"Процесс гибели и размножения" является Марковским случайным процессом:
В общем случае из стационарности в широком смысле следует стационарность в узком смысле:
Для гауссовских процессов понятия стационарности в широком смысле и стационарности в узком смысле эквивалентны:
Ковариационную функцию случайного процесса используют для характеристики степени линейной зависимости между сечениями случайного процесса:
Марковский процесс является детерминированным:
Математическое ожидание, дисперсия и ковариационная функция являются характеристиками случайных процессов:
Переходная матрица является стохастической:
Плотность вероятности перехода является производной от вероятности перехода:
Предельные вероятности можно найти для любой цепи Маркова:
Пуассоновский процесс является стационарным:
Распределение вероятностей гауссовского случайного процесса полностью задается его математическим ожиданием и дисперсией:
Семейство реализаций является множеством случайных величин:
Случайные процессы можно классифицировать как непрерывные и дискретные по времени:
Случайный процесс и семейство реализаций - эквивалентные понятия:
Случайный процесс является функцией двух переменных:
Среднее значение пуассоновского процесса за единицу времени равно параметру процесса:
Цепи Маркова являются процессами без последействия: