虽然用随机过程的 维分布函数或 维概率密度函数能够完善地描述随机过程 |
![]() |
并记为![]() ![]() ![]() ![]() ![]() ![]() |
![]() |
图3.2.1 随机过程的数学期望和方差 |
二、方差 定义: |
![]() |
由此可得 |
![]() |
![]() ![]() ![]() ![]() ![]() ![]() 当均值 ![]() ![]() 三、自协方差函数和自相关函数 数学期望 ![]() ![]() ![]() ![]() 1.自协方差函数 定义 |
![]() |
其中,![]() ![]() ![]() ![]() ![]() ![]() ![]() 2.自相关函数 定义 |
![]() |
二者关系: |
![]() |
上面的![]() 四、互协方差和互相关函数 如果把自相关函数的概念引伸到两个或多个随机过程中,可以得互协方差或互相关函数。设 ![]() ![]() 1.互协方差函数 定义 |
![]() |
2.互相关函数 定义 |
![]() |
由以上分析可见,随机过程的统计特性一般都与时刻![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() |
电工学习网 ( )
GMT+8, 2021-12-6 20:45