東南大學(xué)隨機(jī)過程課件-《隨機(jī)過程》第3章小結(jié).ppt

《東南大學(xué)隨機(jī)過程課件-《隨機(jī)過程》第3章小結(jié).ppt》由會員分享，可在線閱讀，更多相關(guān)《東南大學(xué)隨機(jī)過程課件-《隨機(jī)過程》第3章小結(jié).ppt（24頁珍藏版）》請在裝配圖網(wǎng)上搜索。

《隨機(jī)過程》第3章小結(jié),陳明制作,知識要點(diǎn),正態(tài)隨機(jī)對象記憶特性隨機(jī)過程平穩(wěn)隨機(jī)過程,正態(tài)隨機(jī)對象,正態(tài)隨機(jī)變量正態(tài)隨機(jī)向量正態(tài)隨機(jī)過程,正態(tài)隨機(jī)變量,Gauss函數(shù),正態(tài)隨機(jī)變量的性質(zhì),均值為方差為原點(diǎn)矩：等式（3.4）和（3.5）特征函數(shù)中心極限定理噪聲建模為Gauss隨機(jī)變量的理論依據(jù),正態(tài)隨機(jī)向量,正態(tài)隨機(jī)向量的性質(zhì),均值向量性質(zhì)相關(guān)矩陣性質(zhì)特征函數(shù)子向量也是正態(tài)隨機(jī)向量“獨(dú)立性”和“不相關(guān)性”等價正態(tài)隨機(jī)向量的線性變換仍是正態(tài)隨機(jī)向量推論：若干正態(tài)隨機(jī)變量的線性組合仍是正態(tài)隨機(jī)變量,正態(tài)隨機(jī)過程,記憶特性隨機(jī)過程,純粹獨(dú)立隨機(jī)過程獨(dú)立增量過程Markov過程,純粹獨(dú)立隨機(jī)過程,時間連續(xù)客觀上難以存在但可以作用理想白噪聲的模型時間離散客觀上是存在的常作用時間離散白噪聲的模型特例：獨(dú)立同分布序列,獨(dú)立增量過程,定義典則表示pmf和cdf的表示,離散時間獨(dú)立增量過程的例子：和過程,性質(zhì)pmf和cdf性質(zhì)例3.4和過程的例子二項計數(shù)過程（例3.5）一維隨機(jī)游走過程（例3.6）,連續(xù)時間獨(dú)立增量過程,Poisson過程Poisson過程的導(dǎo)出過程Wiener過程,Poisson過程,定義獨(dú)立增量過程事件發(fā)生的概率和時間近似成正比一階概率質(zhì)量函數(shù),Poisson過程的一階概率密度函數(shù),K=3,黃線K=5,綠線K=7,紅線,Poisson間隔,Poisson過程兩事件發(fā)生時刻的時間間隔Poisson過程停留于某個狀態(tài)的時間Poisson間隔是指數(shù)分布隨機(jī)變量Poisson間隔的和過程：第n次事件發(fā)生所需的時間n個獨(dú)立同分布的指數(shù)分布和為n-Erlang分布,Poisson過程事件發(fā)生時刻的均勻性,例3.9說明了Poisson過程事件發(fā)生的時刻具有均勻性,Poisson過程的數(shù)字特征,例3.10,Poisson隨機(jī)電報過程,Wiener過程,一維隨機(jī)游走過程的推廣均值方差一階概率密度函數(shù)高階概率密度函數(shù),Markov過程,定義三條性質(zhì)二維概率密度函數(shù)完全決定無后效性C-K方程,平穩(wěn)隨機(jī)過程,嚴(yán)平穩(wěn)隨機(jī)過程定義寬平穩(wěn)隨機(jī)過程定義相互關(guān)系,TheEnd,