势垒贯穿动态随机过程的计算机模拟

实验三 随机过程的计算机模拟

实验三随机过程的计算机模拟 实验目的 1、理解伪随机序列的产生原理，掌握产生伪随机序列的算法； 2、提高用计算机程序实现算法的能力； 3、进一步掌握Matlab的使用和程序设计方法； 4、增强独立设计能力。 实验原理 参见附图“4.4随机信号的计算机模拟”。 实验内容 1、用Matlab语言实现“乘同余法”，用“乘同余法”产生1000个（0,1）区间内均匀分布的随机数，并根据这1000个随机数的统计规律画出概率密度曲线；同时画出均匀分布的理论概率密度曲线，二者进行比较； 源代码： A=ones(1,10000); M=2^32-1; A(1)=45165; a=32719; for i=1:1:10000 A(i+1)=mod((a*A(i)),M); end for i=1:1:10000 A(i)=A(i)/M; end; x=linspace(0+0.0125,1-0.0125,40); yx=hist(A,x); %计算各个区间的个数 yy=(yx/10000)/(x(2)-x(1)); plot(x,yy) %画出概率密度分布图

●概率密度函数曲线 ●理论概率密度曲线 ●比较： 用“乘同余法”产生1000个（0,1）区间内均匀分布的随机数比较剧烈变化，改成了10000个之后依然不变。

2、用Matlab语言实现“混合同余法”，用“混合同余法”产生1000个（0,1）区间内均匀分布的随机数，并根据这1000个随机数的统计规律画出概率密度曲线；同时画出均匀分布的理论概率密度曲线，二者进行比较； ●源代码 （1）先建立M文件 function r=suijishu1(x0,n) format long; m=power(2,35); a=power(5,15); c=1; r=zeros(n,1); x=zeros(n+1,1); x(1)=x0; for i=2:n+1 y=a*x(i-1)+c; x(i)=mod(y,m); r(i-1)=x(i)/m; end format short; （2）在窗口中输入以下程序： >> r=suijishu1(1,1000) ●得出的随机数作图呈随机分布

随机过程作业

第三章 随机过程 A 简答题： 3-1 写出一维随机变量函数的均值、二维随机变量函数的联合概率密度（雅克比行列式）的定义式。 3-2 写出广义平稳（即宽平稳）随机过程的判断条件，写出各态历经随机过程的判断条件。 3-3 平稳随机过程的自相关函数有哪些性质功率谱密度有哪些性质自相关函数与功率谱密度之间有什么关系 3-4 高斯过程主要有哪些性质 3-5 随机过程通过线性系统时，输出与输入功率谱密度之间的关系如何 3-6 写出窄带随机过程的两种表达式。 3-7 窄带高斯过程的同相分量和正交分量的统计特性如何 3-8 窄带高斯过程的包络、正弦波加窄带高斯噪声的合成包络分别服从什么分布 3-9 写出高斯白噪声的功率谱密度和自相关函数的表达式，并分别解释“高斯”及“白”的含义。 3-10 写出带限高斯白噪声功率的计算式。 B 计算题： 一、补充习题 3-1 设()()cos(2)c y t x t f t πθ=?+，其中()x t 与θ统计独立，()x t 为0均值的平稳随机过程，自相关函数与功率谱密度分别为：(),()x x R P τω。 ①若θ在（0，2π）均匀分布，求y()t 的均值，自相关函数和功率谱密度。 ②若θ为常数，求y()t 的均值，自相关函数和功率谱密度。 3-2 已知()n t 是均值为0的白噪声，其双边功率谱密度为：0 ()2 N P ω= 双，通过下图()a 所示的相干解调器。图中窄带滤波器（中心频率为c ω）和低通滤波器的传递函数1()H ω及2()H ω示于图()b ，图()c 。

试求：①图中()i n t （窄带噪声）、()p n t 及0()n t 的噪声功率谱。 ②给出0()n t 的噪声自相关函数及其噪声功率值。 3-3 设()i n t 为窄带高斯平稳随机过程，其均值为0，方差为2 n σ，信号[cos ()]c i A t n t ω+经过下图所示电路后输出为()y t ，()()()y t u t v t =+，其中()u t 是与cos c A t ω对应的函数，()v t 是与()i n t 对应的输出。假设()c n t 及()s n t 的带宽等于低通滤波器的通频带。 求()u t 和()v t 的平均功率之比。

随机过程上机实验报告讲解.pdf

2015-2016第一学期随机过程第二次上机实验报告 实验目的：通过随机过程上机实验，熟悉Monte Carlo计算机随机模拟方法，熟悉Matlab的运行环境，了解随机模拟的原理，熟悉随机过程的编码规律即各种随机过程的实现方 法，加深对随机过程的理解。 上机内容： （1）模拟随机游走。 （2）模拟Brown运动的样本轨道。 （3）模拟Markov过程。 实验步骤： （1）给出随机游走的样本轨道模拟结果，并附带模拟程序。 ①一维情形 %一维简单随机游走 %“从0开始，向前跳一步的概率为p，向后跳一步的概率为1－p” n=50; p=0.5; y=[0 cumsum(2.*(rand(1,n-1)<=p)-1)]; % n步。 plot([0:n-1],y); %画出折线图如下。

%一维随机步长的随机游动 %选取任一零均值的分布为步长, 比如，均匀分布。n=50; x=rand(1,n)-1/2; y=[0 (cumsum(x)-1)]; plot([0:n],y);

②二维情形 %在(u, v)坐标平面上画出点(u(k), v(k)), k=1:n, 其中(u(k))和(v(k)) 是一维随机游动。例 %子程序是用四种不同颜色画了同一随机游动的四条轨 道。 n=100000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(2,n)<0.5)-1; x=[zeros(1,2); cumsum(z')]; col=colorstr(k); plot(x(:,1),x(:,2),col);

hold on end grid ③%三维随机游走ranwalk3d p=0.5; n=10000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(3,n)<=p)-1; x=[zeros(1,3); cumsum(z')]; col=colorstr(k); plot3(x(:,1),x(:,2),x(:,3),col);

随机过程matlab程序

基本操作 -5/(4.8+5.32)^2 area=pi*2.5^2 x1=1+1/2+1/3+1/4+1/5+1/6 exp(acos(0.3)) a=[1 2 3;4 5 6;7 8 9] a=[1:3,4:6,7:9] a1=[6: -1:1] a=eye(4) a1=eye(2,3) b=zeros(2,10) c=ones(2,10) c1=8*ones(3,5) d=zeros(3,2,2)； r1=rand(2, 3) r2=5-10*rand(2, 3) r4=2*randn(2,3)+3 arr1=[1.1 -2.2 3.3 -4.4 5.5] arr1(3) arr1([1 4]) arr1(1:2:5) arr2=[1 2 3; -2 -3 -4;3 4 5] arr2(1,:) arr2(:,1:2:3) arr3=[1 2 3 4 5 6 7 8] arr3(5:end) arr3(end) 绘图

x=[0:1:10]; y=x.^2-10*x+15; plot(x,y) x=0:pi/20:2*pi y1=sin(x);y2=cos(x); plot(x,y1,'b-'); hold on; plot(x,y2,‘k--’); legend (‘sin x’,‘cos x’); x=0:pi/20:2*pi; y=sin(x); figure(1) plot(x,y, 'r-') grid on 以二元函数图 z = xexp(-x^2-y^2) 为例讲解基本操作，首先需要利用meshgrid 函数生成X-Y平面的网格数据，如下所示： xa = -2:0.2:2; ya = xa; [x,y] = meshgrid(xa,ya); z = x.*exp(-x.^2 - y.^2); mesh(x,y,z); 建立M文件 function fenshu( grade ) if grade > 95.0 disp('The grade is A.'); else if grade > 86.0 disp('The grade is B.'); else

随机过程作业和答案第三章

第三章 马尔科夫过程 1、将一颗筛子扔多次。记X n 为第n 次扔正面出现的点数，问{X(n) , n=1,2,3,···}是马尔科夫链吗？如果是，试写出一步转移概率矩阵。又记Y n 为前n 次扔出正面出现点数的总和，问{Y(n) , n=1,2,3,···}是马尔科夫链吗？如果是，试写出一步转移概率矩阵。 解：1)由已知可得，每次扔筛子正面出现的点数与以前的状态无关。 故X(n)是马尔科夫链。 E={1,2,3,4,5,6} ,其一步转移概率为: P ij = P ij =P{X(n+1)=j ∣X(n)=i }=1/6 (i=1,2,…,6,j=1,2,…,6) ∴转移矩阵为 2)由已知可得，每前n 次扔正面出现点数的总和是相互独立的。即每次n 次扔正面出现点数的总和与以前状态无关，故Y(n)为马尔科夫链。 其一步转移概率为 其中 2、一个质点在直线上做随机游动，一步向右的概率为p , (0

多元随机过程的建模与谱估计

第七章 多元随机过程的建模与谱估计 7.1 多元随机过程的表示 l 维平稳随机向量过程)(n Y 由l 个平稳随机过程构成 T l n y n y n y n Y )](,),(),([)(21 = (7-1) 其二阶特性由均值向量Y μ： {}T y y y Y l n Y E ],,,[)(2 1 μμμμ == (7-2) 和协方差矩阵()Y C m ： {}()[()][()]T Y Y Y C m E Y n Y n m μμ=-+-111212122212()() ()()() ()()() ()l l l l l l y y y y y y y y y y y y y y y y y y C m C m C m C m C m C m C m C m C m ?? ? ? ?? =? ??? ???? (7-3) 决定，其中)(m C j i y y 是随机过程)(n y i 和)(n y j 的协方差，即 {} ()[()][()]i j i j y y i y j y C m E y n y n m μμ=-+-，l j l i ≤≤≤≤1,1 由于 )(m C j i y y ()i j y y R m =i j y y μμ+，l j l i ≤≤≤≤1,1 因此，协方差矩阵()Y C m 又可表示为 ()Y C m ()T Y Y Y R m μμ=- (7-4) 其中，()Y R m 为l 维平稳随机向量过程)(n Y 的自相关矩阵。该矩阵中的第i 行第j 列元素是随机过程)(n y i 和)(n y j 的互相关函数)(m R j i y y ，即 ()Y R m 1112121 22212()() ()()()()()()()l l l l l l y y y y y y y y y y y y y y y y y y l l R m R m R m R m R m R m R m R m R m ???????=?? ?? ???? (7-5) 当)(n Y 的均值为零时，协方差矩阵)(m C Y 与互相关矩阵)(m R Y 相等。一般情况下，总是将随机向 量减去其均值向量估计，构成一个零均值的、新的随机向量。然后对新的随机向量进行各种分析。 举例，l 维白噪声向量)(n W 的二阶特征量为： ,0 0,()0,0W W W Q m C m m μ=?==? ≠? 其中W Q 为常数矩阵。若白噪声向量)(n W 的个分量互不相关，则其协方差矩阵W Q 是对角矩阵，即 12 22 2 [,,,]l W w w w Q diag σσσ= (7-6) 互相关矩阵性质： １） ()()T Y Y R m R m =- (7-7) 【证明：因为，{} ()()()i j y y i j R m E y n y n m =+{} ()()j i E y n y n m =-()j i y y R m =-，所以 (){()}{()}{()}()i j j i i j T T Y y y l l y y l l y y l l Y R m R m R m R m R m ???==-=-=- 】 2）(0)Y R 是非负定的 【证明：用l 个不全为零的实数i a ，1,2, ,i l =，作随机过程

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——马尔可夫过程的应用

随机过程——马尔可夫过程的应用 年级：2013级 专业：通信工程3班 姓名：李毓哲 学号：31

摘要：随机信号分析与处理是研究随机信号的特点及其处理方法的专业基础， 是目标检测、估计、滤波灯信号处理理论的基础，在通信、雷达、自动检测、随机振动、图像处理、气象预报、生物医学、地震信号处理等领域有着广泛的应用，随着信息技术的发展，随机信号分析与处理的理论讲日益广泛与深入。 随机过程是与时间相关的随机变量，在确定的时刻它是随机变量。随机过程的具体取值称作其样本函数，所有样本函数构成的集合称作随机过程的样本函数空间，所有样本函数空间及其统计特性即构成了随机过程。通信工程中存在大量的随机现象和随机问题。如：信源是随机过程；信道不仅对随机过程进行了变换，而且会叠加随机噪声等。 马尔可夫过程是一类非常重要的随机过程。随着现代科学技术的发展，很多在应用中出现的马氏过程模型的研究受到越来越多的重视。在现实世界中，有很多过程都是马尔可夫过程，马尔可夫过程在研究质点的随机运动、自动控制、通信技术、生物工程等领域中有着广泛的应用。我们可以通过对马尔可夫过程的研究来分析马尔可夫信源的特性。 关键词：随机过程，马尔可夫过程，通信工程，应用

目录 一、摘要 二、随机过程 、随机过程的基本概念及定义 、随机过程的数学描述 、基于MATLAB的随机过程分析方法三、马尔可夫过程 马尔可夫过程的概念 马尔可夫过程的数学描述 四、马尔可夫过程的应用 马尔可夫模型在通信系统中的应用 马尔可夫模型在语音处理的应用 马尔可夫模型的其他应用 五、结论 参考文献

二、随机过程 、随机过程的基本概念及定义 自然界变换的过程通常可以分为两大类——确定过程和随机过程。如果每次试验所得到的观测过程都相同，且都是时间t的一个确定函数，具有确定的变换规律，那么这样的过程就是确定过程。反之，如果每次试验所得到观测过程都不相同，是时间t的不同函数，没有为确定的变换规律，这样的过程称为随机过程。 、随机过程的数学描述 设随机试验E的样本空间Ω，T是一个数集（T∈(-∞,∞)），如果对于每一个t ∈T，都有一个定义在样本空间Ω上的随机变量 X(w,t)，w∈Ω，则称依赖于t的一族随机变量{X(w,t)，t∈T}为随机过程或随机函数，简记为{X(t)，t∈T }或X(t)，其中t称为参数，T称为参数集。当T={0,1,2,…}，T={1,2,…}，T={…,-2,-1,0,1,2,…}时，{X(w,t)t∈T}称为随机序列或时间序列。 、基于MATLAB的典型随机过程的仿真 信号处理仿真分析中都需要模拟产生各种随机序列，通常都是先产生白噪声序列，然后经过变换得到相关的随机序列，MATLAB有许多产生各种分布白噪声的函数。

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

随机过程习题答案A

随机过程习题解答（一） 第一讲作业： 1、设随机向量的两个分量相互独立，且均服从标准正态分布。 （a）分别写出随机变量和的分布密度 （b）试问：与是否独立？说明理由。 解：（a） （b）由于： 因此是服从正态分布的二维随机向量，其协方差矩阵为： 因此与独立。 2、设和为独立的随机变量，期望和方差分别为和。 （a）试求和的相关系数； （b）与能否不相关？能否有严格线性函数关系？若能，试分别写出条件。 解：（a）利用的独立性，由计算有： （b）当的时候，和线性相关，即 3、设是一个实的均值为零，二阶矩存在的随机过程，其相关函数为 ，且是一个周期为T的函数，即，试求方差 函数。 解：由定义，有： 4、考察两个谐波随机信号和，其中：

式中和为正的常数；是内均匀分布的随机变量，是标准正态分布的随机变量。 （a）求的均值、方差和相关函数； （b）若与独立，求与Y的互相关函数。 解：（a） （b） 第二讲作业： P33/2．解： 其中为整数，为脉宽 从而有一维分布密度： P33/3．解：由周期性及三角关系，有： 反函数，因此有一维分布： P35/4. 解：(1) 其中 由题意可知，的联合概率密度为：

利用变换：，及雅克比行列式： 我们有的联合分布密度为： 因此有： 且V和相互独立独立。 （2）典型样本函数是一条正弦曲线。 （3）给定一时刻，由于独立、服从正态分布，因此也服从正态分布，且 所以。 （4）由于： 所以因此 当时， 当时， 由（1）中的结论，有： P36/7．证明： (1) (2) 由协方差函数的定义，有：

P37/10. 解：（1） 当i =j 时；否则 令 ，则有 第三讲作业： P111/7．解： （1）是齐次马氏链。经过次交换后，甲袋中白球数仅仅与次交换后的状态有关，和之前的状态和交换次数无关。 （2）由题意，我们有一步转移矩阵： P111/8．解：（1）由马氏链的马氏性，我们有： （2）由齐次马氏链的性质，有： （2）

随机过程习题和答案

一、1.1设二维随机变量(,)的联合概率密度函数为： 试求:在时,求。 解： 当时，＝ ＝ 1.2 设离散型随机变量X服从几何分布： 试求的特征函数，并以此求其期望与方差。解：

所以： 2.1 袋中红球，每隔单位时间从袋中有一个白球，两个 任取一球后放回，对每 对应随机变量一个确定的t ?????=时取得白球如果对时取得红球 如果对t e t t t X t 3)( .维分布函数族试求这个随机过程的一 2.2 设随机过程 ，其中 是常数，与是 相互独立的随机变量，服从区间上的均匀分布，服从瑞利分布，其概 率密度为 试证明为宽平稳过程。 解：（1）

与无关 （2） ， 所以 （3） 只与时间间隔有关，所以 为宽平稳过程。 2.3是随机变量，且，其中设随机过程U t U t X 2cos )(=求：，.5)(5)(==U D U E .321）方差函数）协方差函数；（）均值函数；（（ 2.4是其中，设有两个随机过程U Ut t Y Ut t X ,)()(32==.5)(=U D 随机变量，且 数。试求它们的互协方差函 2.5， 试求随机过程是两个随机变量设B At t X B A 3)(,,+=的均值),(+∞-∞=∈T t 相互独若函数和自相关函数B A ,.),()(),2,0(~),4,1(~,21t t R t m U B N A X X 及则且立

为多少？ 3.1一队学生顺次等候体检。设每人体检所需的时间服从均值为2分 钟的指数分布并且与其他人所需时间相互独立，则1小时内平均有多少学生接受过体检？在这1小时内最多有40名学生接受过体检的概率是多少（设学生非常多，医生不会空闲） 解：令()N t 表示(0,)t 时间内的体检人数，则()N t 为参数为30的poisson 过程。以小时为单位。 则((1))30E N =。 40 30 (30)((1)40)!k k P N e k -=≤=∑。 3.2在某公共汽车起点站有两路公共汽车。乘客乘坐1,2路公共汽车的强度分别为1λ，2λ，当1路公共汽车有1N 人乘坐后出发；2路公共汽车在有2N 人乘坐后出发。设在0时刻两路公共汽车同时开始等候乘客到来，求（1）1路公共汽车比2路公共汽车早出发的概率表达式；（2）当1N =2N ，1λ=2λ时，计算上述概率。 解： 法一：（1）乘坐1、2路汽车所到来的人数分别为参数为1λ、2λ的poisson 过程，令它们为1()N t 、2()N t 。1 N T 表示1()N t =1N 的发生时 刻，2 N T 表示2()N t =2N 的发生时刻。 1 11 1111111()exp()(1)! N N N T f t t t N λλ-= -- 2 22 1222222()exp()(1)! N N N T f t t t N λλ-= --

相关正态随机过程的仿真实验报告材料

实验名称：相关正态随机过程的仿真 一、实验目的 以正态随机过程为例，掌握离散时间随机过程的仿真方法，理解正态分布随机过程与均匀分布随机过程之间的相互关系，理解随机过程的相关函数等数值特征;培养计算机编程能力。 二、实验容 相关正态分布离散随机过程的产生 （1）利用计算机语言的[0,1]区间均匀分布随机数产生函数生成两个相互独立的序列 {U1(n)|n=1,2,…100000}，{U2(n)|n=1,2,…100000} 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%----------------在[0,1] 区间用rand函数生成两个相互独立的随机序列 n1=hist(u1,10);%--------------------------hist函数绘制分布直方图 subplot(121);%-----------------------------一行两列中的第一个图 bar(n1); n2=hist(u2,10); subplot(122); bar(n2); 实验结果：

（2）生成均值为m=0，根方差σ=1的白色正态分布序列 {e(n)|n=1,2, (100000) [][] m n u n u n +=)(2cos )(ln 2-)(e 21πσ 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%---------------在[0,1] 区间用rand 函数生成两个相互独立的随机序列 en=sqrt(-2*log(u1)).*cos(2*pi*u2);%--------定义白色正态分布e(n) n=hist(en,100);%--------------------------hist 函数绘制分布直方图 bar(n); 实验结果： （3）假设离散随机过程x(n)服从均值为x m =0、根方差为2x =σ、相关函数为||2)(r k x x k ασ= )6.0(=α 功率谱函数为

随机过程作业

第三章随机过程作业 1.设A、B是独立同分布的随机变量，求随机过程的 均值函数、自相关函数和协方差函数。 2.设是独立增量过程，且，方差函数为。记随机过程 ，、为常数，。 （1）证明是独立增量随机过程； （2）求的方差函数和协方差函数。 3.设随机过程，其中是相互独立的随机变量且均值为0、 方差为1，求的协方差函数。 4.设U是随机变量，随机过程. (1) 是严平稳过程吗为什么 (2) 如果，证明：的自相关函数是常数。 5.设随机过程,其中U与V独立同分布 。 (1) 是平稳过程吗为什么 (2) 是严平稳过程吗为什么 6.设随机变量的分布密度为, 令, 试求的一维概率分布密度及。

7.若从t = 0开始每隔1/2分钟查阅某手机所接收的短信息 , 令 试求：的一维分布函数 8.设随机过程, 其中是相互独立的随 机变量 , 且, 试求的均值与协方差函数 . 9.设其中为常数 , 随机变量 , 令 , 试求 :和 。 10.设有随机过程，并设x是一实数，定义另一个随机过程 试证的均值和自相关函数分别为随机过程的一维和二维分布函数。11.设有随机过程,，其中为均匀分布 于间的随机变量，即试证： （1）自相关函数 （2）协相关函数 12.质点在直线上作随机游动，即在时质点可以在轴上往右或往左作 一个单位距离的随机游动。若往右移动一个单位距离的概率为，往左移动一个单位距离的概率为，即

，且各次游动是相互统计独立的。经过n 次游动，质点所处的位置为。 （1）的均值； （2）求的相关函数和自协方差函数和。 13.设，其中服从上的均匀分布。试证 : 是宽平稳序列。 14.设其中服从上的均匀分布. 试 证 :既不是宽平稳也不是严平稳过程 . 15.设随机过程和都不是平稳的，且 其中和是均值为零的相互独立的平稳过程，它们有相同的相关函数，求证 是平稳过程。 16.设是均值为零的平稳随机过程。试 证 : 仍是一平稳随机过程 , 其中为复常数，为整数。 17.若平稳过程满足条件，则称是周 期为的平稳过程。试证是周期为的平稳过程的充分必要条件是其自相关函数必为周期等于的周期函数。

随机过程期末模拟题

随机过程期末模拟题 一．填空题（每空2分，共20分） 1．设随机变量X 服从两点分布，则X 的特征函数为____________。 2．设X(t)=Vcos t,α ,t T=[0,+)∈∞，振幅V 是在区间（0,1）上均匀分布的随机变量， α为常数，则X (t)的相关函数=)4,2(X R ________。 3．强度为λ的泊松过程{}X (t),t 0≥,{}n T ,n 1≥是对应的时间间隔序列，则随机变量 n T (n =1,2,) 独立同分布，密度函数为________________。 4．设{}n W ,n 1≥是与泊松过程{}X (t),t 0≥对应的一个等待时间序列，则1W 的分布函数为 ______________。 5．设随机过程 X (t)只有两条样本曲线，1X (t,)=acost,ω2X (t,)=-acost,ω其中常数a >0，且 12P ()= 3 ω，21P ()= 3 ω，则随机过程的期望=)(t EX _________。 6．马氏链{}n X ,n 0≥，状态空间I ,记初始概率i 0p P(X =i)=，绝对概率j n p (n )P(X =j)=，n 步 转移概率(n) ij p ，三者之间的关系式为_____________。 7．设{} n X ,n 0≥为马氏链，状态空间I ，记初始概率i 0p P(X =i)=，一步转移概率{}ij n+1n p p X j X i ===，用其表示{}0011n n P X =i ,X =i ,,X i == ________________。 8．在马氏链{}n X ,n 0≥中，记 {}(n)ij v n 0f P X j,1v n-1,X j X i ,n 1,=≠≤≤==≥ (n) ij ij n=1 f f ∞ = ∑，若1

随机过程作业

南昌航空大学硕士研究生2009 / 2010学年第一学期考试卷 1. 求随机相位正弦波()cos()X t a t ωθ=+，(,)t ∈-∞+∞，的均值函数，方差函数和自相关函数。其中θ是在（-л，л）内均匀分布的随机变量 2.()X t 是泊松过程，求出泊松过程的均值函数(),X m t 方差函数()X D t ，相关函数(,)X R s t 协方差函数(,)X B s t . 3.设顾客到达商场的速率为2人/分钟，求: (i)在10分钟内顾客达到数的均值； (ii) 在10分钟内顾客达到数的方差； (iii)在10分钟内至少一个顾客达到的概率； (iv)在10分钟内到达顾客不超过3人的概率。(12分)

4.利用重复抛掷硬币的实验定义一个随机过程cos ,(){ 2,, t X t t π=出现正面，出现正面， (,)t ∈-∞+∞ 求:(i)()X t 的一维分布函数1(,),(,1);2F x F x (ii)()X t 的二维分布函数121(,,1);2F x x (iii)()X t 的均值函数(),(1),X X m t m 方差函数(),(1)X X D t D .(16分) 5.设移民到某地区的居民户数是一泊松过程，平均每周有2户定居，如果每户的人口数是随机变量，一户4口人的概率是1/6,一户3口人的概率是1/3,一户2口人的概率是1/3,一户1口人的概率是1/6,并且

每户的人口数是相互独立的，求2周内移民到该地区的人口数的期望和方 6.设{,1}n X n ≥为有限齐次马尔可夫链，其初始分布和概率转移矩阵为 01 {},1,2,3,4.4 i p P X i i ==== 11114444111144441111444411114444?? ? ? ? ? ? ? ? ? ??? , 求(i)201{4|1,14}P X X X ==<<,(ii) 21{4|14}P X X =<<(12分) 7.设明天是否有雨仅与今天的天气有关，而与过去的天气无关。又设今天下雨明天也下雨的概率为0.7,今天无雨明天有雨的概率为0.4，规定有雨的天气状态为0，无雨的天气状态为1.求周一下雨周四也下雨的概率。 8.设{1,2,3,4}I =，其一步转移概率矩阵为:

随机过程上机实验报告-华中科技大学--HUST

随机实验报告 班级：通信1301班姓名：郭世康 学号：U201313639 指导教师：卢正新

一、模块功能描述 CMYRand类是整个系统的核心，它产生各种随机数据供后面的类使用。可以产生伪随机序列、均匀分布、正态分布、泊松分布、指数分布等多种随机数据。 CRandomDlg类是数据的采集处理类。它可以将CMYRand产生的随机数据处理分析，再送入CScope等类进行模拟示波器显示。 CScope等类是有关示波器显示的类。 二、模块间的关系 CRandomDlg类在整个程序中是一个不可缺少的环节，它调用CMYRand中的函数来产生符合所需分布的随机序列，再将产生的结果统计分析，送到CScope类中的函数进行模拟示波器显示。CMYRand为整个程序的核心，就是这个类产生所需分布的随机序列。CAboutDlg是模拟示波器界面上的有关按钮选项的类。我们在示波器界面上点击一个按钮，它就会执行这个按钮所对应功能，比如点击正态分布，它就会调用CRandomDlg中的对应函数，在调用CMYRand中的产生正态分布的函数，再将结果送到CScope类中进行显示，最后我们可以在示波器上看到图形。 三、数据结构 在本次随机试验中所填写的代码部分并没有用到有关于结构体等数据结构的东西。 四、功能函数 1、 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S==seed)

随机过程2016作业及答案3

1.Players A and B take turns in answering trivia questions, starting with player A answering the ?rst question. Each time A answers a question, she has probability p 1 of getting it right. Each time B plays, he has probability p 2 of getting it right. (a)If A answers m questions, what is the PMF of the number of questions she gets right? The r.v.is Bin(m,p 1),so the PMF is m k p k 1(1 p 1)m k for k 2{0,1,...,m }.(b)If A answers m times and B answers n times,what is the PMF of the total number of questions they get right (you can leave your answer as a sum)?Describe exactly when/whether this is a Binomial distribution. Let T be the total number of questions they get right.To get a total of k questions right,it must be that A got 0and B got k ,or A got 1and B got k 1,etc.These are disjoint events so the PMF is P (T =k )=k X j =0?m j ◆p j 1(1 p 1)m j ?n k j ◆p k j 2(1 p 2)n (k j )for k 2{0,1,...,m +n },with the usual convention that n k is 0for k >n . This is the Bin(m +n,p )distribution if p 1=p 2=p ,as shown in class (using the story for the Binomial,or using Vandermonde’s identity).For p 1=p 2,it’s not a Binomial distribution,since the trials have di ?erent probabilities of success;having some trials with one probability of success and other trials with another probability of success isn’t equivalent to having trials with some “e ?ective”probability of success.(c)Suppose that the ?rst player to answer correctly wins the game (with no prede-termined maximum number of questions that can be asked).Find the probability that A wins the game. Let r =P (A wins).Conditioning on the results of the ?rst question for each player,we have r =p 1+(1 p 1)p 2·0+(1 p 1)(1 p 2)r, which gives r =p 11 (1 p 1)(1 p 2)=p 1p 1+p 2 p 1p 2 .1 SI 241 Probability & Stochastic Processes, Fall 2016 Homework 3 Solutions 随机过程2016 作业及答案

随机过程的模拟与特征估计

随机过程的模拟与特征估计 一、实验目的 了解随机过程特征估计的基本概念和方法，学会运用MATLAB 软件产生各种随机过程，对随机过程的特征进行估计，并通过实验了解不同估计方法所估计出来的结果之间的差异。 二、实验原理 （1）高斯白噪声的产生 提示：利用MA TLAB 函数randn 产生 （2）自相关函数的估计 ||10 1?()()()||N m x n R m x n m x n N m --==+-∑ 提示：MA TLAB 自带的函数为xcorr （3）功率谱的估计 先估计自相关函数?()x R m ，再利用维纳－辛钦定理，功率谱为自相关函数的傅立叶变换：1(1)()()N jm x x m N G R m e ωω+-=--= ∑ 提示：MA TLAB 自带的函数为pyulear （4）均值的估计 11 1?()N x n m x n N -==∑ 提示：MA TLAB 自带的函数为mean （5）方差的估计 12211??[()]N x x n x n m N σ-==-∑ 提示：MA TLAB 自带的函数为var (6) AR(1)模型的理论自相关函数和理论功率谱 对于AR(1)模型()(1)()X n aX n W n =-+ 自相关函数22()1m X a R m a σ=-，0m ≥

功率谱为2 2()(1)X j G ae ωσω-=- (7) ARMA(N,N)模型的理论自相关函数和理论功率谱 对于ARMA(N,N)模型12()(1)(2)()()N X n a X n a X n a X n N W n =-+-++-+ 功率谱为2211()N j k k k X N j k k k b e G a e ωωωσ-=-==∑∑ 三、实验内容（带*为选作） 1. 相关高斯随机序列的产生 按如下模型产生一组随机序列()(1)()x n ax n w n =-+，其中()w n 为均值为1，方差为4的正态分布白噪声序列。 （1）产生并画出a=0.8和a=0.2的x(n)的波形； （2）估计x(n)的均值和方差； （3）估计x(n)的自相关函数。 源代码： a=0.8; sigma=2; N=500; u=1+4*randn(N,1); x(1)=sigma*u(1)/sqrt(1-a^2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end subplot 221 plot(x);title('0.8') Rx=xcorr(x,'coeff'); subplot 222 plot(Rx);title('0.8自相关函数') junzhix=mean(x);