《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?jiān)谘b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(jià)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(shí)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(shí)間離散客觀上是存在的常作用時(shí)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(shí)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(xiàng)計(jì)數(shù)過程（例3.5）一維隨機(jī)游走過程（例3.6）,連續(xù)時(shí)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(shí)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(shí)刻的時(shí)間間隔Poisson過程停留于某個狀態(tài)的時(shí)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(shí)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(shí)刻的均勻性,例3.9說明了Poisson過程事件發(fā)生的時(shí)刻具有均勻性,Poisson過程的數(shù)字特征,例3.10,Poisson隨機(jī)電報(bào)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,