系与傅里叶变换略有不同,指数项差一负号。在随机过程的研究过程中,经常会利用已知的随机过程的概率密度函数,求解它们某种特定组合的概率密度函数。通常我们的做法是由已知

6、的概率密度函数,通过函数变换的形式求解,求解的过程很复杂。但是,如果利用特征函数的性质以及它与概率密度之间的关系就很容易求解上述问题了。以下用一个例子来说明这个过程。已知随机过程为相互独立的高斯随机过程,数学期望为0,方差为1,求的概率密度。已知数学期望为0,方差为1的高斯过程的概率密度为(6)利用特征函数与概率密度之间类傅里叶变换的关系,可以很容易的求得的特征函数,(7)利用特征函数的性质(5)再次利用特征函数与概率密度之间类傅里叶变换的关系,可得的概率密度(8)由上面的求解过程可见,利用特征函数

7、求解比起直接求两个随机过程之和的概率密度要简单的多。以上就简要介绍了特征函数在求解随机过程的概率密度时的作用。利用特征函数可以很方便的对某些随机过程的特定组合的概率进行求解。3.2离散状况下的特征函数在求解分布函数中的应用受傅立叶变换物理意义的启发,得到基于坐标分解的特征函数的新解释。离散情况下,特征函数的新解释:可以看作是以()为基的可列无穷维空间下的坐标分解,第k维的坐标值为。则哈尔滨工业大学课程设计说明书(论文)(9)(10)其中可以看作是以()为基的实数势无穷维空间下的坐标分解,是在基下的坐

8、标值。上述新解释在求解离散随机过程的概率分布时有非常重要的应用。下面以一个例子来说明:例如求下列各随机变量ζ的概率分布,已知其特征函数分别为:(1)(2)由反演公式可解决此问题,即利用公式,但计算过程比较繁杂。如果利用本文提出的新解释去求这个问题就非常简单,现用此法求解。分析:只要将特征函数进行坐标分解即可,可以看作是以()为基的可列无穷维空间下的坐标分解,第k维的坐标值为,惟一性定理可知即为概率分布。解:(1)由惟一性定理可知,它的概率分布惟一,P(ζ=1)=0.5

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。