隨機(jī)過(guò)程第3章小結(jié),陳明制作,知識(shí)要點(diǎn),正態(tài)隨機(jī)對(duì)象記憶特性隨機(jī)過(guò)程平穩(wěn)隨機(jī)過(guò)程,正態(tài)隨機(jī)對(duì)象,正態(tài)隨機(jī)變量正態(tài)隨機(jī)向量正態(tài)隨機(jī)過(guò)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(guò)程,記憶特性隨機(jī)過(guò)程,純粹獨(dú)立隨機(jī)過(guò)程獨(dú)立增量過(guò)程Markov過(guò)程,純粹獨(dú)立隨機(jī)過(guò)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(guò)程,定義典則表示pmf和cdf的表示,離散時(shí)間獨(dú)立增量過(guò)程的例子：和過(guò)程,性質(zhì)pmf和cdf性質(zhì)例3.4和過(guò)程的例子二項(xiàng)計(jì)數(shù)過(guò)程（例3.5）一維隨機(jī)游走過(guò)程（例3.6）,連續(xù)時(shí)間獨(dú)立增量過(guò)程,Poisson過(guò)程Poisson過(guò)程的導(dǎo)出過(guò)程Wiener過(guò)程,Poisson過(guò)程,定義獨(dú)立增量過(guò)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(guò)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(guò)程兩事件發(fā)生時(shí)刻的時(shí)間間隔Poisson過(guò)程停留于某個(gè)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(guò)程：第n次事件發(fā)生所需的時(shí)間n個(gè)獨(dú)立同分布的指數(shù)分布和為n-Erlang分布,Poisson過(guò)程事件發(fā)生時(shí)刻的均勻性,例3.9說(shuō)明了Poisson過(guò)程事件發(fā)生的時(shí)刻具有均勻性,Poisson過(guò)程的數(shù)字特征,例3.10,Poisson隨機(jī)電報(bào)過(guò)程,Wiener過(guò)程,一維隨機(jī)游走過(guò)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(guò)程,定義三條性質(zhì)二維概率密度函數(shù)完全決定無(wú)后效性C-K方程,平穩(wěn)隨機(jī)過(guò)程,嚴(yán)平穩(wěn)隨機(jī)過(guò)程定義寬平穩(wěn)隨機(jī)過(guò)程定義相互關(guān)系,TheEnd,