如何计算简单高斯随机过程的样本路径并验证其形式

嘿，这个问题挺有意思的！你提到的这个高斯随机过程定义为 $X(\omega;t) \sim N(\mu t,\sigma^2)$，$t \in (-\infty, \infty)$（这里的$N$就是常规的高斯分布），确实单个时刻的期望、方差，还有有限维概率分布都很容易推导，但样本路径（也就是固定某个样本点$\omega$后，关于$t$的函数）的形式需要严谨验证。你的猜想$\mu t + b$（$b$是实数）完全正确，下面我一步步给你证明：

首先，先明确样本路径的定义：对于每一个固定的样本$\omega$，样本路径是一个从时间域$(-\infty, \infty)$到实数集的函数，记为$t \mapsto X(\omega;t)$。

接下来我们从随机过程的核心性质入手验证：

• 先取任意两个不同的时刻$t_1 \neq t_2$，考虑$X(t_2) - X(t_1)$的分布和特征。根据过程定义，$X(t_1) \sim N(\mu t_1, \sigma^2)$，$X(t_2) \sim N(\mu t_2, \sigma^2)$。
• 这个过程的隐含性质是：任意两个时刻的随机变量协方差$\text{Cov}(X(t_1), X(t_2)) = \sigma^2$（本质上是因为每个时刻的随机部分是同一个高斯变量，只是均值随时间线性偏移）。那我们计算$X(t_2)-X(t_1)$的方差：
  $$
  \text{Var}(X(t_2)-X(t_1)) = \text{Var}(X(t_2)) + \text{Var}(X(t_1)) - 2\text{Cov}(X(t_1),X(t_2)) = \sigma^2 + \sigma^2 - 2\sigma^2 = 0
  $$
• 方差为0的随机变量几乎必然等于它的期望，而$E[X(t_2)-X(t_1)] = \mu t_2 - \mu t_1 = \mu(t_2 - t_1)$，所以我们可以得到：
  $$
  X(t_2) - X(t_1) = \mu(t_2 - t_1) \quad \text{几乎必然成立}
  $$
• 现在固定初始时刻$t=0$，令$b = X(\omega;0)$（$b$是$X(0)$的一个具体实现，而$X(0) \sim N(0, \sigma^2)$，所以$b$是一个服从对应高斯分布的实数），那么对于任意时刻$t$，都有$X(\omega;t) - X(\omega;0) = \mu(t - 0)$，也就是$X(\omega;t) = \mu t + b$。

简单来说，这个随机过程的每一条样本路径都是一条斜率为$\mu$、截距为某个高斯随机变量实现的直线——完全符合你猜想的形式。

备注：内容来源于stack exchange，提问作者Konstantin