过程是一族随机变量
目标: 向没有见过这些记号的学习者解释“过程是一族随机变量”。解释“X_t 表示时间 t 选出的随机变量；X_t(omega) 是它在结果 omega 下的数值；这里 t 不是随机量。”，推导“每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。”，复算“该次路径值为 (3,6,-3)，三个边际方差为 (1,4,1)。”，并指出在“给每个 t 各选一个互不相关的概率空间，还没有提供共同样本路径。”下最先失效的一行。
第 1 单元第 1 章只问一个具体问题：一个 Gaussian 随机变量被时间编号以后，发生了什么变化？答案不能从没有解释的记号开始。用日常语言说，随机过程是在每个允许时间给出一个随机输出的规则；样本路径是同一次实现跨越全部时间画出的轨迹。这句话先指出可理解的核心意思，再引入概率空间、协方差算子、核或积分。
操作以前先把符号逐个读出来：X_t 表示时间 t 选出的随机变量；X_t(omega) 是它在结果 omega 下的数值；这里 t 不是随机量。上标 H 是参数标签，不是对随机变量取幂。E 表示在所声明概率规律下对重复实现取平均。等号可能表示数值相等、随机变量相等、有限维分布相等、过程依分布相等或样本路径相等；本章必须说明使用哪一种。
本章采用的正式定义是：T 上的实随机过程，是同一概率空间上一族按 t∈T 联合编号的可测实随机变量 X=(X_t)_{t∈T}。定义只说明对象及识别它所需的数据。除非另行证明，它不自动断言连续性、可微性、独立性、随机积分、因果机制或对真实数据的适用性。
本章有边界的定理目标是：每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。每项假设都属于结论。再次使用结果时，参数范围、时间区域、中心化约定、协方差归一化、过程版本、可积阶数、拓扑及被排除端点都必须保留。
证明路线保留四本账。代数账核验恒等式与幂；协方差账核验半正定性及每项两两期望；路径账说明结论针对一次实现、几乎每次实现，还是只有有限维分布；极限账记录逼近及收敛方式。没有明确定理时，结论不能从一本账自动跨到另一本账。
有限模型故意保持很小：令同一个标准 Gaussian 变量 Z 产生 (X_0,X_1,X_2)=(Z,2Z,-Z)；当 Z=3 时写出一次实现，并列出三个边际方差。要保留准确分数、幂、单位、协方差项与增量次序。这个有限计算不能证明无限维定理，但能在错误被记号掩盖以前暴露符号错误、缺失因子、混乱归一化或没有依据的独立性主张。
两条独立路线都必须到达检查点“该次路径值为 (3,6,-3)，三个边际方差为 (1,4,1)。”。一条路线直接展开所声明公式，另一条使用协方差矩阵、增量恒等式、缩放表或条件投影。两者一致只说明有限账内部相容；如果不一致，本章要停下并修复最先失败的一行。
必须检查的失效变异是：给每个 t 各选一个互不相关的概率空间，还没有提供共同样本路径。变异不是附带说明。它指出使定理成立的准确假设，并阻止人们仅因符号相似，就把熟悉的 Brownian 运动规则搬到分数 Gaussian 噪声。
始终分开构造、计算与解释。协方差公式在证明半正定性后可以构造 Gaussian 规律；样本路径定理随后描述某个所选版本的正则性。两步都不能说明实测数据由该规律生成，不能保证短记录可识别 H，也不能把持续相关解释成因果机制。
本章以重建而不是眼熟收尾。不回看正文，用白话重述问题，解释每个符号，用两条路线重建有限账，连同全部假设陈述定理，触发变异，并写出仍有依据的最强结论。只认得“Hurst”“自相似”或“长记忆”等词，还不算理解。
在页面旁保留本章符号词典。对“X_t 表示时间 t 选出的随机变量；X_t(omega) 是它在结果 omega 下的数值；这里 t 不是随机量。”中的每个符号，记录它的类型、单位、允许范围、是否依赖 H 或时间，以及它是观测量、确定量还是随机量。再把展示公式中的符号全部换成文字重述一次。这样能防止把指数、协方差、随机变量与概率规律当成可以互换的同类对象。
比较两个表达式时使用“等号阶梯”：准确代数相等；固定时间几乎必然相等；路径不可区分；有限维规律相同；路径空间规律相同；L2 收敛；依概率收敛；依分布收敛。本章有依据的阶梯层级由“每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。”确定，不得悄悄换成更强层级。
有边界的定理：每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。除非明确声明，这里不包含端点、估计、模拟、应用或因果主张。
给“T 上的实随机过程，是同一概率空间上一族按 t∈T 联合编号的可测实随机变量 X=(X_t)_{t∈T}。”中的每个对象标类型。分别标出确定时间、随机变量、向量、核、Hilbert 空间元素与概率规律，并说明过程是否从零开始、时间是一侧还是两侧。
解释“X_t 表示时间 t 选出的随机变量；X_t(omega) 是它在结果 omega 下的数值；这里 t 不是随机量。”。使用一般公式以前先写一个具体数值实例，检查等式两边物理单位相同，并且绝不把方差误作标准差。
建立“令同一个标准 Gaussian 变量 Z 产生 (X_0,X_1,X_2)=(Z,2Z,-Z)；当 Z=3 时写出一次实现，并列出三个边际方差。”所需的有限协方差表或增量表。核验对称性、非负对角项与每个非对角项。若声称 Gaussian 向量存在，要核验二次型非负，而不是只逐项看矩阵元素。
逐行推导“每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。”背后的决定性恒等式。展开期望，只消去匹配项，保留每个二分之一因子，并说明平稳性、自相似性、Gaussian 性或连续性究竟在哪一步使用。
通过相应结果把有限恒等式连接到定理：Gaussian 规律由均值与协方差决定、Kolmogorov 连续性、变差判据、Hilbert 空间等距、Young 积分、粗糙路径连续性或 Malliavin 对偶。只报结果名称却不核验假设，不构成证明。
独立复算检查点并得到“该次路径值为 (3,6,-3)，三个边际方差为 (1,4,1)。”。记录准确运算及任何舍入区间。以后即使加入模拟，也必须标为随机示意，不能替代这项准确计算。
触发“给每个 t 各选一个互不相关的概率空间，还没有提供共同样本路径。”，指出第一个无效等式或不满足的定理假设。以上论证只证明“每个有限时间清单产生一个随机向量，而过程规律的陈述必须在相互重叠的有限清单上一致。”。它不证明所有端点、任意 Gaussian 过程、非 Gaussian 长记忆、统计可识别性、因果解释或领域有效性。
准确重建这份有限账：令同一个标准 Gaussian 变量 Z 产生 (X_0,X_1,X_2)=(Z,2Z,-Z)；当 Z=3 时写出一次实现，并列出三个边际方差。给出两条独立计算，并保留每个数的含义。
- 抄下“令同一个标准 Gaussian 变量 Z 产生 (X_0,X_1,X_2)=(Z,2Z,-Z)；当 Z=3 时写出一次实现，并列出三个边际方差。”的准确有限输入。计算以前标明时间、增量、协方差项、指数与单位。
- 不走捷径地应用一次定义。把每个方差或协方差展开为乘积期望，并保持两个增量的次序可见。
- 准确化简幂与分数。对协方差矩阵检查二次型或特征值证书；对缩放则比较两个已声明尺度的比值。
- 按本章规定的独立路线复算——直接展开对比矩阵乘法，或增量方差对比协方差恒等式。
- 两条路线都必须得到“该次路径值为 (3,6,-3)，三个边际方差为 (1,4,1)。”。随后应用失效变异，指出第一处没有依据的步骤，并弱化结论，不能悄悄搬用 Brownian 规则。
结果: 核验检查点：该次路径值为 (3,6,-3)，三个边际方差为 (1,4,1)。它只在声明约定下认证所述有限计算。