12.2 随机过程的统计描述

数学学习 · 爱知数学讲义

18
本章目录 · 1 节

本章导读

【12.2 随机过程的统计描述】本节按原书的分布函数族、数字特征、二维过程顺序描述实值随机过程。固定时刻的边际分布反映单个状态,不同时刻的联合分布反映它们如何共同变化;只有前者通常不能确定一个过程。

【一、分布函数族】对每个,定义一维分布函数。让t遍历参数集,得到一维分布函数族。再对任意正整数n及任意时刻,定义

固定n而让时刻变化,得到n维分布函数族;让所有有限n都变化,得到全部有限维分布。不能把“全部有限维分布”误解成只选一个足够大的固定n就已完整描述所有依赖。

这些分布需要彼此相容,例如交换时刻和对应阈值不改变同一事件的概率,去掉一个坐标应得到对应边际。Kolmogorov的相关结果说明,相容的有限维分布可用于构造过程,且确定所有有限组坐标的联合分布规律。连续参数情形的样本路径连续性等版本性质仍需另外说明,不是只写下一些边际分布就自动得到。

【二、数字特征】均值存在时,定义均值函数。它是固定时刻对随机试验结果作平均,称集平均或统计平均;不是沿一条样本曲线对时间求平均。两者何时有联系,要在后续遍历性内容中讨论,不能现在就默认相等。

均方值函数与方差函数不同,标准差函数为。以下讨论二阶矩时,均指每个时刻的二阶矩有限,而不是允许其值为正无穷。

tx(t)0246-101
图12-2 均值、标准差与样本曲线的示意重绘。采用下述明确的四条等概率曲线,使均值与标准差可核验;μ±σ不是曲线不可越过的边界

为使示意图的统计含义准确,图中用,A、B为独立等概率的±1;、,在图示范围。四个(A,B)组合给出四条等概率曲线,恰有均值m、标准差s。部分曲线会越出m±s,说明一个标准差带不等于确定性包络或同时置信带;这些曲线是说明概念的明示模型,不是原书未提供的观测数据。

【自相关与自协方差】二阶矩有限时,定义

前者为二阶混合原点矩,称自相关函数;后者为二阶混合中心矩,称自协方差函数。本书的R不是标准化相关系数,既不要求落在−1与1之间,也不要求在相同时刻等于1。

它们满足

自相关和自协方差对于实值过程交换两个时间参数后不变。标准化相关系数还要除以两个时刻标准差的乘积,且只在这些标准差为正时定义,不能把它与R混用。

【二阶矩过程】若每个t都有,称二阶矩过程。由Cauchy—Schwarz不等式,

所以自相关确实存在且有限。相应地。先用绝对可积性说明期望存在,比在尚未说明存在时直接对E[乘积]平方更严谨。

一般过程的均值与二阶特征只反映部分统计信息,不能代替全部有限维分布。一个重要特例是正态过程:任意有限个时刻组成的随机向量都联合正态,允许协方差矩阵奇异的退化情形。正态有限维分布由均值向量和协方差矩阵确定,所以正态过程的有限维统计规律由均值与自协方差(或自相关)确定。

仅仅每个时刻各自服从一维正态分布不够。例如Z为标准正态,S为与Z独立的等概率±1,令两个时刻的值分别为Z、SZ,两者各自正态,但平方相同且不独立,二者并不联合正态。

【例1 线性过程】设,,A、B有有限二阶矩。不要求独立时,

若进一步A、B独立,,,则、、、、,所以

相应、。均值恒定不表示各时刻分布相同,方差仍随t变化;此过程也不是正态过程,因为服从均匀分布。(例完)

【例2 随机相位正弦波】设a、ω为正常数,,,。求均值、方差、自相关。一次实现中的相位Θ对所有t保持同一个值,并不是每个时刻重新抽相位。

x/aπ/2π2π3π4π-11u = ωt
图12-3 两条样本曲线,按原书相位0与3π/2作图;横轴u=ωt、纵轴x/a作无量纲化,曲线分别为cos(u)与sin(u)

相位密度在0至2π为,其余处0,故

利用积化和差,含的余弦项在一个整周期积分为0,得到

令两时刻相同,得到,这里均值为0,所以方差也等于均方值。单条样本曲线的相位0或3π/2不代表整个相位分布仅有两个值,图中只是展示其中两条可能曲线。(例完)

【例3 正态系数的谐波过程】设A、B相互独立,均服从,ω为实常数,。证明为正态过程并求均值与自相关。

任取有限组时刻,向量是联合正态向量(A,B)的线性变换,因此联合正态;等价地,它的任意线性组合都是A、B的某个线性组合,因而正态或退化为常数。这就证明所有有限维分布正态。n大于2时协方差矩阵的秩至多2,没有通常的n维联合密度,也仍是允许退化的正态向量,不能因此否定它是正态过程。

由零均值、独立性及、,

故方差恒为。本例与例2可以有同形的自相关函数,但分布机制不同;不能只凭均值和自相关相同,就断言一般非正态过程与正态过程具有相同分布。(例完)

1: A*t+B1s*t + 4/3t^2 + 1/30(a^2/2) cos(ω(t-s))a^2/20σ^2 cos(ω(t-s))σ^2
三个例题的均值、自相关及方差汇总,例1的4/3是均方值中的常数项,不能误写成方差常数项

【三、二维随机过程】若X(t)、Y(t)定义在同一概率空间及参数集上,为二维过程。为完整描述跨过程、跨时刻联系,任取两组时刻与,研究向量的联合分布。其分布函数为所有和同时发生的概率。

例如一地的最高与最低温度、系统输入信号与噪声,都不能只研究两个独立的边际过程而忽略彼此联系。若任意这样的两组有限维向量都相互独立,才称两个过程相互独立。仅在每个相同时刻X(t)与Y(t)独立并不够:若是独立序列,、,同一n的两个值独立,但,两个过程显然共享随机量。

【互相关与互协方差】二阶矩有限时定义

实值过程有,但一般不能在不交换时间的情况下把XY与YX互换。若对任意两个时刻都有,称两个过程不相关。独立加上相应矩存在可推出不相关,反向一般不成立。

如果要借助“正态时不相关推出独立”,必须要求两个过程联合为正态过程,不能仅知道它们各自正态。前面的Z、SZ构造已经说明,一维边际都正态也可能不相关而不独立。

【几个过程之和】设,均值始终有。原点二阶矩要保留全部九项:

也就是三个自相关项,以及XY、XZ、YX、YZ、ZX、ZY六个有序互相关项,不能漏掉反向项。若两两不相关且各均值为0,六个互相关均为0,才可直接写。

更一般地,两两不相关而均值不为0时,互协方差仍为0,但互相关是相应均值的乘积,不能直接删去;此时可先用协方差相加:。特别在同一时刻,,这个方差结论并不要求均值都为0。均方值的相加条件与方差的相加条件应当区分。