⚠ 当前无法加载公式渲染库（KaTeX），请检查网络连接后刷新。
模块 2
∫f dF两大翻译定理重要公式柯西–许瓦兹条件期望五性质全期望最优预测Wald 等式
本课程的分析地基与考试高频区；09 为第 4 次课新版（证明最全）。
模块 3
Fourier–Stieltjes七大分布 φ非负定矩公式反演/唯一性arcsine二维正态独立和定理
卷积变乘法；正态可加性三步曲；含课件勘误说明。
模块 4
均方微积分地图样本函数/随机场有限维分布族柯氏存在定理m/D/C/R复过程
第一章完整覆盖；柯氏定理的 AI 应用表（布朗/高斯过程/扩散/LLM）是本课程特色考点。
模块 5
柯氏定理地基视角和差化积口诀复过程特征互不相关与正交二阶矩过程四种正弦波对照 ★★宽/严平稳之辨白噪声独立增量性质1.3.1 ★★性质 1.3.2 ★★不相关/正交增量独立vs独立增量思考题第1章书后与补充作业全解
现有课堂笔记记录：§4.5 不考、性质1.3.1 打星（以老师后续正式复习安排为准）；"四个波"= 四种正弦波对照表（课件版）+ 教材四波形（模块4），两组都收。
作业详解 ★ 10.17 课堂布置
课本习题 2/4/6/7/9/12/13
补充作业例1-4/题5-8/补充题5
16道题详细推导
前序笔记精准索引
三大通用题型模板与应试信号词
对照老师课堂亲自布置的 3 页习题照片（2.jpg, 4、6、7.jpg, 9、12、13.jpg）与《第一章补充作业（有答案）.pdf》，逐题提供严谨数学推导、核心得分点、笔记索引及考试信号词应试指南。
模块 6 ★ 第9–10次课新增
多元正态密度与特征函数
独立 ⟺ 不相关 ★★
线性变换 Y=CX 与退化判据 ★
正态过程两大证明模板
6步正交统计检验
平稳正态：宽平稳 ⟺ 严平稳 ★★
sinc 三维协方差求逆大题
维纳过程两种等价定义 ★★
维纳 n 维联合密度证明
W²(t) 与 tW(1/t) 自相关 ★★
判别定理 2.2.2 与四大不变变换
滑动增量 W(t+a)-W(t) 辨析
CH2 课堂练习 A & B 全解
完整总结第 9 次课（10.10 sjgc2.1-1）与第 10 次课（10.12 sjgc2.1-2、sjgc2.2）全部新课件，配套本科线代二次型/正交对角化急救与云盘《CH2 课堂练习 A/B》9 道随堂题逐题推导。
待 续
后续章节
泊松过程更新过程平稳过程均方微积分谱分析马氏链
第 11 次课起后续课件（§2.3 泊松过程、§2.4 更新过程、第 3 章均方微积分、第 4 章平稳过程谱分析、第 5 章马尔可夫链）发布后继续追加模块 7+；下方已为您先行提炼往届总结讲义与公式速查手册的核心精华供预习与查阅！
历史复习大纲覆盖对照（2025 资料，非 2026 考试范围公告）
已读取仓库 复习资料/2025-随机过程及应用总复习.docx 的文字内容。它列到第 0–5 章，而目前 2026 年整理的正式模块对应课件 00–16（概率基础、特征函数、随机过程基本概念与类型）。不要以为读完五篇模块便已覆盖旧大纲的所有章节。
| 2025 历史复习单元 | 当前笔记覆盖 | 建议怎么做 |
|---|
| 第 0 章：概率、条件期望、特征函数 | 模块 1–3 已详讲 | 用课堂例题和自测巩固 |
| 第 1 章：过程定义、有限维分布、基本类型 | 模块 4–5 已详讲 | 特别检查均值/协方差、严/宽平稳判定 |
| 第 2 章：正态、维纳、泊松、更新过程 | 正态过程、维纳过程已在【模块 6】详讲；泊松与更新过程见下方核心精华汇编与排队论模块 2 | 精读模块 6 并完成 CH2 课堂练习 A/B；泊松过程可结合《排队论》模块 2 提前掌握 |
| 第 3 章：均方极限、连续、导数、积分 | 当前仅讲基础地图 | 优先回忆二阶矩、极限和积分，后续补系统推导 |
| 第 4 章：平稳、遍历性与功率谱 | 仅平稳概念有所覆盖 | 遍历判别与傅里叶谱分析尚需正式笔记 |
| 第 5 章：马尔可夫链及状态分类 | 本课只有预告 | 先借鉴另一门课的离散链模块，但注意记号与课程范围不同 |
期末复习时怎样避免把旧大纲当成现行考纲？
先确认本学期老师最终公布的考核范围与形式；旧大纲只帮助发现遗漏的知识和选择往年题型。若新课件尚未发布或今年调整了内容，不能把 2025 年要求自动推断为今年必考。
零基础恢复路线 · 先算再证明
忘了高数概率？先用 数学基础工具箱 回忆积分、条件概率、矩阵和复数；再依次学习概率空间/函数分布 → R-S 积分与条件期望 → 特征函数 → 随机过程数字特征 → 平稳性。严谨性补充用于辨别公式成立条件。
每节按“理解定义 → 重算课件例题 → 自己推导模块新增例题 → 完成折叠自测”学习。要练期末题，配合 课程资源 和 课堂练习/，不要把往年卷直接当今年范围。
术语提醒：“右连续分布函数”与排队课的左连续记法是不同约定；随机变量独立、随机过程独立增量、宽平稳与严平稳是四个不同命题。
怎么用这套笔记
| 场景 | 建议 |
|---|
| 课后 24h 内 | 打开课件对应模块，左侧折叠目录跳到对应小节；折叠例题自己先做再展开。 |
| 平时积累一页纸 | 本学期允许携带的一页资料请依正式通知确认：R-S 期望公式、条件期望五性质、全期望/Wald、七大分布 φ 表、C=R−mm 恒等式优先誊抄。 |
| 做题卡住 | 先看 教材与习题解答/ 对作业；课堂练习/ 的 CH 编号对应教材章。 |
| 期末冲刺 | 复习资料/考试范围.pdf 9 条考点逐条过；与《随机过程与排队论》重叠部分交叉复习。 |
⚠ 本课程记号约定（做题请遵守；与《随机过程与排队论》课程相反，详见 ../随机过程与排队论/笔记目录.html 的对照说明）：
① 分布函数 F(x) = P{X ≤ x}，右连续，区间概率 P{a < X ≤ b} = F(b) − F(a)，离散型跳跃点取上台阶；
② 虚数单位用 j，特征函数 φ(t) = E(e^(jtX)) = ∫ e^(jtx) dF，矩公式 E(X^k) = j^(−k)·φ^(k)(0)；
③ 期望/方差等一律用 R-S 积分 ∫ · dF 书写；④ N(a, σ²) 中 σ 为标准差；复过程自相关 R_Z = E[Z(s)·Z(t) 上划线]。
随机过程核心条件与勘误
从原专题文件整合而来，直接在本课程目录内阅读。
两门随机课侧重点不同，本页聚焦“随机过程及应用”中的 R-S 积分、特征函数、有限维分布和平稳过程。这里的勘误是针对笔记中省略前提或表述易混淆处的澄清，不代表已逐页核验本学期教师 PDF。
Riemann–Stieltjes 与 Lebesgue–Stieltjes
概率期望 $E[g(X)]=\int g(x)\\,dF(x)$ 通常以 Lebesgue–Stieltjes 积分解释最稳妥（能够统一离散、连续、混合分布）。经典 Riemann–Stieltjes 积分需要对应的存在条件；不要断言所有可测函数都能用经典 R-S 积分求期望。
特征函数：总存在，但矩公式有前提
$\varphi_X(t)=E[e^{itX}]$ 总存在、连续且 $\varphi_X(0)=1$；\(\varphi'_X(0)=iE[X]\) 在绝对一阶矩存在时成立；\(\varphi''_X(0)=-E[X^2]\) 在二阶矩存在时成立。特征函数乘法公式 \(\varphi_{X+Y}=\varphi_X\varphi_Y\) 要求 $X$ 与 $Y$ 独立。
严平稳、宽平稳和白噪声
- 严平稳：有限维联合分布对同时平移时间不变。
- 宽平稳：二阶矩有限、均值为常数、协方差仅依赖时差。
- 严平稳且二阶矩有限 $\Rightarrow$ 宽平稳；反向通常不成立。高斯过程在满足适当条件时宽平稳可推出严平稳。
- 理想连续时间白噪声的 $R(\tau)=\sigma^2\delta(\tau)$ 应理解为广义随机过程/分布意义的关联表达，不能直接把它当作每个时刻都有有限方差的普通过程。离散白噪声没有这一分布论障碍。
Kolmogorov 存在定理
一致的有限维分布族在合适的可测状态空间上保证存在过程（在乘积空间意义下）；并不直接保证样本路径连续、可微或适配某个既定滤过。路径正则性需要额外定理与条件。
检查题
- $X_t=Z$（同一随机变量恒定）是否独立？一般不是独立过程，却可能严平稳。
- $X_t=(-1)^t Z$（离散时间，$E[Z]=0,\ E[Z^2]<\infty$）是否宽平稳？协方差仅依赖时差，是；若 $Z$ 非对称分布，通常不是严平稳。
- 随机变量有混合分布时，用 $F'(x)$ 计算全部概率为何会漏掉原子质量？
参照 本课目录 与 前置数学。
↑ 返回本课目录 · 课程资源与视频
★ 往届总结讲义与公式手册核心精华（全学期 0–5 章全景速查）
以下内容提炼自课程文件夹内的《随机过程总结讲义(64页电子书版).pdf》《随机过程公式速查手册(39页排版版).pdf》《2025-随机过程及应用总复习.docx》《分章复习重点与应试提示.docx》与《随机过程思考题.docx》。前两章（预备知识、基本类型、正态过程与维纳过程）已在模块 1–6 中按本学期最新课件完整展开；后续章节（泊松过程、更新过程、均方微积分、平稳过程谱分析、马尔可夫链）的核心公式与必考题型在此一站式汇总：
专题 A · 泊松过程与更新过程（第二章 §2.3–§2.4 核心结论）
- 齐次泊松过程 \(\{N(t), t\ge 0\}\)（参数 \(\lambda > 0\)）两大等价定义：
① 增量分布定义：独立增量 + \(N(0)=0\) + \(N(t)-N(s) \sim \text{Pois}(\lambda(t-s))\)，即 \(P\{N(t)-N(s)=k\} = \frac{[\lambda(t-s)]^k}{k!}e^{-\lambda(t-s)}\)。
② 微分（稀有性）定义：平稳独立增量 + \(N(0)=0\) + \(P\{N(h)=1\}=\lambda h+o(h),\; P\{N(h)\ge 2\}=o(h)\)。由此导出微分方程 \(P'_0(t)=-\lambda P_0(t)\) 与 \(P'_n(t)=-\lambda P_n(t)+\lambda P_{n-1}(t)\)。
- 数字特征与时间间隔：\(m_N(t)=D_N(t)=\lambda t,\; C_N(s,t)=\lambda\min(s,t)\)；到达间隔 \(T_k \stackrel{\text{i.i.d.}}{\sim} \operatorname{Exp}(\lambda)\)；第 \(n\) 次到达时刻 \(W_n=\sum_{k=1}^n T_k \sim \Gamma(n,\lambda)\)，密度 \(f_{W_n}(t)=\frac{\lambda(\lambda t)^{n-1}}{(n-1)!}e^{-\lambda t}\ (t\ge 0)\)。
- 条件均匀分布定理（★高频计算题）：在给定 \(N(t)=n\) 条件下，\(n\) 个到达时刻 \((W_1,\dots,W_n)\) 与 \([0,t]\) 上 \(n\) 个独立 \(U(0,t)\) 变量的次序统计量同分布！（如已知 1 小时内来 2 位顾客，两人均在前 20 分钟到达的概率为 \((20/60)^2 = 1/9\)）。
- 复合泊松过程 \(Y(t)=\sum_{k=1}^{N(t)} X_k\)：\(E[Y(t)]=\lambda t E[X_1],\; D(Y(t))=\lambda t E[X_1^2],\; C_Y(s,t)=\lambda\min(s,t)E[X_1^2]\)。
专题 B · 二阶矩过程的均方微积分（第三章核心充要条件）
- 均方连续：\(\{X(t)\}\) 在 \(t_0\) 均方连续 \(\iff R_X(s,t)\) 在 \((t_0,t_0)\) 处连续（宽平稳时 \(\iff R_X(\tau)\) 在 \(\tau=0\) 连续）。
- 均方可导：\(\{X(t)\}\) 在 \(t\) 均方可导 \(\iff \frac{\partial^2 R_X(s,t)}{\partial s\partial t}\) 在 \((t,t)\) 存在且连续（宽平稳时 \(\iff R''_X(0)\) 存在）。且 \(m_{X'}(t)=m'_X(t),\; R_{X'}(s,t)=\frac{\partial^2 R_X(s,t)}{\partial s\partial t}\)（宽平稳时 \(R_{X'}(\tau)=-R''_X(\tau)\)）。
- 均方可积：\(\int_a^b X(t)\,\mathrm{d}t\) 均方存在 \(\iff \int_a^b\int_a^b R_X(s,t)\,\mathrm{d}s\,\mathrm{d}t\) 存在，且 \(E[\int_a^b X(t)\,\mathrm{d}t]=\int_a^b m_X(t)\,\mathrm{d}t\)，\(D(\int_a^b X(t)\,\mathrm{d}t)=\int_a^b\int_a^b C_X(s,t)\,\mathrm{d}s\,\mathrm{d}t\)。正态过程经均方极限/求导/积分后仍为正态过程！
专题 C · 平稳过程遍历性、维纳-辛钦公式与马尔可夫链（第四、五章核心结论）
- 均值各态历经定理：\(\frac{1}{T}\int_0^T X(t)\,\mathrm{d}t \xrightarrow{\text{m.s.}} m \iff \lim_{T\to\infty}\frac{1}{T}\int_0^T (1-\frac{\tau}{T})C_X(\tau)\,\mathrm{d}\tau = 0\)（充分条件：\(\lim_{\tau\to\infty} C_X(\tau)=0\)）。
- 维纳-辛钦公式与线性系统：\(S_X(\omega)=\int_{-\infty}^\infty R_X(\tau)e^{-j\omega\tau}\,\mathrm{d}\tau\)；通过 LTI 系统 \(H(j\omega)\) 后，\(m_Y=m_X H(0),\; S_Y(\omega)=|H(j\omega)|^2 S_X(\omega)\)。
- 齐次马氏链：C-K 方程 \(\mathbf{P}^{(m+n)}=\mathbf{P}^{(m)}\mathbf{P}^{(n)}\)；有限不可约非周期马氏链必遍历，唯一平稳分布由 \(\boldsymbol\pi\mathbf{P}=\boldsymbol\pi,\; \sum_j\pi_j=1\) 解出。
图：齐次泊松过程点间距 Tₖ（独立同指数分布）与等待时间 Wₙ（Erlang/Gamma 分布）对偶关系轴