一、什么是随机变量序列？与随机变量的联系和区别在哪？
随机变量序列，就是一列随机变量，比如x1,x2,x3,x4他们是四个随机变量组成的随机变量序列，但是因为他们期望可以相同，但是他们不同，所以必须加入下标区分
二、什么是随机变量序列
就是一些列的随机变量的集合，有时候在不同的定理中要求各随机变量之间具有独立，同分布的关系
随机变量序列区别于一个随机变量的若干取值样本。
三、苹果序列号随机是什么意思
苹果手机的序列号是随机产生的，没有你说的这些所谓的意义，除了第一个字母代表产地，后面全是随机产生。
苹果序列号的含义：第一位是生产地、第二三位是生产线、第四五位是生产年份和周期、第六七八位则为产品唯一识别码、第九十位代表手机型号、第十一十二位代表颜色和容量。
四、什么是随机软件的序列号？
“序列号”有时也指“机器码”，是有些软件为了防止盗版，采取了一定的保护措施。在用户注册的时候会根据用户软件所安装的计算机软硬件信息生成唯一的识别码，一般称作机器码，也叫序列号、认证码、注册申请码等。
序列号就是软件开发商给软件的一个识别码，和人的身份证号码类似，其作用主要是为了防止自己的软件被用户盗用。用户要使用其软件就必须知道序列号。
五、随机变量序列如何理解
简而言之，随机变量序列就是一列按某种规则排列的随机变量。
这种规则可随意，但强调的是一个次序。
例如
若Xi表示第i次抛硬币的结果，那么{Xi}这个序列就是若干次抛硬币的结果序列，X1指第一次抛的结果，Xn指第n次抛的结果。
若Yi表示前i次抛硬币正面向上的次数，（记第i次正面朝上为Xi=1，反面朝上为Xi=0）那么可以有Yi=X1+X2+…+Xi。这样{Yi}这个序列就是前i次抛硬币正面朝上的汇总序列，Y1指的是抛一次硬币正面朝上的次数，Yn指的是抛n次硬币中正面朝上的次数。
。可见{Xi}中的随机变量相互独立，而{Yi}中的随机变量则有相互关系，其中前者的结果会影响后者。
因此，随机变量序列就是一列按某种规则排列的随机变量。
六、常见的几种随机序列
在研究与分析问题中经常会遇到三种随机序列，下面分别进行介绍。
1.2.8.1 正态（高斯）随机序列
正态随机序列x（n）的N维联合高斯分布的概率密度函数为
地球物理信息处理基础
式中
X=［x1，x2，x3，…，xN］T，μ=［μx1，μx2，μx3，…，μxN］T
地球物理信息处理基础
式（1-54）表明，正态（高斯）随机序列仅决定于其均值矢量μ以及方差阵∑。具有指数型自相关函数的平稳高斯过程称为高斯-马尔可夫（Gauss-Markov（Марков））过程。这种信号的自相关函数和功率谱密度函数分别为
rxx（m）=σ2e-β｜m｜ （1-55）
地球物理信息处理基础
高斯——马尔可夫也是一种常见的随机信号，适合于大多数物理过程，具有较好的精确性，数学描述简单。因为当m→∞时，自相关函数趋近于0，所以均值为0，随机过程的自相关函数特性完全描述了过程的特性。
1.2.8.2 白噪声序列
如果随机序列x（n），其随机变量是两两不相关的，即
地球物理信息处理基础
式中
地球物理信息处理基础
则称该序列为白噪声序列；如果白噪声序列是平稳的，则
cov（xn，xm）=σ2δnm （1-58）
式中σ2是常数。设均值μxn=μ=0，其功率谱Pxx（ejω）=σ2，在整个频带上功率谱是一个常数。“白噪声”的名称由牛顿提出，他指出，白光包含了所有频率的光波，而在这里，功率谱Pxx（ejω）在整个频带上是一个常数，说明白噪声的功率谱是包含所有频率成分的序列。
如果白噪声序列服从正态分布，序列中随机变量的两两不相关性就是相互独立性，称之为正态（高斯）白噪声序列。显然，白噪声是随机性最强的随机序列，实际中不存在，是一种理想白噪声，一般只要信号的带宽大于系统的带宽，且在系统的带宽中信号的频谱基本恒定，便可以把信号看作白噪声。注意：正态和白色是两种不同的概念，前者是指信号取值的规律服从正态分布，后者指信号不同时刻取值的关联性。
1.2.8.3 谐波过程
谐波过程的描述如下：
地球物理信息处理基础
式中Ai、ωi均为常数，θi是一独立随机变量，在（-π，π］内服从均匀分布，即
地球物理信息处理基础
可以证明，这种谐波信号模型是平稳的，设N=1时，有
x（n）=A cos（ωn+θ）
它的统计平均值和自相关函数
地球物理信息处理基础
rxx（n+m，n）=E［x［n+m］x（n）］
地球物理信息处理基础
由于谐波过程的统计平均值与时间n无关，自相关函数仅与时间差m有关，谐波过程是平稳的。
当N大于1时，也有同样的结论，可以证明：
地球物理信息处理基础
