Приведем примеры случайных процессов, которые можно определить и изучить на основе понятий, введенных ранее в этой главе.
Пример 1. 5. Процесс с взаимно независимыми значениями. Пусть Fn (Х) – последовательность одномерных функций распределения, где n пробегает множество целых чисел. Для любой конечной группы целых чисел n 1, …, nk функция
является k -мерной функцией распределения. Очевидно, что семейство всех таких F с k = 1,2, … удовлетворяет условиям симметрии и согласованности. Следовательно, по теореме Колмогорова существует случайный процесс с целочисленным параметром …, x–1, x0,x1, …, семейство конечномерных распределений которого совпадает с семейством всех F. В силу определения F, случайные величины x n взаимно независимы. Процесс x n называется процессом с взаимно независимыми значениями.
Пример 1.6. Стационарный марковский процесс. Пусть x1, x2, … – последовательность независимых случайных величин, распределенных нормально с параметрами (0, 1); иначе говоря, каждая случайная величина x n имеет нормальную функцию распределения j(x). Определим новую последовательность случайных величин:
h1 = x1,
h2 = r x1 + (1 – r 2)1/2 x2,
h n = rn- 1 x 1 + (1 – r 2)1/2 (rn -2 x 2 + rn -3 x 3 + … +x n),
где r – некоторое число, ½ r ½< 1. Для всех m и n
Sh n = 0, Sh n 2 = 1, Sh m h n = r ½ m – n ½.
Любая конечная группа величин h n имеет совместное нормальное распределение с нулевыми средними, единичными дисперсиями и с коэффициентами корреляции для любой пары h n и h т, равными r ½ m-n ½, так что свойство стационарности имеет здесь место.
Найдем
h = x1,
,
.
Случайные величины, стоящие в этих равенствах справа, независимы и нормально распределены с параметрами (0, 1). Следовательно, условная плотность распределения
при условии, что величины x1, …, x n –1 приняли некоторые определенные значения, не зависит от этих значений и равна нормальной плотности j(x). Величины x1, …, x n –1 однозначно определяют h1, …, h n –1, и наоборот. Поэтому условное распределение h n –1 при данных h1, …, h n –1 нормально с условным средним r h n –1 и дисперсией (1 – r 2)1/2. Заметим, что это распределение зависит только от непосредственно предшествующей величины h n –1 и не зависит от h1, …, h n –2. Случайный процесс, для которого зависимость от прошлого носит такой характер, называется марковским.
Приведенные примеры иллюстрируют применение теоремы Колмогорова при доказательстве существования случайных процессов с конечномерными распределениями.