Wprowadziwszy pojęcie procesu losowego w poprzednim rozdziale, chcemy teraz zbadać ważną podklasę stacjonarnych procesów losowych. Jest to motywowane bardzo restrykcyjną naturą warunku stacjonarności, który choć matematycznie celowy, w praktyce prawie nigdy nie jest spełniony. Nieco słabszy typ stacjonarności opiera się na wymaganiu, aby średnia była stałą w czasie, a ciąg kowariancji zależał tylko od separacji w czasie pomiędzy dwiema próbkami. Z tego typu procesami losowymi mieliśmy już do czynienia w przykładach 16.9-16.11. Taki proces losowy nazywamy procesem stacjonarnym w szerokim sensie lub procesem stacjonarnym w szerokim sensie (WSS). Nazywa się go również procesem losowym słabo stacjonarnym, aby odróżnić go od procesu stacjonarnego, o którym mówi się, że jest ściśle stacjonarny. Będziemy używać terminologii form er, aby odnosić się do takiego procesu jako procesu losowego WSS. Ponadto, jak zobaczymy w rozdziale 19, jeśli proces losowy jest gaussowski, to stacjonarność w szerokim sensie implikuje stacjonarność. Już tylko z tego powodu badanie procesów losowych WSS ma sens, ponieważ wykorzystanie gaussowskich procesów losowych do modelowania jest wszechobecne.

.