[论文]综述——特征函数在随机过程研究中的作用与意义.docx

《[论文]综述——特征函数在随机过程研究中的作用与意义.docx》由会员分享，可在线阅读，更多相关《[论文]综述——特征函数在随机过程研究中的作用与意义.docx（8页珍藏版）》请在第壹文秘上搜索。

1、瞟程段计（跄文），果程石称：应用瓯机过程设计题目：维三院系：电子与信良工程学院班级：09项通信一班设计者：学号：指导教师：设计时间：2009-11至2009-12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Il月12日至2009年12月20日课程设计题目：综述一一特征函数在随机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

2、总结，归纳出特征函数在随机过程研究中的作用和意义。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X组成的新的随机变量/&X的数学期望，记为：=E(e%(1)当X为连续随机变

3、量时，则X的特征函数可表示成OO()(O)=1;(2)共辄对称性(-=(；特征函数中3)在区间(Y0,8)上一致连续；(4)设随机变量y=X+8,其中。,。是常数，则丫(=e.*()；其中(M,中八分别表示随机变量X1的特征函数。上式对于随机过程同样适用。(5)设随机变量X,丫相互独立，又z=x+y,则z(0)=(G)”0)；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的定义是一致的，仅是将X变为X),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

4、统一的讨论。3.1 利用特征函数求随机过程的概率密度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)()=(xyx(x) = 2j x3)e4-Oo(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X),X2(。的概率密度函数工(XJ),6(2),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X)

5、,X2(。为相互独立的高斯随机过程，数学期望为。，方差为1，求r(r)=XIQ)+X2的概率密度。己知数学期望为0,方差为1的高斯过程的概率密度为(6)1fD=诟e2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X的特征函数.()=1 x,tyxdx = e -00, X()= fx2 x,tyxdx = e 2-00(7)利用特征函数的性质(5)3)=1(6y)3)=e2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y的概率密度y(M = 1j-co1 上(6eTydc = 4=e 4(8)由上面的求解过程可见，利用特征函数求解比起直接求两个随机过程之和的概率密度要简

6、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：(G)可以看作是以次吗(toVZVzO)为基的可列无穷维空间下的坐标分解,第k维的坐标值为外。则=P的Jt1汽Pk=J)eit,lkd(10)-其中心可以看作是以H%to(TFV/V苏为基的实数势无穷维空间下的坐标分解，(O)是在基HaZ刃下的坐标值。上述新解释在求解离散随机过程的概率分布时有非2乃常重要的应用。下面以一个例

7、子来说明：例如求下列各随机变量？的概率分布，已知其特征函数分别为：(I)CoSG(2)cos2ITPPT3-p-j2由反演公式可解决此问题，即利用公式/(%)-*&)=您Jg,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(M进行坐标分解即可，(可以看作是以，双(-00V攵内)为基的可列无穷维空间下的坐标分解，第k维的坐标值为0.,惟一性定理可知外即为概率分布。解：(1)J./11cos(w=；=ux,+m0=P(x=+P(x=一l)g(T由惟一性定理可知，它的概率分布惟一,P(?=1)=0.5,P(7=-1)=0.5,即？所求的概率分布

8、。(2)COS2=1泮。+l-2+=P(X=o-o+尸(X=2)eis2+P(X=_2)?UM-2)由惟一性定理可知,它的概率分布惟一,p(=0)=0.5,P(=2)=0.125,P(=-2)=0.25,即为？所求的概率分布。可见，基于坐标分解的特征函数的新解释能加深我们对特征函数的理解，而且能使特征函数相关的求解问题化繁为简。3.3利用特征函数求解随机过程的矩函数特征函数与矩函数是一一对应的，因此特征函数也称为矩生成函数。设随机变量X的阶原点矩存在，则它的特征函数可以微分次，且有兄XI=j4g)=(r今粤（三）=0这是因为，当对特征函数求阶导数时可得号g=jnxnejxfxx)dx=jnxl

9、tfx(W)=jExn(12)=00。=0r在随机过程的研究过程中，更多的时候我们需要研究的是随机过程的统计特性，如随机过程的各阶矩。如果利用矩函数的定义直接求解，则需要进行大量的积分过程，求解过程将相当复杂，。但是如果利用上述特征函数与矩函数之间的关系来求解，问题就可以得到很大的简化。以下通过一个例子来简要说明这种求解过程。例如，求解数学期望为0的高斯随机过程X()的各阶矩。易得数学期望为0,方差为，的高斯过程Xa)的概率密度函数为1士fxg)=He由Xa)的概率密度求特征函数8苏(6y)=fxxyxdx=e2再利用上面介绍的特征函数与矩函数的关系可得E(r)=-j2er=01折0(6%2T%2、EX2()=(-j)2(-c%)e2-2e2Iy=0继续可求出各阶矩EX(O = 135 (-1)0, 为奇数b, 为偶数由上述的例子可以看出，利用特征函数求解随机过程的矩函数的确比较方便，它省去了大量的积分过程。4.结论上面简要介绍了特征函数在随机过程研究中的应用，利用特征函数可以求解复杂的随机过程的概率分布问题，以及随机过程的矩函数。同时根据特征函数的新的解释，可以应用它来求解离散型随机过程或随机变量的分布函数。利用特征函数的定义及性质，可以将很多原本复杂的问题进行简化，可以极大的方便我们对于随机过程的研究。