S.P.随机过程的分类
- 随机过程的增量
- 正态过程
-
- 例:分数Brown运动
- Markov过程
- 平稳过程
- σ-代数流和适应过程
- 鞅
随机过程的增量
这里把时间区间规定为左开右闭…其实有点疑惑…如果是离散型的随机变量,(-∞,a]的概率应该算作0还是p(a)呢?
平稳独立增量过程的均值函数一定是时间 t 的线性函数。
例子:
正态过程
由于正态分布完全由其均值向量和协方差矩阵决定,所以正态过程的分布完全由其均值函数(一阶矩)和相关函数(二阶矩)所决定。
例:分数Brown运动
将t取在正半轴上
Markov过程
Markov性的直观解释是已知“现在”的条件下,“过去”与“将来”无关,它反应的是条件独立性。
例:
平稳过程
刚开始我也把这个“平稳过程”和前面的“平稳增量过程”弄混淆了,这样区分吧,“平稳过程”中的“平稳”是用来修饰“过程”的,而“平稳增量过程”中的“平稳”是用来修饰“增量”的,仔细读几遍定义就能区分开啦。
其主要性质与变量之间的时间间隔有关,与所考察的起始点无关,这样的过程称为平稳过程,严格来讲就是下面的定义:
严平稳过程的条件比较强,在实际中很少有这样的例子(热噪声、电压),从应用的角度出发,更多的时候需要弱化这个条件,不要求其分布,而是要求一阶矩、二阶矩在时间的平移下不变,即(宽)平稳过程。
一个二阶矩存在的严平稳过程一定是宽平稳过程,反之不成立,但对正态过程来说,两者是等价的。(即如果一个正态过程是宽平稳过程,那它一定是严平稳过程)