1. 随机变量的数字特征
土工试验或原位测试得到的土样的物理力学参数具有很大的随机性，土的某项指标的某个数值出现的可能性就是一类随机事件问题。如果用数学的方法来描述这一随机事件，那么，土体某项指标在其整个取值变化范围内的连续体的集合就构成了随机事件的样本空间，而土工试验测得的每个具体数值就是样本空间里的样本点，土工试验测得的土样某项指标的所有数值构成了样本空间的一个子集，与随机试验结果相对应的有关数值为随机变量。随机变量的数字特征可以分为位置特征参数、散度特征参数、分布特征参数和相关特征参数[81]。
3.2.1.1 位置特征参数
位置特征参数表示随机变量的平均位置和特定位置，通常用均值μ来描述，均值又称数学期望。随机变量X的数学期望E（X）（μ=E（X））为
温州浅滩软土工程特性及固结沉降规律研究
式中：X为随机变量；x为随机变量的取值；p为离散型随机变量取值为x的概率；f（x）为连续型随机变量的概率密度。
3.2.1.2 散度特征参数
方差、标准差是随机变量离散程度的特征参数。方差Var（X）的计算公式为
温州浅滩软土工程特性及固结沉降规律研究
标准差（均方差）σ（X）的计算公式为
温州浅滩软土工程特性及固结沉降规律研究
3.2.1.3 分布特征参数
分布特征参数是衡量随机变量分布对称性的参数，常用随机变量的矩来表示。
随机变量X的k阶（原点）矩为E（Xk）（k=1，2，…）k阶中心矩为E{[X-E（X）]k}（k=1，2，…）。一般用随机变量X的三阶中心矩来描述其分布对称性：
温州浅滩软土工程特性及固结沉降规律研究
如果三阶中心矩为0，则分布对称于均值；如果为正数，则随机变量在大于均值的范围内更加离散；否则为负数。
3.2.1.4 相关特征参数
描述两个相关随机变量X，Y（如抗剪强度指标c，ϕ）之间相互关系的数字特征是相关系数ρXY。如果记随机变量X，Y的协方差Cov（X，Y）为
温州浅滩软土工程特性及固结沉降规律研究
则两者的相关系数为
温州浅滩软土工程特性及固结沉降规律研究
|ρXY|∈[0，1]，当|ρXY|=1时，随机变量X，Y之间以概率1存在线性相关性；当|ρXY|=0 时，随机变量X，Y之间不相关；|ρXY|越大，则随机变量X，Y之间的线性相关程度越好。
2. 随机过程的数字特征主要有哪些它们分别表征随机过程的哪些特征
均值：表示随机过程的n个样本函数曲线的摆动中心。
方差：表示随机过程在时刻t相对于均值a(t)的偏离程度。
相关函数：表示随机过程在任意两个时刻上获得的随机变量之间的关联程度。
3. 随机过程的基本概念
在客观世界中有些随机现象表示的是事物随机变化的过程，不能用随机变量或随机矢量来描述，而需要用一族无限多个随机变量来描绘，这就是随机过程。
图1.14
随机变量是指在同一条件下，事件每次发生的结果是随机的、不确定的，而随机过程是指在同样条件下，事物发生的某一过程是随机的、不可准确预知的。一个过程可能是由无限多个随机变量构成，而随机过程是由一族过程（随机出现的）构成的。如对某一个钻孔的水位进行连续观测，以 H0（t）来表示水位，在第一个水文年观测到的水位曲线为 H1（t），…，在第 n 个水文年里观测到的水位为Hn（t），每个水文年里所得到的样本曲线都是随机的（图 1.14）。{H（t），t∈（0，∞）}，怎样理解为由一族随机变量构成的呢?我们固定某一观测时间 t0，考察 H（t）在每年 t0时刻的水位值 H1（t0），H2（t0），…，Hn（t0），显然H（t0）是一个随机变量，而当 t 变化时，H（t）是一族随机变量。因此，H（t）是一个随机过程。
同样的道理，一个地区大气降水的过程，某条河流的流量或河水位变化过程都可看成是一个随机过程。由此可见，设{X（t），t∈T}为一随机过程，一次过程的观测可以视为随机过程的一个样本函数 X1（t），第 i 次过程的观测可视为随机过程的第i 个样本函数Xi（t）。n次试验观测的结果可得样本函数X1（t），X2（t），…，Xn（t）。对于随机过程 X（t），当 t 固定时，为一个随机变量，即随机过程在 t 时刻的状态。随机变量 X（t），t∈T（t 固定）的所有可能取的值构成一个实数集，称为随机过程的状态空间或值域，而每一个可能取的值称为一个状态。
随机过程可根据参数集T和状态空间的情况进行分类，一般地随机过程可分为下列四类：
（1）离散参数、离散状态随机过程。
（2）离散参数、连续状态随机过程。
（3）连续参数、离散状态随机过程。
（4）连续参数、连续状态随机过程。
1.3.1 有限维分布族
随机过程{X（t），t∈T}在每一时刻 t 的状态是一维随机变量，在任意两个时刻的状态是二维随机变量。随机过程的统计特征可用其不同固定时刻的不同维随机变量（矢量）的分布的全体来表示。
对任意固定的t∈T，
地下水系统随机模拟与管理
称为随机过程X（t）在t时刻的一维分布函数。
对于任意两个固定的t1，t2∈T
地下水系统随机模拟与管理
称为随机过程X（t）的二维分布函数。
一般地，对于任意固定的t1，t2，…，tn∈T，
地下水系统随机模拟与管理
称为随机过程X（t）的n维分布函数。
随机过程X（t）的一维分布函数，二维分布函数，…，n维分布函数的全体称为随机过程的有限维分布函数族。
1.3.2 随机过程的数字特征
随机过程的数字特征是通过随机过程的有限维分布函数的数字特征来刻画，由于随机过程{X（t），t∈T}在每一个 t∈T 的状态是一个随机变量，有其对应的数字特征。随 t 的不同取值，随机变量的数字特征是可以不同的，它的数学期望和方差是依赖于参数 t 的函数，我们称这一函数为随机过程的数字特征。设随机过程 X（t）t∈T 的数学期望用mX（t）表示，则有：
地下水系统随机模拟与管理
式中：F（x，t）——随机过程的一维分布函数。
若F（x，t）为连续函数，则有：
地下水系统随机模拟与管理
式中：f（x，t）——一维分布密度函数。
如图1.15所示，当样本曲线数增加到一定数量后，mX（t）基本为一条固定曲线，而样本曲线围绕其上下波动。
设随机过程X（t）t∈T的方差用DX（t）表示，则有：
地下水系统随机模拟与管理
而σX（t）=称为随机过程的标准差。
随机过程的方差也是过程t的函数，它反映了每一个样本曲线对均值曲线mX（t）的偏离程度。
在分析实际工程问题时，随机过程的均方值具有物理意义，随机过程的均方值用ΨX（t）表示，则有：
图1.15
地下水系统随机模拟与管理
从而有：
地下水系统随机模拟与管理
随机过程的均值函数和方差函数只考虑了随机过程在任一时刻状态的数字特征，但对随机过程在不同时刻状态之间的相关关系的分析，必须有随机过程协方差函数和相关函数的概念。
随机过程X（t）在任意两个时刻t1，t2∈T，X（t1）和X（t2）是两个随机变量，它们之间线性联系的密切程度可用相关函数：
地下水系统随机模拟与管理
描绘。
X（t1）与X（t2）的协方差称为随机过程X（t）的（自）协方差函数，记为CX（t1，t2），即：
地下水系统随机模拟与管理
如果两个随机过程的方差相同，可以用协方差函数绝对值的大小比较两个过程在时刻t1，t2状态的线性联系密切程度。如图1.16（a）和（b）所示的两个随机过程的数学期望和方差相同，但（a）过程在不同时刻的线性联系程度要小于（b）过程。
协方差函数还可以表示为：
地下水系统随机模拟与管理
相关函数可以表示为：
地下水系统随机模拟与管理
随机过程X（t）的协方差函数和相关函数的关系为：
地下水系统随机模拟与管理
图1.16
当随机过程的mX（t）=0时，
地下水系统随机模拟与管理
当t1=t2时，
地下水系统随机模拟与管理
不难看出，数学期望和相关函数是随机过程两个最基本的数字特征，协方差函数和方差可从它们中获得。
在众多类型的随机过程中，正态（随机）过程（高斯过程）在工程中十分常见，也十分重要和有用。
如果随机过程{X（t），t∈T}的有限维概率分布是一维或多维正态分布：即对 n≥1，任意的 t1，t2，…，tn∈T，有：
地下水系统随机模拟与管理
式中：x=（x1，x2，…，xn）T
地下水系统随机模拟与管理
则称X（t）是正态（随机）过程或Gauss过程。
1.3.3 两个随机过程的联合分布
在工程技术中，经常需要同时考虑两个或两个以上随机过程的统计特性，如对于一个地下水系统而言，大气降水的补给量P（t）是一个随机过程，对应的地下水系统响应（如泉流量或水位动态）也是一个随机过程。我们经常要研究地下水系统输入随机过程与响应（输出）随机过程之间的关系，从而涉及研究两个随机过程的情形。
设 X（t），Y（t）（t∈T）是两个随机过程，则称{（X（t），Y（t）}T，t∈T}为二维随机过程。
对于任意的m≥1，有t1，t2，…，tm∈T，t1′，t2′，…，tn′∈T，作m+n维随机矢量（X（t1），X（t2），…，X（tm））的联合分布函数：
地下水系统随机模拟与管理
称为二维随机过程（X（t），Y（t））T的m+n维（联合）分布函数。
对于随机过程X（t），Y（t），t∈T，固定t1，t2∈T，则：
地下水系统随机模拟与管理
为随机过程X（t），Y（t）的互相关函数。
4. 平稳随机过程的哪些数字特征为常数：数学期望、 . 谢谢
只有这个
为确定函数 常记作a（t）
表示随机过程的几个样本函数的摆动中心
5. 随机过程的定义
随机过程定义[1]
1. 设随机试验的样本空间为 ，对于空间的每一个样本 ，总有一个时间函数 与之对应，而对于空间的所有样本 ，可有一组时间函数 与其对应，那么，此时称此组时间函数 为随机过程 。
2. 对于某一固定时刻 ， 为时间函数在 时 的状态，它是一个随机变量，它的样本空间为 。如果把该状态样本空间描述为状态函数的形式，那么我们依赖于时刻t就有一组这样的状态函数，我们称此组状态函数 为随机过程 。
定义1与定义2本质上是一致的，后者常用于做理论分析。
讨论
1. 若t和x都是变量，则随机过程是一组样本记录，可用全部样本记录的集合描述；
2. 若t是变量，而x是固定值，则随机过程只是一个样本记发，它可描述为一个确定的时间函数；
3. 若t是固定值，而x是变量，则随机过程是一个随机变量，它只是全部样本记录中某个固定时刻的点集合；
4. 若t和x都是固定值，则随机过程是确定值。
显然，只有（1）才反映一个随机变量的完整的随机过程，其他都只是随机过程的一个样本或样点。
随机过程分类[1]
1. 按时间和状态是否连续分为：连续型随机过程、离散型随机过程、连续随机序列、离散随机序列；
2. 按样本函数形式分为：不确定随机过程和确定随机过程；
3. 按随机过程分布函数的特性不同分为：平稳过程、马尔克夫过程、独立增量过程等；
4. 按有无平稳性分为：平稳随机过程和非平稳随机过程；
5. 按有无各态历经分为：各态历经随机过程和非各态历经随机过程；
6. 按功率谱特性分为：白色过程和有色过程，宽带过程和窄带过程。
随机过程的统计特性
1. 随机过程的均值函数
计算随机过程均值的方法有两种，一是关于总体样本点的平均，简称总体平均；二是关于时间样本点的平均，简称时间平均。
究竟采用上述哪种平均法，可根据随机变量的随机过程是否为平稳随机过程加以确定。但不论是否为平稳过程，采用总体平均的方法总是通用的。
（1）
该均值对平稳随机过程来说，为物理量随机信号的平均幅值，它反映了物理量的随机信号的直流分量。
2. 随机过程的协方差函数
3. 随机过程的方差函数
对于平稳随机过程来说，它是一种定量反映物理量随机信号脉动能量大小的一个量。
4. 随机过程的相关函数
5. 随机过程协方差函数与相关函数之间的关系
6. 随机过程均值函数、方差函数之间的关系
均方值函数为方差函数与均值函数的平方之和，即对平稳随机过程来说，随机信号的总体能量为直流能量与脉动能量之和。
7. 单个样本记录的时间平均
时间平均是一种针对“各态历经”过程的随机信号统计特征的平均方法。它只需要一个样本记录 ，并从中获取随机信号的统计特征。值得一提的是，由于物理现象中大多数参变量的信号为平稳过程，并可将它们近似为各态历经的，所以工程中对于获取有关平稳过程随机信号的统计特性常采用时间平均法。
对于一个平稳随机过程来说，信号的时间平均结果应与总体平均的结果具有同样的效果。
几个重要的随机过程
1. 平稳随机过程
采用和或计算随机过程的一阶矩和二阶矩时，如果其结果不随给定时刻t而变化，那么该随机过程就为弱平稳过程或广义平稳过程，工程上也称之为平稳过程。
2. 强平稳过程
如果对于一个随机过程来说，除了一阶矩和二阶矩的结果外，它的无限个高阶矩和联合矩的结果都不随给定时刻t而变化，那么该随机过程就为强平稳过程。
3. 非平稳过程
在采用和或求取随机过程的一阶矩和二阶联合矩时，只要它们的结果中有一个随给定时刻t而变化，那么该随机过程就为非平稳过程。
4. 各态历经过程
对于在可能控制的相同实验条件下所有样本记录来说，如果它们每一个样本记录都包含相同的随机现象的特征信息，则可称该随机现象的随机过程为各态历经的。显然，对“各态历经”过程的随机信号来说，无需采用总体平均这一方法获取信号的平均值，而只需取一个单个样本作时间平均即可。工程上，一般可以将一个平稳的随机过程看成是“各态历经”的。
6. 什么是随机过程的数学期望和方差它们分别描述了随机过程的什么性质
随机过程中，如果固定时间t,可以把方程看成一个概率方程，那么此时，就有了期望和方差。
7. 什么是随机过程
一般来说，把一组随机变量定义为随机过程。在研究随机过程时人们透过表面的偶然性描述出必然的内在规律并以概率的形式来描述这些规律，从偶然中悟出必然正是这一学科的魅力所在。随机过程整个学科的理论基础是由柯尔莫哥洛夫和杜布奠定的。这一学科最早源于对物理学的研究，如吉布斯、玻尔兹曼、庞加莱等人对统计力学的研究，及后来爱因斯坦、维纳、莱维等人对布朗运动的开创性工作。1907年前后，马尔可夫研究了一系列有特定相依性的随机变量，后人称之为马尔可夫链。1923年维纳给出布朗运动的数学定义，直到今日这一过程仍是重要的研究课题。随机过程一般理论的研究通常认为开始于20世纪30年代。1931年，柯尔莫哥洛夫发表了《概率论的解析方法》，1934年A·辛钦发表了《平稳过程的相关理论》，这两篇着作奠定了马尔可夫过程与平稳过程的理论基础。1953年，杜布出版了名着《随机过程论》，系统且严格地叙述了随机过程基本理论。
8. 宽平稳随机过程的基本数字特征需满足哪两个条件
1.宽平稳过程定只涉及与一维、二维分布有关的数字特征，所以一个严平稳过程只要二阶矩存在，则必定是宽平稳过程。但反过来，一般是不成立的。
2.正态过程是一个重要特例，一个宽平稳的正态过程必定是严平稳的。
9. 什么是随机过程什么是平稳随机过程，非平稳随机过程
平稳随机过程
在数学中，平稳随机过程（stationary
random
process）或者严平稳随机过程（strictly-sense
stationary
random
process），又称狭义平稳过程，是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程：即随机过程的统计特性不随时间的推移而变化。这样，数学期望和方差这些参数也不随时间和位置变化。