Nachdem wir im vorigen Kapitel den Begriff des Zufallsprozesses eingeführt haben, wollen wir nun eine wichtige Unterklasse stationärer Zufallsprozesse untersuchen. Der Grund dafür liegt in der sehr restriktiven Natur der Stationaritätsbedingung, die zwar mathematisch zweckmäßig ist, aber in der Praxis fast nie erfüllt wird. Eine etwas schwächere Art der Stat ionarität beruht darauf, dass der Mittelwert eine zeitliche Konstante sein muss und die Kovarianzfolge nur vom zeitlichen Abstand zwischen den beiden Stichproben abhängt. Diese Art von Zufallsprozessen haben wir bereits in den Beispielen 16.9-16.11 kennengelernt. Ein solcher Zufallsprozess wird als stationär im weiten Sinne oder stationär im weiten Sinne (WSS) bezeichnet. Er wird auch als schwach stationärer Zufallsprozess bezeichnet, um ihn von einem stationären Prozess zu unterscheiden, der als streng stationär bezeichnet wird. Wir werden die Terminologie der Form er verwenden, um einen solchen Prozess als WSS-Zufallsprozess zu bezeichnen. Wie wir in Kapitel 19 sehen werden, impliziert die Stationarität im weiteren Sinne Stationarität, wenn der Zufallsprozess gaußförmig ist. Allein aus diesem Grund ist es sinnvoll, WSS-Zufallsprozesse zu untersuchen, da die Verwendung von Gaußschen Zufallsprozessen für die Modellierung allgegenwärtig ist.