0 · 彻底看懂 \(X(t, \omega)\)：固定时间看分布，固定样本看波形
- 随机过程的双重身份：随机过程 \(X(t, \omega)\) 是关于时间 \(t\in T\) 和样本点 \(\omega\in\Omega\) 的二元函数：
① 固定时刻 \(t=t_0\)：\(X(t_0, \cdot)\) 是一个普通的随机变量（状态）；
② 固定一次试验结果 \(\omega=\omega_0\)：\(X(\cdot, \omega_0)\) 是一条确定性的时间曲线，称为样本函数（或轨道 / 实现）。 - 数字特征不过是“带着时间参数 \(t\) 算期望”：求 \(m_X(t) = E[X(t)]\) 和 \(R_X(s,t) = E[X(s)X(t)]\) 时，把时间 \(s, t\) 完全当成已知常数，只对里面的随机变量（如 \(A, \Theta, \xi\)）求期望！千万别对 \(t\) 积分！
自学导航 · 有限维分布与数字特征：先会算
① 前置知识与记号
固定 t，X(t) 是随机变量；固定 ω，X(t,ω) 是样本函数。均值 m(t)=E X(t)，协方差 C(s,t)=E[(X(s)−m(s))(X(t)−m(t))]。
② 完整例题
U、V 独立 N(0,1)，设 X(t)=U+tV。则 m(t)=0，Var X(t)=1+t²，C(s,t)=1+st。注意 s=t 时 (X(s),X(t)) 的联合分布退化，不能声称存在一般二维密度。
💡 破题关键与第一步提示（遮答案自测用 · ③ 考前自测（展开题目））
破题切入点：每个 t 的一维分布都相同，为什么仍不能证明过程严格平稳？（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（③ 考前自测（展开题目））
每个 t 的一维分布都相同，为什么仍不能证明过程严格平稳？
本栏是补充学习材料，考试范围以本学期教师正式通知为准。
如何系统计算随机过程的均值和协方差
令 \(U,V\) 是相互独立的标准正态随机变量，定义 \(X(t)=U+tV\)，\(t\ge0\)。
- \(m(t)=E[U]+tE[V]=0\)。
- \(R(s,t)=E[(U+sV)(U+tV)]=E[U^2]+stE[V^2]=1+st\)（交叉项因独立且均值为零而消失）。
- \(C(s,t)=R(s,t)-m(s)m(t)=1+st\)，故 \(D(t)=C(t,t)=1+t^2\)。
- 作为一致性检查，\(s=0,t=1\) 的协方差矩阵为 \(\begin{pmatrix}1&1\\1&2\end{pmatrix}\)，行列式 \(2-1=1\ge0\)，满足半正定要求。
💡 破题关键与第一步提示（遮答案自测用 · 自测：该过程宽平稳吗？）
破题切入点：否。其均值虽然恒定，但 \(D(t)=1+t^2\) 不为常数，协方差也不只取决于时间差。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（自测：该过程宽平稳吗？）
否。其均值虽然恒定，但 \(D(t)=1+t^2\) 不为常数，协方差也不只取决于时间差。不能把“正态过程”误写为“平稳过程”。
先看：本模块易错点与补充
研究生层面补充- Kolmogorov 存在定理通常只给出一致有限维分布对应的过程；样本路径的连续/可微性质要另外验证，不能从定理本身推出。
- 一维边缘分布相同不等于过程相同，需比较所有有限维联合分布。
★ 老师课堂划重点（第 4 周 / 第 7–8 次课）
老师课上明确了三件事，其中两件指向教材 §1.3 随机过程的基本类型——对应课件（sjgc1.3）尚未发布，以下按教材标准内容整理，课件发布后请对照核对。
- 有限维分布的确定：独立增量过程的有限维分布由一维分布 + 各增量分布唯一决定（X(t₁), X(t₂)−X(t₁), …, X(tₙ)−X(tₙ₋₁) 独立，累加还原）；若 X(0)=0，只需增量分布。
- 若还是平稳独立增量且 X(0)=0，则 \[m(t)=E[X(t)]=at,\qquad D(t)=\sigma^2 t,\qquad C(s,t)=\sigma^2\min(s,t)\] （a=m(1)、σ²=D(1) 为常数）。均值方差线性增长、协方差取 min——维纳过程 C=σ²min(s,t)、泊松过程 C=λmin(s,t) 都是其特例。
💡 破题关键与第一步提示（遮答案自测用 · 证明骨架（两步，考试可能要求））
破题切入点：① m(t)=at ：把 X(t+s) 拆成 [X(t+s)−X(s)]+[X(s)−X(0)]，由平稳独立增量 m(t+s)=m(t)+m(s)；（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（证明骨架（两步，考试可能要求））
① m(t)=at：把 X(t+s) 拆成 [X(t+s)−X(s)]+[X(s)−X(0)]，由平稳独立增量 m(t+s)=m(t)+m(s)；连续函数方程 f(x+y)=f(x)+f(y) 的解只有 f(x)=ax。
② D(t)=σ²t：同款拆分，独立 ⟹ 方差相加，D(t+s)=D(t)+D(s) ⟹ D(t)=σ²t。
③ C(s,t)=σ²min(s,t)：设 t>s，写 X(t)=[X(t)−X(s)]+X(s)，前项与 X(s) 独立：
C(s,t)=E[(X(t)−X(s))X(s)]=E[X(t)−X(s)]·E[X(s)]=a(t−s)·as；结合 m=0、D=σ²t 化简即 σ²min(s,t)。∎
（前置知识：函数方程与“独立 ⟹ 期望方差可加”——见 ../../学习导航.html#math-foundation §6。）
| 波形 | 过程与公式 | 分类标签 |
|---|---|---|
| 余弦曲线族（初相位随机） | 随机相位正弦波 \(X(t)=a\cos(\omega t+\Theta)\)，\(\Theta\sim U(0,2\pi)\) | 连续参数、连续状态 |
| ±1 方波（宽度与跳变时刻随机） | 随机电报信号 / 半随机二元传输 \(X(t)=(-1)^{N(t)}\)，N(t) 为泊松计数 | 连续参数、离散状态（±1） |
| 连续无规则折线 | 维纳过程（布朗运动）\(W(t)\sim N(0,\sigma^2 t)\)，W(0)=0，平稳独立增量 | 连续参数、连续状态 |
| 阶梯上升计数 | 泊松过程 \(P\{N(t)=k\}=\dfrac{(\lambda t)^k}{k!}e^{-\lambda t}\)，独立平稳增量 | 连续参数、离散状态（计数） |
考法预判：给波形认过程 / 写公式 / 判断参数集与状态空间的连续离散（分类四象限见本模块课件 13 部分第 1 节）。四条样本函数的“长相”要能默画：正弦波=光滑曲线族；电报信号=±1 跳变方波；维纳=处处连续处处不规则；泊松=只升不降的阶梯。
课件 12-随机过程-1-定义及分类(sjgc1.1-1).pdf
12 · 随机过程（一）：定义、样本函数与随机场
0 · 本讲导读
预备知识（概率空间 → 特征函数）全部就位，正式进入第一章。随机过程 = 一族随时间（或地点）变化的随机变量——概率论向时间维度的延伸。本讲给定义、给词汇（样本函数/状态/参数集/随机场），并列出全课程的“地图”。
- 五分布期望方差表——老师明示"考试必背"，一页纸必抄（泊松 λ/λ、二项 np/np(1−p)、正态 μ/σ²、均匀 (b+a)/2 与 (b−a)²/12、指数 1/λ 与 1/λ²）；
- 数字特征函数计算 ★★——给一个具体过程（如 \(U+Vt\)、随机开关、随机正弦波）求 \(m(t),D(t),C(s,t)\)（第 2 讲例题五连是全部题型）；
- 老师划重点三条：§4.5 不考（自学）；独立增量性质 1.3.1 打星必考（平稳独立增量 \(m=at,D=\sigma^2t,C=\sigma^2\min\)）；"四个波"（正弦/随机电报/维纳/泊松阶梯）是考点——四个波形和公式要能默画默写；
- 柯氏存在定理——简答"为什么有限维分布族能确定一个过程"（定理陈述 + 相容性条件直觉），不考技术性证明。
缺基础？求导、积分、级数、矩阵乘法、复数的手生处，直接翻上级目录的 《数学基础工具箱》（每条约三分钟，配例题与易错点；考前还有"十分钟急救包"）。
1 · 全课程地图：微积分的平行宇宙
| 微积分 | 随机世界（本课程） |
|---|---|
| 数列 \(\{x_n\}\) / 函数 \(\{f(t)\}\) | 随机变量序列 \(\{X_n\}\) / 随机过程 \(\{X(t)\}\) |
| \(\mathbb R^n\)、距离 | 二阶矩空间 \(H=\{X:E|X|^2<+\infty\}\)，距离 \(d(\hat X,Y)=\sqrt{E|X-Y|^2}\) |
| 极限（核心） | 均方极限（核心）：\(X_n\to X\) ⟺ \(E|X_n-X|^2\to0\)；Cauchy 均方收敛准则依赖自相关函数 \(E[X_mX_n]\) |
| 微分 / 积分 | 均方连续 / 均方微分 / 均方积分 / 均方导数 |
2 · 引例：七个真实过程
| 例 | 过程 | 类型与看点 |
|---|---|---|
| 抛硬币计数 | \(\{X_n\}\)=第 n 次正/反面 | 离散参数、离散状态 |
| 电话呼叫 | \(X(t)\)=t 前呼叫次数 | 连续参数、离散状态（泊松过程雏形） |
| 信号检测 | \(Y(t)=X(t)+Z(t)\)（信号+噪声） | 过程的预测与滤波：从 Y 检出 X（通信工程核心题） |
| 雷达回波 | \(A S_{t-\tau}+N_t\) | 能量损耗 A、时延 τ、随机干扰 \(N_t\)——抗干扰=研究 \(N_t\) 特性 |
| 布朗运动 | \((X(t),Y(t))\)=微粒平面位置 | 连续参数、连续状态；分子随机碰撞的结果 |
| 醉汉游动 | \(X(t)\)=街上位置（前进 p、后退 1−p） | 随机游动——马氏链的原型 |
| 电话排队 | 呼叫间隔~指数，同时接通 ≤K | 排队模型：队长、平均等待时间（与《随机过程与排队论》直接接轨） |
| 神经细胞膜位势 | \(X(t)\)=膜位势，脉冲到达即升降，兴奋后归 0 重复 | \(T_i\)=两次兴奋间隔；锯齿状样本函数（课件图 1.1） |
AI 对照（课件 p.10）：股价 \(S_t\) 预测（自相关→几何布朗运动建模，LSTM/Transformer 捕捉时间依赖）；LLM 逐词生成（\(X_1,\dots,X_T\) 是离散时间随机过程，一次生成=一条样本路径）。
3 · 随机过程的正式定义
| 固定 | 得到 | 称呼 |
|---|---|---|
| \(t=t_0\)，让 ω 变 | 随机变量 \(X(t_0)\) | 过程的横截面 |
| \(\omega=\omega_0\)，让 t 变 | 普通函数 \(x(t,\omega_0)\) | 样本函数（trajectory / path / 现实 realization，也称轨道、路径） |
4 · 样本函数、状态与随机场
AI 对照：CNN 特征图、ViT 的 patch 表示、NeRF 辐射场、LLM 词向量场——本质上都是高维向量随机场。
5 · 自测与下一步
- 把“二阶矩空间 H + 均方极限”这张地图讲给同学听：后半学期要干什么？
- 随机过程定义中的 T 和 E 各叫什么？举一个 T 是二维点的例子。
- 样本函数的三个英文名？“固定 ω”意味着什么？
- 质点布朗运动例的 T、E、每条样本函数长什么样？
💡 破题关键与第一步提示（遮答案自测用 · 答案要点）
破题切入点：把极限/微分/积分搬到 \(H=\{E|X|^2<\infty\}\)：均方收敛（用自相关函数判 Cauchy）→ 均方连续/微分/积分。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（答案要点）
- 把极限/微分/积分搬到 \(H=\{E|X|^2<\infty\}\)：均方收敛（用自相关函数判 Cauchy）→ 均方连续/微分/积分。
- 参数集（参数空间）/ 状态空间；随机场（如风速场 \(T=\{(x,y,z)\}\)）。
- trajectory / path / realization；去掉随机性，得到一条普通函数。
- \(T=\{1,2,\dots\}\)，\(E=\{-1,1\}\)；样本函数是 ±1 交替的折线序列。
下一份：随机过程的分类四象限、有限维分布函数族（对称性与相容性）、柯尔莫哥洛夫存在定理（随机过程理论的“地基”）与它的 AI 应用表，以及随机开关、脉冲位置调制、随机正弦波三道例题。
课件 13-随机过程-2-定义分布与例题(sjgc1.1-2).pdf
13 · 随机过程（二）：有限维分布与柯氏存在定理
0 · 本讲导读
本讲回答一个根本问题：“一族”随机变量的统计规律怎么完整描述？答案：有限维分布函数族（n 取遍一切时刻组合）。更深一层：随便给一族分布，什么时候真的“存在”一个随机过程以它为有限维分布族？——柯尔莫哥洛夫存在定理，随机过程理论的地基（本课程与《随机过程与排队论》分叉的独特内容，重点掌握）。
1 · 分类四象限与样本函数例题
| E 可列（离散状态·链） | E 不可列 | |
|---|---|---|
| T 可列（随机序列/时间序列） | 离散参数链 | 随机序列 |
| T 不可列 | 连续参数链 | （随机过程） |
2 · 有限维分布函数族
- 对称性（横向相容）：对 \(1,\dots,n\) 的任一排列 \(j_1,\dots,j_n\)，\(F_{t_{j_1},\dots,t_{j_n}}(x_{j_1},\dots,x_{j_n})=F_{t_1,\dots,t_n}(x_1,\dots,x_n)\)。（因事件乘积满足交换律，\(P(AB)=P(BA)\)。）
- 相容性（纵向相容）：对 m<n，\(F_{t_1,\dots,t_m}(x_1,\dots,x_m)=F_{t_1,\dots,t_m,t_{m+1},\dots,t_n}(x_1,\dots,x_m,+\infty,\dots,+\infty)\)。（联合分布完全确定边缘分布。）
3 · 柯尔莫哥洛夫存在定理 ★
| 领域 | 过程 | 有限维分布 | 定理的作用 |
|---|---|---|---|
| 经典概率 | 布朗运动 | 多元正态（均值 0，Cov=\(\min(t_i,t_j)\)，增量独立） | 保证布朗运动存在 |
| 机器学习 | 高斯过程 \(\mathcal{GP}(m,k)\) | 任意有限点函数值联合正态 | 保证高斯过程存在（贝叶斯优化的合法性） |
| 深度学习 | 扩散模型（前向） | 马尔可夫链联合分布 | 保证前向过程存在 |
| 人工智能 | 语言模型 | 自回归分解 \(P(w_1..w_T)=\prod P(w_t|w_{<t})\) | 保证文本生成过程良定义 |
| 金融 / 通信 | 几何布朗运动 / 泊松过程 | 对数正态 / 泊松分布 | 保证股价 / 到达过程存在 |
4 · 例题：随机开关系统的一二维分布
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：一维 ：t=0 时 \(X(0)=2\)（p=1/3）或 \(-2\)（p=2/3）： \[F_0(x)=\begin{cases}0,&x<-2,\\ \tfrac23,&a（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
二维：\((X(0),X(\pi/4))\) 的联合分布律： \[P\{(2,\sqrt2)\}=\tfrac13\cdot\tfrac13=\tfrac19,\quad P\{(2,-\sqrt2)\}=\tfrac19,\quad P\{(-2,\sqrt2)\}=\tfrac29,\quad P\{(-2,-\sqrt2)\}=\tfrac29.\] 按“左开右闭矩形计概率”累加（\(F=P\{X\le x,Y\le y\}\)）： \[F_{0,\pi/4}(x,y)=\begin{cases} 0, & x<-2\ \text{或}\ y<-\sqrt2,\\[2pt] \tfrac29, & -2\le x<2,\ -\sqrt2\le y<\sqrt2,\\[2pt] \tfrac23, & -2\le x<2,\ y\ge\sqrt2\ \ (\text{或}\ x\ge2,\ -\sqrt2\le y<\sqrt2),\\[2pt] 1, & x\ge2,\ y\ge\sqrt2. \end{cases}\] 方法论：离散状态过程求有限维分布 = 列联合分布律表 → 按 \(\{X\le x\}\) 事件数格子/累加。∎
5 · 例题：脉冲位置调制信号
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：观察时刻 t 落在某脉冲 \([X, X+T/6)\) 内 ⟺ \(t-\tfrac T6<X\le t\)（落在首个周期内讨论）。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
6 · 例题：随机正弦波的一维密度
💡 破题关键与第一步提示（遮答案自测用 · 解答（条件密度 + 全概率公式的连续版，三步））
破题切入点：① 固定 A=a ：\(Y=a\cos(\omega t+\Theta)\)，Θ 均匀 ⟹ \(Y\) 的条件密度为 反正弦分布 （单调公式法两分支合并，\(\Theta\) 跨 \(2\p \cdots\)（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答（条件密度 + 全概率公式的连续版，三步））
6+ · 老师补充例题 ★：二维离散型随机变量求联合分布
例（老师强调要求掌握）
类似随机开关系统，设随机过程 \(\{X_1(\omega),\,t\in R\}\) 只有两条样本函数
\[x_1(\omega_1)=2\cos t,\qquad x_1(\omega_2)=-2\cos t,\quad t\in R,\qquad P(\omega_1)=\frac13,\ P(\omega_2)=\frac23.\]
求：1) 一维分布函数 \(F(x)\)；2) 二维分布函数 \(F(x,y)\)（取 \(t=0\) 与 \(t=\pi/4\) 两时刻）。
💡 破题关键与第一步提示（遮答案自测用 · 解答（板书原文思路 + 数格子））
破题切入点：1) 一维 ：对任意实数 t，\(X_t\in\{-2\cos t,\ 2\cos t\}\)，分布律 \(\begin{array}{c|cc}X_t & -2\cos t &am \cdots\)（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答（板书原文思路 + 数格子））
1) 一维：对任意实数 t，\(X_t\in\{-2\cos t,\ 2\cos t\}\)，分布律 \(\begin{array}{c|cc}X_t & -2\cos t & 2\cos t\\\hline p&1/3&2/3\end{array}\)。
特别 \(t=0\)：\(X_0\in\{-2,2\}\)；\(t=\pi/4\)：\(X_{\pi/4}\in\{-\sqrt2,\ \sqrt2\}\)，各以 1/3、2/3。按本课程 \(F=P\{X\le x\}\)（右连续、跳跃点取上台阶）：
\[F_0(x)=\begin{cases}0,&x<-2\\ \tfrac13,&-2\le x<2\\ 1,&x\ge2\end{cases}\qquad
F_{\pi/4}(x)=\begin{cases}0,&x<-\sqrt2\\ \tfrac13,&-\sqrt2\le x<\sqrt2\\ 1,&x\ge\sqrt2\end{cases}\]
2) 二维：\((X_0,\ X_{\pi/4})\) 只有两条轨道取值：\(\omega_1\to(2,\sqrt2)\)（p=1/3），\(\omega_2\to(-2,-\sqrt2)\)（p=2/3），联合分布律两格。
求 \(F(x,y)=P\{X_0\le x,\ X_{\pi/4}\le y\}\) 就是“在平面上数格子”——以两格点 \((-2,-\sqrt2)\)（权 2/3）与 \((2,\sqrt2)\)（权 1/3）画横竖分割线，平面切成 9 个区域（板书图 (1)–(9)）：
\[F(x,y)=\begin{cases}
0, & x<-2\ \text{或}\ y<-\sqrt2\quad(\text{区域(1)--(5)：左下两格都没圈住}),\\[2pt]
\dfrac13, & -2\le x<2,\ y\ge-\sqrt2\ \text{且}\ y<\sqrt2\ \text{的组合（圈住 }(-2,-\sqrt2)\text{ 格})\ \text{等对应区域},\\[2pt]
\dfrac23, & \text{只圈住第二格的组合区域},\\[2pt]
1, & x\ge2,\ y\ge\sqrt2\ (\text{区域(9)}).
\end{cases}\]
（板书末行自检 \(\tfrac13+\tfrac23=1\) ✓。）方法论：只有 k 条样本函数的离散状态过程，联合分布 = k 个格点的加权计数；画“格点 + 十字分割线”数区域是标准画法。此题与模块内“随机开关系统”例同型——板书版用 1/3、2/3 概率并显式要求二维分布，务必会画区域图。∎
💡 破题关键与第一步提示（遮答案自测用 · 解答（板书原文思路 + 数格子））
破题切入点：1) 一维 ：对任意实数 t，\(X_t\in\{-2\cos t,\ 2\cos t\}\)，分布律 \(\begin{array}{c|cc}X_t & -2\cos t &am \cdots\)（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答（板书原文思路 + 数格子））
1) 一维：对任意实数 t，\(X_t\in\{-2\cos t,\ 2\cos t\}\)，分布律 \(\begin{array}{c|cc}X_t & -2\cos t & 2\cos t\\\hline p&1/3&2/3\end{array}\)。 特别 \(t=0\)：\(X_0\in\{-2,2\}\)；\(t=\pi/4\)：\(X_{\pi/4}\in\{-\sqrt2,\ \sqrt2\}\)，各以 1/3、2/3。按本课程 \(F=P\{X\le x\}\)（右连续、跳跃点取上台阶）： \[F_0(x)=\begin{cases}0,&x<-2\\ \tfrac13,&-2\le x<2\\ 1,&x\ge2\end{cases}\qquad F_{\pi/4}(x)=\begin{cases}0,&x<-\sqrt2\\ \tfrac13,&-\sqrt2\le x<\sqrt2\\ 1,&x\ge\sqrt2\end{cases}\]
2) 二维：\((X_0,\ X_{\pi/4})\) 只有两条轨道取值：\(\omega_1\to(2,\sqrt2)\)（p=1/3），\(\omega_2\to(-2,-\sqrt2)\)（p=2/3），联合分布律两格。 求 \(F(x,y)=P\{X_0\le x,\ X_{\pi/4}\le y\}\) 就是“在平面上数格子”——以两格点 \((-2,-\sqrt2)\)（权 2/3）与 \((2,\sqrt2)\)（权 1/3）画横竖分割线，平面切成 9 个区域（板书图 (1)–(9)）： \[F(x,y)=\begin{cases} 0, & x<-2\ \text{或}\ y<-\sqrt2\quad(\text{区域(1)--(5)：左下两格都没圈住}),\\[2pt] \dfrac13, & -2\le x<2,\ y\ge-\sqrt2\ \text{且}\ y<\sqrt2\ \text{的组合（圈住 }(-2,-\sqrt2)\text{ 格})\ \text{等对应区域},\\[2pt] \dfrac23, & \text{只圈住第二格的组合区域},\\[2pt] 1, & x\ge2,\ y\ge\sqrt2\ (\text{区域(9)}). \end{cases}\] （板书末行自检 \(\tfrac13+\tfrac23=1\) ✓。）方法论：只有 k 条样本函数的离散状态过程，联合分布 = k 个格点的加权计数；画“格点 + 十字分割线”数区域是标准画法。此题与模块内“随机开关系统”例同型——板书版用 1/3、2/3 概率并显式要求二维分布，务必会画区域图。∎
7 · 自测与下一步
- 有限维分布族两条性质（对称/相容）分别说什么？特征函数版怎么写？
- 柯氏存在定理的条件与结论？“存在”意味着它给出构造方法吗？
- 用柯氏定理说明高斯过程的合法性。
- 随机开关例中 F 在跳跃点取上台阶还是下台阶？为什么？
- PPM 例的三段讨论窗口怎么划分？随机正弦波例的“混合”用的是哪条公式？
💡 破题关键与第一步提示（遮答案自测用 · 答案要点）
破题切入点：换序不变 / 高维限制边缘；特征函数版：补 0（对称版换下标）。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（答案要点）
- 换序不变 / 高维限制边缘；特征函数版：补 0（对称版换下标）。
- 对称+相容 ⟹ 存在过程以该族为有限维分布族；不给出构造。
- 核 k 给出有限维正态族，满足两条性质 ⟹ 过程存在。
- 上台阶（本课程 \(P\{X\le x\}\) 右连续）。
- 窗口与支撑 (0, 5T/6] 的相对位置；连续型全概率公式（对 A 的分布积分条件密度）。
下一份：随机过程的数字特征——均值/方差函数、协方差函数 \(C(s,t)\) 与自相关函数 \(R(s,t)\)（后续均方微积分与平稳过程的主角）、复随机过程，以及 \(U+Vt\)、随机开关、随机正弦波、半二元传输、复振荡五道例题。
课件 14-随机过程-3-数字特征(sjgc1.2-1).pdf
14 · 随机过程（三）：过程的数字特征
0 · 本讲导读
有限维分布族虽然完整，但实际中很难确定。数字特征（随时间变化的函数）反映过程的局部统计性质，许多问题用它就够了；而且在特定情况下（如正态过程），数字特征可以完全确定有限维分布——这句话是后面“正态过程”一节的引子。
0.1 老师补充 ★：常用五种分布的期望与方差（考试必背）
| 分布 | \(E(X)\) | \(D(X)\) |
|---|---|---|
| 1. \(X\sim P(\lambda)\) 泊松 | \(\lambda\) | \(\lambda\) |
| 2. \(X\sim B(n,p)\) 二项 | \(np\) | \(np(1-p)\) |
| 3. \(X\sim N(\mu,\sigma^2)\) 正态 | \(\mu\) | \(\sigma^2\) |
| 4. 均匀分布 \(U(a,b)\) | \(\dfrac{b+a}{2}\) | \(\dfrac{(b-a)^2}{12}\) |
| 5. 指数分布 | \(\dfrac{1}{\lambda}\) | \(\dfrac{1}{\lambda^2}\) |
推导出处：泊松/指数见模块2（07–09 课件），均匀用定义直接积分；二项由“n 个独立 0-1 之和”逐项叠加。
1 · 四大数字特征函数
| 名称 | 定义 | R-S 形式 | 含义 |
|---|---|---|---|
| 均值函数 \(m(t)\) | \(E[X(t)]\) | \(\int x\,\mathrm dF(t,x)\) | 各时刻的平均特征 |
| 方差函数 \(D(t)\) | \(D[X(t)]=E\{[X(t)-m(t)]^2\}\) | \(E[X^2(t)]-m^2(t)\) | 各时刻的波动程度 |
| 协方差函数 \(C(s,t)\) | \(\mathrm{Cov}(X(s),X(t))=E[(X(s)-m(s))(X(t)-m(t))]\) | — | 两时刻的（中心化）线性关联 |
| 自相关函数 \(R(s,t)\) | \(E[X(s)X(t)]\) | \(\iint xy\,\mathrm dF(s,t;x,y)\) | 两时刻的原始关联（重点） |
自相关系数函数：\(\rho(s,t)=\dfrac{C(s,t)}{\sqrt{D(s)}\sqrt{D(t)}}\)（归一化关联，\(|\rho|\le1\)）。
2 · 复随机过程
3 · 例题五连
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：① \(m(t)=E(U)+tE(V)=0\)。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：\[m(t)=\tfrac12(\cos\pi t+2t);\qquad E[X^2(t)]=\tfrac12\cos^2\pi t+2t^2,\quad D(t)=\tfrac12\cos（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：\(m(t)=E[A]\cdot E[\cos(\beta t+\Theta)]=0\)（整周期平均为 0）。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：\(m(t)=\tfrac12\cdot1+\tfrac12\cdot(-1)=0\)。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
💡 破题关键与第一步提示（遮答案自测用 · 解答）
破题切入点：用欧拉公式 \(e^{j\omega_kt}=\cos\omega_kt+j\sin\omega_kt\)： \[m_Z(t)=\sum_kE(A_k)(\cos\omega_kt+j\sin\omega_kt)=0.（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（解答）
- 均值函数：\(m(t)=E[X(t)]\)——把过程表达式按 t 展开，逐项取期望（独立交叉项拆开）；
- 二阶矩：\(E[X^2(t)]\) 完全平方展开后逐项算，\(D(t)=E[X^2(t)]-m^2(t)\)；
- 相关函数：\(R(s,t)=E[X(s)X(t)]\)——乘开成四项，独立项拆开；
- 协方差：\(C(s,t)=R(s,t)-m(s)m(t)\)；自查 \(C(t,t)=D(t)\)；
- 识别加分项：若 m 是常数、R 只依赖 \(t-s\)，答一句"该过程是宽平稳过程"（例 3 随机正弦波的结论）；若能写成独立正态的线性变换，答"是正态过程"。
4 · 多维随机过程与互相关函数
5 · 公式速查 / 自测 / 下一步
| 四大函数 | \(m(t)=E[X(t)]\)；\(D(t)=E[X^2(t)]-m^2\)；\(R=E[X(s)X(t)]\)；\(C=R-m(s)m(t)\)，\(C(t,t)=D(t)\)，\(\rho=C/\sqrt{D(s)D(t)}\) |
| 复过程 | \(m_Z=m_X+jm_Y\)；\(D_Z=D_X+D_Y\)；\(R_Z=E[Z(s)\overline{Z(t)}]\) |
| 速算结论 | \(U+Vt\)（iid \(N(0,1)\)）：\(m=0,D=1+t^2,C=R=1+st\)；随机正弦波：\(R=E[A^2]\cdot\frac12\cos\beta(t-s)\)；半二元传输：\(R=1\)（同区间）/ 0；复振荡和：\(R=\sum\sigma_k^2e^{-j\omega_k(t_1-t_2)}\) |
- 四大函数定义与三个恒等式？“相关函数”与“相关系数函数”的区别？
- 复过程方差为什么是 \(D_X+D_Y\)？\(R_Z\) 为什么要共轭？
- 例 2 里为什么不能把 \(E[X(s)X(t)]\) 拆成 \(E[X(s)]E[X(t)]\)？
- 例 3、例 5 的 R 各依赖 \(t-s\) 还是别的？这种性质叫什么（预告）？
💡 破题关键与第一步提示（遮答案自测用 · 答案要点）
破题切入点：见第 1 节表；R 原始关联、ρ 归一化关联。（👉 先合上下方完整推导，自己动手算完关键步再核对踩分点！）
📝 完整规范推导与评分踩分点（答案要点）
- 见第 1 节表；R 原始关联、ρ 归一化关联。
- \(|Z-m_Z|^2=(X-m_X)^2+(Y-m_Y)^2\)；复过程能量/功率按模方计。
- 同一开关（同一 ω）决定整条轨道，X(s)、X(t) 强相关不独立；要按轨道分情形混合。
- 都只依赖时间差（例 5 亦然）——“宽平稳”性质，平稳过程一章的主角。
下一步：第一章至此（定义、有限维分布、柯氏定理、数字特征）完成。后续课件（泊松过程、更新过程、平稳过程、均方微积分、谱分析、马氏链）发布后，按本套格式追加笔记 15+；期末冲刺请配合本文件夹 复习资料/考试范围.pdf（9 条考点）与 课堂练习/（CH2 布朗、CH3 泊松、CH5、CH6 谱密度已可用）。