《随机过程》课程教学大纲

《随机过程》课程教学大纲

课程编号：100005

英文名称：Stochastic Processes

一、课程说明

1. 课程类别

理工科学位基础课程

2. 适应专业及课程性质

理、工、经、管类各专业，必修

文、法类各专业，选修

3.课程目的

随机过程是概率论的一个重要分支，研究的是依赖于一个变动参量的一族随机变量的性质和规律性，是理工科研究生的一门重要基础课。本课程的教学目的是：

（1）使学生掌握随机过程的基本概念、基本理论和基本方法；

（2）初步具有运用随机过程知识分析和解决实际问题的能力。

4. 学分与学时

学分2，学时40

5. 建议先修课程

微积分、线性代数、概率论与数理统计。

6. 推荐教材或参考书目

推荐教材：

（1）《随机过程及其应用》（第三版）. 刘次华主编. 高等教育出版社. 2004年

（2）《随机过程及其应用》（第一版）. 陆大铨主编. 清华大学出版社. 1986年

参考书目：

（1）《概率论与数理统计》（第三版）. 盛骤，谢式千，潘承毅主编. 高等教育出版社. 2004年（2）《随机过程论》（第一版）. 胡迪鹤著. 武汉大学出版社. 2000年

7. 教学方法与手段

（1）教学方法：启发式

（2）教学手段：多媒体演示、演讲与板书相结合

8. 考核及成绩评定

考核方式：考试

成绩评定：考试课（1）平时成绩占20%，形式有：考勤、课堂测验、作业完成情况

（2）考试成绩占80%，形式有：笔试（闭卷）

9. 课外自学要求

（1）课前预习；

（2）课后复习；

（3）完成教材上每章后的适量习题。

二、课程教学基本内容及要求

第一章预备知识

基本内容：

（1）概率空间、随机变量及其分布；

（2）随机变量的数字特征、特征函数和母函数；

（3）n维正态分布；

（4）条件期望。

基本要求：

（1）理解概率空间、随机变量及其分布的概念；

（2）理解随机变量的数字特征、特征函数和母函数的概念，并掌握它们的计算方法；

（3）了解n维正态分布的概念；

（4）理解条件期望的概念。

教学重点及难点：

（1）教学重点：随机变量的特征函数和母函数，条件期望。

（2）教学难点：条件期望。

第二章随机过程的概念与基本类型

基本内容：

（1）随机过程的基本概念及其分布律；

（2）随机过程的数字特征；

（3）复随机过程、正交过程、独立增量过程、高斯过程、布朗过程和平稳过程。

基本要求：

（1）理解随机过程的基本概念；

（2）掌握随机过程的分布律和数字特征的计算方法；

（3）了解复随机过程、正交过程、独立增量过程、高斯过程、布朗过程和平稳过程的概念。教学重点及难点：

（1）教学重点：随机过程的数字特征。

（2）教学难点：平稳过程。

第三章泊松过程

基本内容：

（1）泊松过程的概念、一些简单例子和基本性质；

（2）非齐次泊松过程的概念、基本性质和一些简单例子；

（3）复合泊松过程的概念和基本性质；

（4）JM模型。

基本要求：

（1）理解泊松过程的概念；

（2）了解泊松过程的一些简单例子；

（3）掌握泊松过程的基本性质；

（4）了解非齐次泊松过程的概念、基本性质和一些简单例子；

（5）了解复合泊松过程的概念和基本性质；

（6）了解JM模型。

教学重点及难点：

（1）教学重点：泊松过程的基本性质。

（2）教学难点：非齐次泊松过程的基本性质。

第四章马尔可夫链

基本内容：

（1）马尔可夫链及其转移概率；

（2）马尔可夫链的状态分类与状态空间的分解；

（3）()n

p的极限性质；

ij

（4）嵌入马尔可夫链。

基本要求：

（1）理解马尔可夫链及其转移概率的概念；

（2）掌握马尔可夫链的状态分类与状态空间的分解；

（3）掌握()n

p的极限性质；

ij

（4）了解嵌入马尔可夫链方法。

教学重点及难点：

（1）教学重点：马尔可夫链的转移概率、状态分类与状态空间的分解。

（2）教学难点：()n

p的极限性质。

ij

第五章连续时间的马尔可夫链

基本内容：

（1）连续时间的马尔可夫链；

（2）科尔莫戈洛夫微分方程；

（3）生灭过程；

（4）布朗运动的基本性质、最大值变量及反正弦律；

（5）布朗运动的变化；

（6）布朗运动的向后与向前扩散方程。

基本要求：

（1）理解连续时间的马尔可夫链的概念，掌握其基本性质；

（2）了解科尔莫戈洛夫微分方程；

（3）了解生灭过程的概念及其一些简单例子；

（4）掌握布朗运动的基本性质、最大值变量及反正弦律；

（5）了解布朗运动的变化；

（6）初步掌握布朗运动的向后与向前扩散方程。

教学重点及难点：

（1）教学重点：科尔莫戈洛夫微分方程。

（2）教学难点：布朗运动的向后与向前扩散方程。

三、课程学时分配

本课程计划40学时，其中讲课40学时。课程主要内容和学时分配见课程学时分配表：

建立数学模型的方法、步骤、特点及分类

建立数学模型的方法、步骤、特点及分类 [学习目标] 1.能表述建立数学模型的方法、步骤； 2.能表述建立数学模型的逼真性、可行性、渐进性、强健性、可转移性、非 预制性、条理性、技艺性和局限性等特点；； 3.能表述数学建模的分类； 4.会采用灵活的表述方法建立数学模型； 5.培养建模的想象力和洞察力。 一、建立数学模型的方法和步骤 —般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法，一类是测试分析方法．机理分析是根据对现实对象特性的认识、分析其因果关系，找出反映内部机理的规律,建立的模型常有明确的物理或现实意义.测试分折将研究对象视为一个“黑箱”系统，内部机理无法直接寻求，可以测量系统的输人输出数据、并以此为基础运用统计分析方法，按照事先确定的准则在某一类模型中选出一个与数据拟合得最好的模型。这种方法称为系统辨识(System Identification)．将这两种方法结合起来也是常用的建模方法。即用机理分析建立模型的结构，用系统辨识确定模型的参数． 可以看出，用上面的哪一类方法建模主要是根据我们对研究对象的了解程度和建模目的决定的．如果掌握了机理方面的一定知识，模型也要求具有反映内部特性的物理意义。那么应该以机理分析方法为主．当然,若需要模型参数的具体数值，还可以用系统辨识或其他统计方法得到．如果对象的内部机理基本上没掌握，模型也不用于分析内部特性,譬如仅用来做输出预报，则可以系统辩识方法为主．系统辨识是一门专门学科，需要一定的控制理论和随机过程方面的知识．以下所谓建模方法只指机理分析。 建模要经过哪些步骤并没有一定的模式，通常与实际问题的性质、建模的目的等有关，从 §16.2节的几个例子也可以看出这点．下面给出建模的—般步骤，如图16-5所示． 图16-5 建模步骤示意图 模型准备首先要了解问题的实际背景，明确建模的目的搜集建模必需的各种信息如现象、数据等，尽量弄清对象的特征,由此初步确定用哪一类模型，总之是做好建模的准备工作．情况明才能方法对，这一步一定不能忽视，碰到问题要虚心向从事实际工作的同志请教，尽量掌握第一手资料. 模型假设根据对象的特征和建模的目的，对问题进行必要的、合理的简化，用精确的语言做出假设，可以说是建模的关键一步．一般地说，一个实际问题不经过简化假设就很难翻译成数学问题，即使可能，也很难求解．不同的简化假设会得到不同的模型．假设作得不合理或过份简单，会导致模型失败或部分失败，于是应该修改和补充假设；假设作得过分详细，试图把复杂对象的各方面因素都考虑进去，可能使你很难甚至无法继续下一步的工作．通常，作假设的依据，一是出于对问题内在规律的认识，二是来自对数据或现象的分析，也可以是二者的综合．作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识，又要充分发挥想象力、洞察力和判断力，善于辨别问题的主次，果断地抓住主要因素，舍弃次要因素，尽量将问题线性化、均匀化．经验在这里也常起重要作用．写出假设时，语言要精确，就象做习题时写出已知条件那样．

随机过程作业题及参考答案(第一章)

第一章 随机过程基本概念 P39 1. 设随机过程()0cos X t X t ω=，t -∞<<+∞，其中0ω是正常数，而X 是标准正态变量。试求()X t 的一维概率分布。 解： 1 当0cos 0t ω=，02 t k π ωπ=+ ，即0112t k πω??= + ??? （k z ∈）时， ()0X t ≡，则(){}01P X t ==. 2 当0cos 0t ω≠，02 t k π ωπ≠+ ，即0112t k πω?? ≠ + ??? （k z ∈）时， ()~01X N ，，()0E X ∴=，()1D X =. ()[]()00cos cos 0E X t E X t E X t ωω===????. ()[]()22 000cos cos cos D X t D X t D X t t ωωω===????. ()()20~0cos X t N t ω∴，. 则( )2202cos x t f x t ω- = ；. 2. 利用投掷一枚硬币的试验，定义随机过程为 ()cos 2t X t t π?=??，出现正面，出现反面 假定“出现正面”和“出现反面”的概率各为 12。试确定()X t 的一维分布函数12F x ?? ???；和()1F x ；，以及二维分布函数12112 F x x ?? ?? ? ，；， 。

00 11101222 11

随机过程

《随机过程》课程教学大纲 课程编号：02200021 课程名称：随机过程 英文名称：Stochastic Processes 课程类别：选修课 总学时：72 讲课学时：68 习题课学时：4 学分: 4 适用对象：数学与应用数学、信息与计算科学专业 先修课程：数学分析、高等代数、概率论与数理统计 一、课程简介 随机过程是研究客观世界中随机演变过程规律性的学科，它的基本知识和方法不仅为数学、概率统计专业所必需，也为工程技术、生物信息及经济领域的应用和研究所需要。本课程介绍随 机过程研究领域的一些基础而重要的知识和技能。 二、课程性质、目的和任务 随机过程是概率论的后续课程，具有比概率理论更加实用的应用方面，处理问题也更加贴近实际情况。通过这门课程的学习，使学生了解随机过程的基本概念，掌握最常见而又有重要应用 价值的诸如Poisson过程、更新过程、Markov过程、Brown运动的基本性质，能够处理基本的随 机算法。提高学生利用概率理论数学模型解决随机问题的能力。通过本课程的学习，可以让数学 专业的学生很方便地转向在金融管理、电子通讯等应用领域的研究。 三、课程基本要求 通过本课程的学习，要求学生掌握随机过程的一般概念，知道常见的几类随机过程的定义、背景和性质；掌握泊松过程的定义与基本性质，了解它的实际背景，熟悉它的若干推广；掌握更 新过程的定义与基本性质、更新函数、更新方程，了解更新定理及其应用，知道更新过程的若干 推广；掌握离散时间的马尔可夫链的基本概念，熟练掌握转移概率、状态分类与性质，熟悉极限 分布、平稳分布与状态空间的分解，了解分枝过程；掌握连续时间的马尔可夫链的定义、柯尔莫 哥洛夫方程；掌握布朗运动的定义与基本性质，熟悉随机积分的定义与基本性质，了解扩散过程 与伊藤公式，会求解一些简单的随机微分方程。 四、教学内容及要求 第一章预备知识 §1.概率空间；§2.随机变量和分布函数；§3.数字特征、矩母函数和特征函数；§4. 条件概率、条件期望和独立性；§5.收敛性 教学要求：本章主要是对概率论课程的复习和巩固，为后续学习做准备。 第二章随机过程的基本概念和类型

通信原理教程+樊昌信+习题答案第二章

> 第二章习题 习题 设随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 式中，θ是一个离散随机变量，它具有如下概率分布：P (θ=0)=，P (θ=π/2)= 试求E [X (t )]和X R (0,1)。 解：E [X (t )]=P (θ=0)2cos(2)t π+P (θ= /2)2cos(2)=cos(2)sin 22 t t t π πππ+ - cos t ω ： 习题 设一个随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 判断它是功率信号还是能量信号并求出其功率谱密度或能量谱密度。 解：为功率信号。 []/2 /2/2 /21()lim ()()1lim 2cos(2)*2cos 2()T X T T T T T R X t X t dt T t t dt T ττπθπτθ→∞-→∞ -=+=+++? ? 222cos(2)j t j t e e πππτ-==+ 2222()()()(1)(1) j f j t j t j f X P f R e d e e e d f f πτπππττττδδ∞-∞---∞-∞==+=-++?? @ 习题 设有一信号可表示为： 4exp() ,t 0 (){0, t<0 t X t -≥= 试问它是功率信号还是能量信号并求出其功率谱密度或能量谱密度。 解：它是能量信号。X (t )的傅立叶变换为： (1)004 ()()441j t t j t j t X x t e dt e e dt e dt j ωωωωω +∞-+∞--+∞-+-∞====+??? 则能量谱密度 G(f)=2 ()X f =2 22 416 114j f ωπ=++ 习题 X (t )=12cos 2sin 2x t x t ππ-，它是一个随机过程，其中1x 和2x 是相互统计独立的高斯随机变量，数学期望均为0，方差均为2σ。试求： ! (1)E [X (t )]，E [2()X t ]；(2)X (t ) 的概率分布密度；(3)12(,)X R t t

最新第1章 随机过程的基本概念习题答案

第一章 随机过程的基本概念 1．设随机过程 +∞<<-∞=t t X t X ,cos )(0ω，其中0ω是正常数，而X 是标准正态变量。试求X （t ）的一维概率分布 解：∵ 当0cos 0=t ω 即 πω)2 1 (0+ =k t 即 πω)21(10+=k t 时 {}10)(==t x p 若 0cos 0≠t ω 即 πω)2 1 (1 0+≠ k t 时 {}{}x t X P x x X P t x F ≤=≤=0cos )(),(ω 当 0cos 0>t ω时 ξπ ωωξd e t x X P t x F t x ? - = ??? ? ??≤=02 cos 0 2 021cos ),( 此时 ()t e x t x F t x f t x 0cos 2cos 1 21,),(022ωπ ω? =??=- 若 0cos 0

?? ?= ,2 ,cos )(出现反面出现正面t t t X π 假定“出现正面”和“出现反面”的概率各为21。试确定)(t X 的一维分布函数)2 1 ,(x F 和)1,(x F ，以及二维分布函数)1,2 1;,(21x x F 解：（1）先求)21,(x F 显然???=?? ???-=??? ??出现反面出现正面 出现反面出现正面10,212,2cos 21π X 随机变量?? ? ??21X 的可能取值只有0，1两种可能，于是 21 021= ??????=?? ? ??X P 2 1121=??????=??? ??X P 所以 ?????≥<≤<=??? ?? 11102 1 0021,x x x x F 再求F （x ,1） 显然? ??-=???=出现反面出现正面出现反面出现正面 2 1 2 cos (1)πX {}{}2 1 2)1(-1 (1)====X p X p 所以 ???? ???≥<≤<=2 121- 2 1-1 0,1)(x x x x F (2) 计算)1,2 1 ;,(21x x F ???-=???=出现反面出现正面出现反面出现正面 2 1)1(, 1 0)2 1 ( X X 于是

随机过程

随机过程 随机过程的定义 引言 在许多实际问题中，不仅需要对随机现象对特定时间点上的一次观察，而且需要做多次的连续不断的观察，以观察研究对像随时间推移的演变过程。 首先我们观察的对象与通常意义上的函数()f t 是不同的， 观察研究的对象本身是一个随机变量X ，这个随机变量随时间的变化过程就是一个随机过程()X t ，通俗的理解。随机变量X 的所有可能取值。另一种解释是，随机过程是随机变量的函数。 随机两字的含义包含着随机过程()X t 的在某一时刻，如i t 时刻的取值， () ()i t t i i X t X t X ===仍然为一随机变量，随机变量i X 取值的样本空间Ω，样本空间中样 本值可以是连续的，也可以是离散的。如{}12,,,n x x x ，意味着在i t 时刻，随机变量i X 的 取某一样本空间的某一元素的概率是确定的（做无穷多次实验的统计规律），在该时刻，所有样本空间元素的概率之和为1。 例如，随机相位正弦波信号。()()sin X t a wt =+Θ 其中Θ服从均匀分布，则固定一个时刻i t 时，显然可求得i t 随机变量()i X t 的分布函数与概率密度。可见其随机过程的概密度是时间参数t 与随机变量Θ的二元函数。 另一种理解是，对随机信号作一次观测相当于做一次随机实验，每次随机实验所得到的观测记录结果()i x t ，是一个确定函数，称为样本函数，所有样本函数的全体构成了随机过程。 随机过程的标准定义 定义：设(?, Σ, P) 是一概率空间，对每一个参数t ∈T ， X (t,ω) 是一定义在概率空间(?, Σ, P) 上的随机变量，则称随机变量族 X T ={X (t ，ω); t ∈T}为该概率空间上的一随机过程。其中T ? R 是一实数集，称为指标集或参数集。X (t,ω)通常简写为()X t 。 随机过程{X (t ); t ∈T }可能取值的全体所构成的集合称为此随机过程的状态空间，记作 S 。

几种常用的随机过程

第十讲 几种常用的随机过程 10.1 马尔可夫过程 10.1.1马尔可夫序列 马尔可夫序列是指时间参数离散，状态连续的马尔可夫过程。 一个随机变量序列x n （n=1,2,…）,若对于任意的n 有 )|(),...,,|(112 1 x x F x x x x F n n X n n n X ---= （10.1） 或 )|(),...,,|(112 1 x x f x x x x f n n X n n n X ---= （10.2） 则称x n 为马尔可夫序列。x n 的联合概率密度为 ) ()|( ) |()|(),...,,(1 1 2 2 11 2 1 x f x x f x x f x x f x x x f X X n n X n n X n X ??---= （10.3） 马尔可夫序列有如下性质： （1） 一个马尔可夫序列的子序列仍为马尔

可夫序列。 （2） ) |(),...,,|(1 21x x f x x x x f n n X k n n n n X -+++= （10.4） （3） )|(),...,|(111x X x x X n n n n E E --= （10.5） （4） 在一个马尔可夫序列中，若已知现在， 则未来与过去相互独立。即 ) |() |()|,(1 x x f x x f x x x f r s X n n X r s n X -= ，n>r>s （10.6） （5） 若条件概率密度)|(1 x x f n n X -与n 无关， 则称马尔可夫序列是齐次的。 （6） 若一个马尔可夫序列是齐次的，且所 有的随机变量X n 具有同样的概率密度，则称该马尔可夫序列为平稳的。 （7） 马尔可夫序列的转移概率满足切普曼 —柯尔莫哥洛夫方程，即 ) |()| ()|(x x f x x f x x f s r X r n X s n X ? ∞ ∞ -= ， n>r>s (10.7) 10.1.2马尔可夫链 马尔可夫链是指时间参数，状态方程皆

通信原理教程+樊昌信+习题答案第二章Word版

第二章习题 习题2.1 设随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 式中，θ是一个离散随机变量，它具有如下概率分布：P (θ=0)=0.5，P (θ=π/2)=0.5 试求E [X (t )]和X R (0,1)。 解：E [X (t )]=P (θ=0)2cos(2)t π+P (θ=/2)2cos(2)=cos(2)sin 22 t t t π πππ+ - cos t ω 习题2.2 设一个随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 判断它是功率信号还是能量信号？并求出其功率谱密度或能量谱密度。 解：为功率信号。 []/2 /2/2 /21()lim ()()1lim 2cos(2)*2cos 2()T X T T T T T R X t X t dt T t t dt T ττπθπτθ→∞-→∞ -=+=+++? ? 222cos(2)j t j t e e πππτ-==+ 2222()()()(1)(1) j f j t j t j f X P f R e d e e e d f f πτπππττττδδ∞-∞---∞-∞==+=-++?? 习题2.3 设有一信号可表示为： 4exp() ,t 0 (){0, t<0 t X t -≥= 试问它是功率信号还是能量信号？并求出其功率谱密度或能量谱密度。 解：它是能量信号。X (t )的傅立叶变换为： (1)004 ()()441j t t j t j t X x t e dt e e dt e dt j ωωωωω +∞-+∞--+∞-+-∞====+??? 则能量谱密度 G(f)=2 ()X f =2 22 416 114j f ωπ=++ 习题2.4 X (t )=12cos 2sin 2x t x t ππ-，它是一个随机过程，其中1x 和2x 是相互统计独立的高斯随机变量，数学期望均为0，方差均为2σ。试求： (1)E [X (t )]，E [2()X t ]；(2)X (t ) 的概率分布密度；(3)12(,)X R t t 解：(1)()[][]()[]02sin 2cos 2sin 2cos 2121=?-?=-=x E t x E t t x t x E t X E ππππ

《概率论与随机过程》第1章习题

《概率论与随机过程》第一章习题 1.写出下列随机试验的样本空间。 （1）记录一个小班一次数学考试的平均分数（设以百分制记分）。 （2）同时掷三颗骰子，记录三颗骰子点数之和。 （3）10只产品中有3只是次品，每次从其中取一只（取出后不放回），直到将3只次品都取出，记录抽取的次数。 （4）生产产品直到得到10件正品，记录生产产品的总件数。 （5）一个小组有A，B，C，D，E5个人，要选正副小组长各一人（一个人不能兼二个职务），观察选举的结果。 （6）甲乙二人下棋一局，观察棋赛的结果。 （7）一口袋中有许多红色、白色、蓝色乒乓球，在其中任意取4只，观察它们具有哪几种颜色。 （8）对某工厂出厂的产品进行检查，合格的盖上“正品”，不合格的盖上“次品”，如连续查出二个次品就停止检查，或检查4个产品就停止检查，记录检查的结果。 （9）有A，B，C三只盒子，a，b，c三只球，将三只球装入三只盒子中，使每只盒子装一只球，观察装球的情况。 （10）测量一汽车通过给定点的速度。 （11）将一尺之棰折成三段，观察各段的长度。 2.设A，B，C为三事件，用A，B，C的运算关系表示下列事件。 （1）A发生，B与C不发生。 （2）A与B都发生，而C不发生。 （3）A，B，C都发生。 （4）A，B，C中至少有一个发生。 （5）A，B，C都不发生。 （6）A，B，C中至多于一个发生。 （7）A，B，C中至多于二个发生。 （8）A，B，C中至少有二个发生。

3. 设{ }10,2,1, =S ,{}4,3,2=A ，{}5,4,3=B ，{}7,6,5=C ，具体写出下列各等式 （1）B A 。 （2）B A ?。 （3）B A 。 （4） BC A 。 （5）)(C B A ?。 4. 设{}20≤≤=x x S ，?????? ≤<=121x x A ，? ?????<≤=2341x x B ，具体写出下列各式。 （1）B A ?。 （2）B A ?。 （3）B A 。 （4） B A 。 5. 设A ，B ，C 是三事件，且41)()()(===C P B P A P ，0)()(==CB P AB P ，1)(=AC P ，求A ，B ， C 至少有一个发生的概率。 6. 在1500个产品中有400个次品，1100个正品，任意取200个。 （1） 求恰有90个次品的概率。 （2） 至少有2个次品的概率。 7.（1）在房间里有500个人，问至少有一个人的生日是10月1日的概率是多少（设一年以365天计算） （2）在房间里有4个人，问至少有二个人的生日在同一个月的概率是多少 8. 一盒子中有4只次品晶体管，6只正品晶体管，随机地抽取一只测试，直到4只次品管子都找到为止。求 第4只次品管子在下列情况发现的概率。 （1） 在第5次测试发现。 （2） 在第10次测试发现。 9. 甲、乙位于二个城市，考察这二个城市六月份下雨的情况。以A ，B 分别表示甲，乙二城市出现雨天这一 事件。根据以往的气象记录已知4.0)()(==B P A P ，28.0)(=AB P ，求)/(B A P ，)/(A B P 及)(B A P ?。 10. 已知在10只晶体管中有2只次品，在其中取二次，每次随机地取一只，作不放回抽样，求下列事件的概 率。 （1） 二只都是正品。 （2） 二只都是次品。 （3） 一只是正品，一只是次品。 （4） 第二次取出的是次品。 11. 某人忘记了电话号码的最后一个数字，因而随意地拨号，求他拨号不超过三次而接通所需的电话的概率

随机过程知识点汇总

第一章随机过程的基本概念与基本类型 一．随机变量及其分布 1．随机变量，分布函数 离散型随机变量的概率分布用分布列分布函数 连续型随机变量的概率分布用概率密度分布函数 2．n维随机变量 其联合分布函数 离散型联合分布列连续型联合概率密度 ３．随机变量的数字特征 数学期望：离散型随机变量连续型随机变量 方差：反映随机变量取值的离散程度 协方差（两个随机变量）： 相关系数（两个随机变量）：若，则称不相关。 独立不相关 ４．特征函数离散连续 重要性质：，，， ５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 二项分布 泊松分布均匀分布略 正态分布 指数分布 ６．Ｎ维正态随机变量的联合概率密度 ，，正定协方差阵 二．随机过程的基本概念 １．随机过程的一般定义 设是概率空间，是给定的参数集，若对每个，都有一个随机变量与之对应，则称随机变量族是上的随机过程。简记为。 含义：随机过程是随机现象的变化过程，用一族随机变量才能刻画出这种随机现象的全部统计规律性。另一方面，它是某种随机实验的结果，而实验出现的样本函数是随机的。 当固定时，是随机变量。当固定时，时普通函数，称为随机过程的一个样本函数或轨道。 分类：根据参数集和状态空间是否可列，分四类。也可以根据之间的概率关系分类，如独立增量过程，马尔可夫过程，平稳过程等。 ２．随机过程的分布律和数字特征 用有限维分布函数族来刻划随机过程的统计规律性。随机过程的一维分布，二维分布，…，维分布的全体称为有限维分布函数族。随机过程的有限维分布函数族是随机过程概率特征的完整描述。在实际中，要知道随机过程的全部有限维分布函数族是不可能的，因此用某些统计特征来取代。（１）均值函数表示随机过程在时刻的平均值。 （２）方差函数表示随机过程在时刻对均值的偏离程度。 （３）协方差函数且有 （４）相关函数(3)和(4)表示随机过程在时刻，时的线性相关程度。

第2章 随机过程习题及答案

第二章 随机过程分析 1.1 学习指导 1.1.1 要点 随机过程分析的要点主要包括随机过程的概念、分布函数、概率密度函数、数字特征、通信系统中常见的几种重要随机过程的统计特性。 1. 随机过程的概念 随机过程是一类随时间作随机变化的过程，它不能用确切的时间函数描述。可从两种不同角度理解：对应不同随机试验结果的时间过程的集合，随机过程是随机变量概念的延伸。 2. 随机过程的分布函数和概率密度函数 如果ξ(t )是一个随机过程，则其在时刻t 1取值ξ(t 1)是一个随机变量。ξ(t 1)小于或等于某一数值x 1的概率为P [ ξ(t 1) ≤ x 1 ]，随机过程ξ(t )的一维分布函数为 F 1(x 1, t 1) = P [ξ(t 1) ≤ x 1] (2-1) 如果F 1(x 1, t 1)的偏导数存在，则ξ(t )的一维概率密度函数为 1111111 (,) (, ) (2 - 2)?=?F x t f x t x 对于任意时刻t 1和t 2，把ξ(t 1) ≤ x 1和ξ(t 2) ≤ x 2同时成立的概率 {}212121122(, ; , )(), () (2 - 3)F x x t t P t x t x ξξ=≤≤ 称为随机过程ξ (t )的二维分布函数。如果 2212122121212 (,;,) (,;,) (2 - 4)F x x t t f x x t t x x ?=??? 存在，则称f 2(x 1, x 2; t 1, t 2)为随机过程ξ (t )的二维概率密度函数。 对于任意时刻t 1，t 2，…，t n ，把 {}n 12n 12n 1122n n ()(),(), ,() (2 - 5) =≤≤≤F x x x t t t P t x t x t x ξξξ，，，；，，，称为随机过程ξ (t )的n 维分布函数。如果 n n 12n 12n n 12n 12n 12n (x ) () (2 - 6)?=???F x x t t t f x x x t t t x x x ，，，；，，，，，，；，，， 存在，则称f n (x 1, x 2, …, x n ; t 1, t 2, …, t n )为随机过程ξ (t )的n 维概率密度函数。 3. 随机过程的数字特征 随机过程的数字特征主要包括均值、方差、自相关函数、协方差函数和互相关函数。 随机过程ξ (t )在任意给定时刻t 的取值ξ (t )是一个随机变量，其均值为 []1()(, )d (2 - 7)E t xf x t x ξ∞ -∞ =?

随机过程知识点汇总

2 0 — 1分布 P(X 1) P,P(X 0) q EX DX pq 二项分布 P(X k) C ： EX np DX npq 泊松分布 P(X k) k! EX DX 均匀分布略 正态分布 N(a, 2) f(x) (X a)2 2 2 EX DX 第一章随机过程的基本概念与基本类型 一.随机变量及其分布 1 .随机变量X ,分布函数F(x) P(X X) 离散型随机变量 X 的概率分布用分布列 P k P(X x k )分布函数 F(x) P k 连续型随机变量 X 的概率分布用概率密度 f(x) 分布函数F(x) X f(t)dt 2. n 维随机变量 X (X 1,X 2, ,X n ) 其联合分布函数 F (X ) F (X 1,X 2, , X n ) P(X 1 X [ , X 2 X 2 , , X n X n ,) 离散型 联合分布列 连续型联合概率密度 3 .随机变量的数字特征 数学期望：离散型随机变量 X EX X k P k 连续型随机变量 X EX xf (x)dx 2 2 2 方差：DX E(X EX) EX (EX) 反映随机变量取值的离散程度 协方差(两个随机变量 X,Y )： B XY E[(X EX )(Y 相关系数(两个随机变量 X, Y ) : XY t _ ____________________________________ VDX v'DY 独立 不相关 5 ?常见随机变量的分布列或概率密度、期望、方差 B XY EY)] E(XY) EX EY 则称X,Y 不相关。 4 ?特征函数 g(t) E(e ItX ) 离散 g(t) e ItX k p k 连续 g(t) e ltx f (x)dx 重要性质：g(0) 1 , g(t) 1 , g( t) g(t) , g (0) EX k

随机过程试题及答案

一．填空题（每空2分，共20分） 1．设随机变量X 服从参数为λ的泊松分布，则X 的特征函数为it (e -1) e λ。 2．设随机过程X(t)=Acos( t+),-

第一章随机过程

第一章 随机过程 1.1 引言 对随机微分方程的研究所需要的随机过程的知识很多，因篇幅关系，只在本章中列出重要的、必备的相关知识和重要结论，这些知识主要包括：随机变量的概念及相关知识及条件期望；随机过程，特别是Markov 过程和Brown 运动的相关知识；随机微积分；It?公式；一些重要不等式及随机比较定理。 本章的内容参考或转引自文献（Murry ，1998陈希孺，2003；林无烈2002；Mao ，1997；Mao ，2006胡适耕等，2007；王克，2010等），谨向相应的作者表示感谢。 1.2 随机变量 概率用于度量随机事件的可能性，某个随机试验的所有可能的所有可能的基本结果或基本随机事件ω所构成的集合记为Ω，称为样本空间。Ω的满足下面三个条件的子集族F 称为样本空间Ω的一个σ代数： （1）F ?∈ （2）若D F ∈，则其补集c D D F =Ω-∈； （3）若(i 1,2, )i D F ?=，则 1 i i D F ∞=∈。 F 中的元素称为Ω的F 可测集或随机事件。若C 是样本空间Ω的一个子集族，则存在一个Ω的包含C 的最小的σ代数，记为(C)σ，称为由C 生成的σ代数。由n 的所有开 集所生成的σ代数称为Borel σ代数，记为n B ，其中的元素称为 n 中的Borel 集。 定义在F 上的函数[]:0,1P F →称为可测空间(,F)Ω上的概率测度，如果它满足： （1）()1P Ω=； （2）若(i 1,2,)i A F ∈=且(i j)i j A A ?=?≠，则()11 i i i i P A P A ∞ ∞==?? = ???∑。 三元组(),F,P Ω称为概率空间。若一个概率空间的F 包含Ω的所有P 零外测集，也就是说，如果 ()(){}*:inf ,0P G P F F F G F =∈?=， 则G F ?，此概率空间称为完备的。任何一个概率空间都可以通过把其所有P 零外测集加入F 中，并重新定义概率测度来完备化。本书总假设所涉及的概率空间为完备的。

通信原理教程+樊昌信+习题答案第二章

第二章习题 习题 设随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 式中，θ是一个离散随机变量，它具有如下概率分布：P (θ=0)=，P (θ=π/2)= 试求E [X (t )]和X R (0,1)。 解：E [X (t )]=P (θ=0)2cos(2)t π+P (θ=/2)2cos(2)=cos(2)sin 22 t t t π πππ+ - cos t ω 习题 设一个随机过程X (t )可以表示成： ()2cos(2), X t t t πθ=+-∞<<∞ 判断它是功率信号还是能量信号并求出其功率谱密度或能量谱密度。 解：为功率信号。 []/2 /2/2 /21()lim ()()1lim 2cos(2)*2cos 2()T X T T T T T R X t X t dt T t t dt T ττπθπτθ→∞ -→∞-=+=+++? ? 222cos(2)j t j t e e πππτ-==+ 2222()()()(1)(1) j f j t j t j f X P f R e d e e e d f f πτπππττττδδ∞-∞---∞-∞==+=-++?? 习题 设有一信号可表示为： 4exp() ,t 0 (){0, t<0 t X t -≥= 试问它是功率信号还是能量信号并求出其功率谱密度或能量谱密度。 解：它是能量信号。X (t )的傅立叶变换为： (1)004 ()()441j t t j t j t X x t e dt e e dt e dt j ωωωωω +∞-+∞--+∞-+-∞====+??? 则能量谱密度 G(f)=2 ()X f =2 22 416114j f ωπ=++ 习题 X (t )=12cos 2sin 2x t x t ππ-，它是一个随机过程，其中1x 和2x 是相互统计独立的高斯随机变量，数学期望均为0，方差均为2σ。试求： (1)E [X (t )]，E [2()X t ]；(2)X (t ) 的概率分布密度；(3)12(,)X R t t 解：(1)()[][]()[]02sin 2cos 2sin 2cos 2121=?-?=-=x E t x E t t x t x E t X E ππππ ()X P f 因为21x x 和相互独立，所以[][][]2121x E x E x x E ?=。

《概率论与随机过程》第1章习题答案

《概率论与随机过程》第一章习题答案 1. 写出下列随机试验的样本空间。 （1） 记录一个小班一次数学考试的平均分数（设以百分制记分）。 解： ? ? ? ????=n n n n S 100,,1,0 ，其中n 为小班人数。 （2） 同时掷三颗骰子，记录三颗骰子点数之和。 解：{}18,,4,3 =S 。 （3） 10只产品中有3只是次品，每次从其中取一只（取出后不放回），直到将3只次品都取出， 记录抽取的次数。 解： {}10,,4,3 =S 。 （4） 生产产品直到得到10件正品，记录生产产品的总件数。 解： {} ,11,10=S 。 （5） 一个小组有A ，B ，C ，D ，E5个人，要选正副小组长各一人（一个人不能兼二个职务）， 观察选举的结果。 解： {}ED EC EB EA DE DC DB DA CE CD CB CA BE BD BC BA AE AD AC AB S ,,,,,,,,,,,,,,,,,,,=其 中，AB 表示A 为正组长，B 为副组长，余类推。 （6） 甲乙二人下棋一局，观察棋赛的结果。 解： {}210,,e e e S =其中，0e 为和棋，1e 为甲胜，2e 为乙胜。 （7） 一口袋中有许多红色、白色、蓝色乒乓球，在其中任意取4只，观察它们具有哪几种颜色。 解： {}rwb wb rb rw b w r S ,,,,,,=其中，,,,b w r 分别表示红色、白色、蓝色。 （8） 对某工厂出厂的产品进行检查，合格的盖上“正品”，不合格的盖上“次品”，如连续查出 二个次品就停止检查，或检查4个产品就停止检查，记录检查的结果。 解： {}1111,1110,1101,0111,1011,1010,1100,0110,0101,0100,100,00=S 其中，0为次品，1为正 品。 （9） 有A ，B ，C 三只盒子，a ，b ，c 三只球，将三只球装入三只盒子中，使每只盒子装一只球， 观察装球的情况。 解： {}Ca Bb Ac Cc Ba Ab Cb Bc Aa Cb Ba Ac Ca Bc Ab Cc Bb Aa S ,,;,,;,,;,,;,,;,,=其中，Aa 表示 球a 放在盒子A 中，余者类推。 （10） 测量一汽车通过给定点的速度。 解：{}0>=v v S （11） 将一尺之棰折成三段，观察各段的长度。 解： (){}1,0,0,0,,=++>>>=z y x z y x z y x S 其中，z y x ,,分别表示第一段，第二段，第三 段的长度。# 2. 设A ，B ，C 为三事件，用A ，B ，C 的运算关系表示下列事件。 （1） A 发生，B 与C 不发生。 解：C B A （2） A 与B 都发生，而C 不发生。 解： C AB （3） A ，B ，C 都发生。 解： ABC （4） A ， B ， C 中至少有一个发生。 解： C B A ?? （5） A ，B ，C 都不发生。 解： C B A （6） A ，B ，C 中至多有一个发生。 解： A C C B B A ?? （7） A ，B ，C 中至多有二个发生。 解： C B A ?? （8） A ，B ，C 中至少有二个发生。 解： CA BC AB ??. # 3. 设{}10,2,1, =S ,{}4,3,2=A ，{}5,4,3=B ，{}7,6,5=C ，具体写出下列各等式 （1）B A 。 解： {}5=B A ； （2）B A ?。 解： {}10,9,8,7,6,5,4,3,1=?B A ；

时间序列分析教程汇总

3.3时间序列分析 3.3.1时间序列概述 1.基本概念 (1)一般概念：系统中某一变量的观测值按时间顺序（时间间隔相同）排列成一 个数值序列，展示研究对象在一定时期内的变动过程，从中寻找 和分析事物的变化特征、发展趋势和规律。它是系统中某一变量 受其它各种因素影响的总结果。 (2)研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的 演变特性与规律，进而预测事物的未来发展。它不研究事物之间 相互依存的因果关系。 (3)假设基础：惯性原则。即在一定条件下，被预测事物的过去变化趋势会延续 到未来。暗示着历史数据存在着某些信息，利用它们可以解释与 预测时间序列的现在和未来。 近大远小原理（时间越近的数据影响力越大）和无季节性、无趋 势性、线性、常数方差等。 (4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。 时间序列的预测和评估技术相对完善，其预测情景相对明确。 尤其关注预测目标可用数据的数量和质量，即时间序列的长度和 预测的频率。 2.变动特点 (1)趋势性：某个变量随着时间进展或自变量变化，呈现一种比较缓慢而长期的 持续上升、下降、停留的同性质变动趋向，但变动幅度可能不等。 (2)周期性：某因素由于外部影响随着自然季节的交替出现高峰与低谷的规律。 (3)随机性：个别为随机变动，整体呈统计规律。 (4)综合性：实际变化情况一般是几种变动的叠加或组合。预测时一般设法过滤 除去不规则变动，突出反映趋势性和周期性变动。 3.特征识别 认识时间序列所具有的变动特征，以便在系统预测时选择采用不同的方法。(1)随机性：均匀分布、无规则分布，可能符合某统计分布。(用因变量的散点图 和直方图及其包含的正态分布检验随机性，大多数服从正态分布。) (2)平稳性：样本序列的自相关函数在某一固定水平线附近摆动，即方差和数学 期望稳定为常数。 样本序列的自相关函数只是时间间隔的函数，与时间起点无关。其 具有对称性，能反映平稳序列的周期性变化。 特征识别利用自相关函数ACF：ρ k =γ k /γ 其中γ k 是y t的k阶自协方差，且ρ =1、-1<ρ k <1。 平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋 近于0，前者测度当前序列与先前序列之间简单和常规的相关程度， 后者是在控制其它先前序列的影响后，测度当前序列与某一先前序 列之间的相关程度。 实际上，预测模型大都难以满足这些条件，现实的经济、金融、商业等序列

随机过程_课件---第三章

第三章 随机过程 3.1 随机过程的基本概念 1、随机过程 定义3-1 设 (),,F P Ω是给定的概率空间，T 为一指标集，对于任意t T ∈，都存在定义在 (),,F P Ω上，取值于E 的随机变量()(),X t ωω∈Ω与它相对应，则称依赖于t 的一族 随机变量(){},:X t t T ω∈为随机过程，简记(){}t X ω，{}t X 或(){}X t 。 注：随机过程(){,:,}X t t T ωω∈Ω∈是时间参数t 和样本点ω的二元函数，对于给定的时间是()00,,t T X t ω∈是概率空间(),,F P Ω上的随机变量；对于给定样本点()00,,X t ωω∈Ω是定义在T 上的实函数，此时称它为随机过程对应于0ω的一个样本函数，也成为样本轨道或实现。E 称为随机过程的相空间，也成为状态空间，通常用""t X x =表示t X 处于状态x 。 2、随机过程分类： 随机过程 t X 按照时间和状态是连续还是离散可以分为四类： 连续型随机过程、离散型随机过 程、连续随机序列、离散随机序列。 3、有穷维分布函数 定义3-2 设随机过程 {}t X ，在任意n 个时刻1,,n t t 的取值1 ,,n t t X X 构成 n 维随机向量 ()1 ,,n t t X X ，其n 维联合分布函数为： ()()11 ,,1 1 ,,,,n n t t n t t n F x x P X x X x ≤≤

其n 维联合密度函数记为()1,,1,,n t t n f x x 。 我们称(){}1,,11,,:1,,,n t t n n F x x n t t T ≥∈ 为随机过程{}t X 的有穷维分布函 数。 3.2 随机过程的数字特征 1、数学期望 对于任何一个时间t T ∈，随机过程{}t X 的数学期望定义为 ()()t X t t E X xdF x μ+∞-∞ ==? ()t E X 是时间t 的函数。 2、方差与矩 随机过程 {}t X 的二阶中心矩 2 2()[(())],t X t t t Var X E X E X t T σ==-∈ 称为随机过程{}t X 的方差。 随机过程 {}t X 的二阶原点矩定义为 2 2()()t t E X x dF x +∞-∞ =? 注：2 t X σ是时间t 的函数，它描述了随机过程{}t X 的诸样本对于其数学期望t X μ的偏移程度。