随机过程复习提纲
- 格式:doc
- 大小:1.01 MB
- 文档页数:23
第一章 随机过程的基本概念一、随机过程的定义例1:医院登记新生儿性别,0表示男,1表示女,X n 表示第n 次登记的数字,得到一个序列X 1 , X 2 , ···,记为{X n ,n=1,2, ···},则X n 是随机变量,而{X n ,n=1,2, ···}是随机过程。
例2:在地震预报中,若每半年统计一次发生在某区域的地震的最大震级。
令X n 表示第n 次统计所得的值,则X n 是随机变量。
为了预测该区域未来地震的强度,我们就要研究随机过程{X n ,n=1,2, ···}的统计规律性. 例3:一个醉汉在路上行走,以概率p 前进一步,以概率1—p 后退一步(假设步长相同)。
以X(t)记他t 时刻在路上的位置,则{X(t), t ≥0}就是(直线上的)随机游动。
例4:乘客到火车站买票,当所有售票窗口都在忙碌时,来到的乘客就要排队等候。
乘客的到来和每个乘客所需的服务时间都是随机的,所以如果用X (t)表示t 时刻的队长,用Y (t)表示t 时刻到来的顾客所需等待的时间,则{X (t ), t ∈T }和{Y (t), t ∈T }都是随机过程。
定义:设给定参数集合T ,若对每个t ∈T, X(t )是概率空间),,(P ℑΩ上的随机变量,则称{X(t), t ∈T}为随机过程,其中T 为指标集或参数集.E X t →Ω:)(ω,E 称为状态空间,即X(t )的所有可能状态构成的集合。
例1:E 为{0,1} 例2:E 为[0, 10]例3:E 为},2,2,1,1,0{ -- 例4:E 都为),0[∞+注:(1)根据状态空间E 的不同,过程可分为连续状态和离散状态,例1,例3为离散状态,其他为连续状态。
(2)参数集T 通常代表时间,当T 取R , R +, [a,b]时,称{X(t), t ∈T }为连续参数的随机过程;当T 取Z, Z +时,称{X(t ), t ∈T}为离散参数的随机过程。
丄20 25 1. 设{2V(r)J>0}是一更新过程,已知P {X. =1} = 1/3, P {X i =2} = 2/3,则 P {N(3) = 2}=§ 2.若Markov 链只存在一个类,则称它是不可约的,若状态同属一类,则d ① 与d(j)的大小关系d ⑴=d(j) (<,>,=)丄 423.设Markov 链的状态空间S = (1,2,3),转移矩阵P=-4..设{B(f),宀 0}是标准 Brown 运动,则 P(B(2)<0) = |.题目:X(/) = sin",U ~U[0,2刃.试判断X(/)为宽平稳还是严平稳过程.解:EX (t) = E(sin Ut) - ~ sin utdu = 01 ® 1= E(sinUtsinUs) = 一 I ——[cos+ 51) - cos u(t - s)]du2龙力 21 —,t = s =<2 0,心s故{X(t)}为宽平稳过程。
又sinU 与sin2U 的分布函数不同,故{X (t)}不是严平稳的 题目:MaMov 链的状态空间S = {1,2,3,4},—步转移概率矩阵‘%0 o '1 0 0 0 0 % % 0%0 丿试对其状态进行分类,确定哪些是常返态,并确定其周期解:1.由转移概率矩阵知:10 2,并且有3 ^2,2^3; 4 T 2,2/4; 4宀3,3“4;故状态空间可以分为:S = {1,2}U ⑶U{4}.2.由转移概率矩阵知:几〉0(心1,2),所以状态1和2都是非周期的,又10 2故状态2也是非周期的.从状态4出发不可能返回到状态4,即集合{zz:z/>l,/^>0}为空集,故状态4的周期无穷大./11=z/H ,,=/H n +/r+/1<13,+-+/r+-n=l=i + 1 +0+---+0+•••2 2=1所以状态1为常返态,又1^-2,故2是常返态. ......... 4分+8f— f(")= f ⑴ + f ⑵f ⑶+ …丿33 厶丿33 丿33 丁丿33 丁丿33 丁n-12=—+ 0 + 0 +•••3 厶13所以状态3为非常返态.+00f— N' f(")—f ⑴ + f ⑵+ …J 44 丿44 J 44 ' J 44 ~n=l= 0 + 0 —=0<1故状态3也是非常返态.题目:将两个红球4个白球分别放入甲乙两个盒子中.每次从两个盒子中各取一球交换,以X(“)记第n次交换后甲盒中的红球数.1.说明{X(n),n> 0}是一Markov链并求转移矩阵P ;2.试证(X(n), n = 0,1,2, •••}是遍历的;3.求它的极限分布.解:1.设X(“)为"次交换后甲盒中的红球数,则易见{X(“)}是马尔可夫链,状态空间为S ={0,1,2};n 1 02 2转移矩阵为p = 3 4 18 8 80 1 0丿2.山于5 = {0,1,2}有限,且S中状态互通,即不可约的,故{X(")}是正常返的,又状态1为非周期的,故1是遍历的,所以{X®)}是遍历链.题目:> 0}为标准Brow”运动,验证{X(/) = (1 -^―)}, 0 V / V1}是Brow”桥.1-t解:因为E[X(t)] = (l-t)E B(—) -01 — t皿⑴]n咕)")吩所以{X(/)}是Gauss过程,均值为零,协方差为5(1-0 ,即为Brown。
随机过程复习提纲汇总随机过程是概率论中研究随机现象的一种数学工具,它描述了随机事件或变量在时间或空间上的演化规律。
随机过程在概率论、统计学以及各个科学领域中都有广泛的应用。
在复习随机过程的过程中,可以按照以下提纲进行系统地总结和复习:一、随机过程的定义和基本概念1.随机过程的定义和基本性质2.随机变量和随机过程的关系3.有限维分布和无限维分布4.随机过程的连续性和可测性二、随机过程的分类1.马尔可夫链和马尔可夫过程2.马尔可夫链的平稳分布和细致平衡条件3.各类随机过程的特性和应用(如泊松过程、布朗运动等)三、随机过程的数学描述1.随机过程的表示方法(如状态空间表示、样本函数表示等)2.随机过程的独立增量性质3.随机过程的平稳性质和相关函数四、随机过程的统计特性1.随机过程的均值和方差2.随机过程的相关函数和自相关函数3.随机过程的功率谱密度和自相关函数之间的关系五、随机过程的极限理论1.强大数定律和中心极限定理在随机过程中的应用2.极限理论在随机过程中的应用(如大数定律、中心极限定理等)六、马尔可夫过程的统计推断1.马尔可夫链的参数估计2.马尔可夫过程的参数估计3.马尔可夫过程的隐马尔可夫模型和参数估计七、随机过程的应用1.随机过程在金融领域的应用2.随机过程在电信领域的应用3.随机过程在信号处理领域的应用以上是一个较为全面的随机过程复习提纲,按照这个提纲进行复习可以帮助系统地回顾和学习随机过程的各个重要概念、定理和应用。
在复习的过程中,可以结合课本、教材以及相关资料进行深入学习和巩固。
同时,通过解答题目、做习题和实际应用案例的分析,可以提高对随机过程的理解和应用能力。
复习随机过程时,要注意理论和实践相结合,注重理论概念的理解和应用技巧的掌握。
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方差: DX E(X EX)2EX 2(EX)2反映随机变量取值的离散程度5.常见随机变量的分布列或概率密度、期望、方差 0-1分布 P(X 1) p,P(X0) qEXpDX pq二项分布P(X k k nk) C n p qkEX npDX npq泊松分布P(Xkk) ek! EXDX均匀分布略正态分布 N(a, 2) f (x) 1e (x a)222EX aDX相关系数(两个随机变量X,Y ):B XY若 0 ,则称 X,Y 不相关。
XYDX DY独立 不相关4.特征函数 g(t) E ( eitX)离散 g(t)e itx kp k连续 g(t)e itxf (x)dx重要性质: g(0) 1 ,g(t)1 , g( t) g(t) , g k(0)i k EXk协方差(两个随机变量 X,Y ): B XY E[(X EX)(Y EY)] E(XY) EX EY2.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 kx分布函数 F(x)f (t)dtx 1,X 2 x 2 , ,X nx n ,)连续型随机变量 XEXxf (x)dx连续型随机变量 X 的概率分布用概率密度 f(x)a (a 1,a 2, ,a n ), x (x 1,x 2, ,x n ),B (b ij )n n 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 ( , P) 是概率空间, T 是给定的参数集, 若对每个 t T ,都有一个随机变量 X 与之对应, 则称随机变量族 X(t,e),t T 是( , P) 上的随机过程。
随机过程复习提纲2017第⼀章1. 简述样本空间、基本事件、事件、随机事件、事件域的概念。
2. 设概率空间(,,)F P Ω,,A B F ∈(随机试验中两个随机事件A 、B ),()0P A >,B 1,B 2,…,B n 为Ω的⼀个分割,请写出:(1)事件A 出现条件下事件B 出现的概率公式P(B |A );(2)事件A 、B 同时发⽣的乘法公式P (AB );(3)事件A 的全概率公式P (A );(4)P (B i |A )的贝叶斯公式。
3. 某化验室检测某种疾病的⾎液检查,当确实有病时的有效率是95%.可是,该检测也在1%的健康⼈中产⽣“假阳性”结果(即⼀个健康⼈去检查, 检测结果为阳性的概率是0.01).如果总体⼈群中有0.5%真有此病,问已知某⼈检测结果为阳性时,他有病的概率是多少?4. 假设离散随机变量X 的分布律为:p(1)=1/2,p(2)=1/3, p(3)=1/6,请写出关于X 的累积分布函数F(x)。
5. 设⼆维随机变量X 、Y 的联合分布函数为,(,)X Y F x y ,请分别写出关于X 和关于Y 的边缘分布函数和边缘PDF ,并写出(,)XY f x y 、|(|)Y X f y x 和()X f x 三者关系式。
6. 随机变量X ,Y 的联合概率密度函数为|| (,0)(,)0, y XY Ae y x x y f x y ,其它-?>-∞<<∞>=??求:常数A 、边缘概率密度函数()X f x ,()Y f y 和条件概率密度函数|(|)Y X f y x ,|(|)X Y f x y ,判断是否统计独⽴。
7. 随机变量Y =sin X , X 为(-π,π)均匀分布,1()2X f x π=,求)(y f Y 。
8. 已知随机变量X 1,X 2的联合PDF 为1212(,)X X f x x ,试借助⼆维随机变量函数的分布来求随机变量Y=X 1-X 2的PDF 。
高效备考山西省考研数学二随机过程复习重点一、概述随机过程是概率论和数理统计中的一个重要概念,在考研数学二中也是一个重点考察内容。
本文将从理论基础、重要定义和性质、实例分析等角度,为考生提供高效备考山西省考研数学二随机过程的复习重点。
二、理论基础1. 概率论基础知识在学习随机过程之前,需要对概率论基础知识进行复习。
主要包括概率分布函数、概率密度函数、随机变量、条件概率、独立性等基本概念。
2. 马尔可夫性质马尔可夫性质是随机过程理论的核心概念之一。
考生需要了解和掌握马尔可夫链、连续时间马尔可夫链、平稳分布等相关内容,特别是马尔可夫性和马尔可夫链的收敛性。
三、重要定义和性质1. 随机过程的定义随机过程可以用来描述随机变量在时间上的变化过程。
考生需要熟悉随机过程的定义及其数学表示。
2. 过程的分类随机过程可以分为离散时间随机过程和连续时间随机过程。
对于离散时间随机过程,考生需要了解马尔可夫链、泊松过程等重要过程的定义和性质。
对于连续时间随机过程,考生需要了解布朗运动、随机微分方程等相关知识。
3. 重要性质考生需要了解和掌握随机过程的重要性质,例如平稳性、独立增量性、马尔可夫性等。
同时,还要理解和应用随机过程的参数估计方法。
四、实例分析1. 马尔可夫链的应用马尔可夫链是随机过程中的一个重要模型,在实际应用中有着广泛的应用。
考生可以通过案例分析来理解马尔可夫链在实际问题中的应用,例如排队论、网络传输等。
2. 泊松过程的分析泊松过程是另一个重要的随机过程模型。
考生可以通过案例分析来理解泊松过程的特性及其在实际问题中的应用,例如电话呼叫、到达时间等。
五、总结本文在高效备考山西省考研数学二随机过程时,从理论基础、重要定义和性质、实例分析等几个方面进行了系统的复习总结。
考生在备考过程中,要注重理论复习与实例分析的结合,把握好随机过程的核心概念和应用方法。
通过刻苦的复习和真题演练,相信考生能取得优异的成绩。
注意事项:1. 本文为文章示例,特定内容可根据实际需要进行扩展或修改。
第一章:1. 填空若X 1,X 2,…,X n 是相互独立的随机变量,且g i (t)是X i 的特征函数,i=1,2,…,n)则X=X 1+X 2+…X n 的特征函数g(t)= _g 1(t) g 2(t)…g n (t) 2.设P(S)是X 的母函数,试证: (1)若E(X)存在,则EX=P ′(1)(2)若D(X)存在,则 DX = P"(1)+ P ′(1)-[ P ′(1)]2 证明:(1)因为p (s )=sp kk k∑∞=0,则p ′(s )=skpk k k11-∞=∑,令s ↑1,得EX==∑∞=1k kkpp ′(1)。
(2)同理可证DX=p 〞(1)+ p ′(1) —[p ′(1)] 2 3.设X 服从B(n,p),求X 的特征函数g(t)及EX,EX 2,DX. 解:X 的分布列为P(X=k)=1k k n nC p q -,q=1-p ,k=0,1,2,...n,()00k n n n itk k k n k k it n k it g t e C p q C pe q pe q n n k k ⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭--===+∑∑== 由性质得()()np itdtdi i EX t n q ep g=-=-==+0,()()()p nq e p dtdg i EX npq iti t n 2222"220+=-===+-()npq DX EX EX=-=224. 设X~N(0,1),求特征函数g(t). 解dx xt g eitx ⎰∞+∞--=2221)(π由于e exx xix itx 2222=-,且〈+∞⎰∞+∞--dx xeitx 2221π,故由积分号下求导公式有⎥⎥⎦⎤⎢⎢⎣⎡-==-∞+∞-∞+∞--⎰⎰de e ixeg x i dx xt ixt itx 22'22221)(ππdx xtxi eeitx itx ⎰⎰∞+∞--∞+∞-∞+∞---=222222ππ)(t tg -=于是得微分方程g ’(t)+tg(t)=0 解得方程的通解为e Ctt g +-=22)(由于g(0)=1,所以C=0, 于是得X 的特征函数为ett g 22)(-=5. 设随机变量Y~N(μ,σ2),求Y 的特征函数是g Y (t). 解:设X~N(0,1),则由例1.3知X 的特征函数ett g 22)(-=令Y=μσ+X ,则Y~N(μ,σ2),由前面的命题知Y 的特征函数是()()eg e g tt t t i Xxi Y222σσμμ-==,6. 设X 1,X 2…X n 是相互独立的随机变量,且X i ~b(n i ,p),i=1,2,…n,则⎥⎦⎤⎢⎣⎡=∑∑==n i i ni i p b Y n X 11,~证 因为X i ~b(n i ,p),所以其特征函数为()(),,...2,1,n i it nt X q e p g ii==+由特征函数的性质知,∑==ni i x Y 1的特征函数为()()()(),111∏++∏==∑====ni n i Y q e p q e p g g it n it n t X t ni iii再有唯一性定理知⎥⎦⎤⎢⎣⎡=∑∑==n i i ni i p b Y n X 11,~7. 设X 1,X 2…X n 是相互独立的随机变量,且(),,...2,1,~n i ii X =λπ则⎪⎭⎫⎝⎛=∑∑==n i i ni i X Y 11~λπ证 因为(),~λπiiX所以其特征函数为()n i e t Xe g it ii,...2,1,1==⎪⎭⎫ ⎝⎛-λ有特征函数的性质知,∑==ni i X Y 1的特征函数为()()e eg g ni iti iti ie et X t ni n i Y ∑====⎪⎭⎫ ⎝⎛-=⎪⎭⎫ ⎝⎛-=∏∏11111λλ再由唯一性定理知⎪⎭⎫⎝⎛=∑∑==n i i ni i X Y 11~λπ。
随机过程复习要点第一章 概率论知识补充1.随机事件体有样本空间的全体子集总共2n个组成。
1.特征函数:随机变量X 的分布函数为F(x),称()()(),itX itxg t E e e dF x t ∞-∞==-∞<<∞⎰为X 的特征函数。
()()ln X X t g t ψ=,此为第二特征函数。
离散型:()1kitx k k g t ep ∞==∑;连续型:()()itx g t e f x dx ∞-∞=⎰2特征函数的性质:注:特征函数为虚函数。
()()()()()()()()()()()()()()()()()()()()()()()()()()2'"'12n 12n 12101,1,.2-30=-0.-0;00.4....5n k k kk k k n g g t g t g t g t X g t n k n g i EX EX i g EX i g DX g g X g t g t g t g t =≤-=∞∞≤===-+==第二项为取模,第三项为取共轭。
在,一致连续;若随机变量X 的n 阶矩EX 存在,则的特征函数阶可导,且当时,有;若X X ...X 相互独立,则X +X +...+X 的特征函数为随机变量的分布函数由其特征函数唯一确定。
两者是一一对应的。
3随机变量的分布函数()F x 与特征函数g(t)是一一对应的且相互唯一确定。
如果X为连续型且特征函数g(t)j绝对可积则有:()()()()()()()()1;2.itx X itx X X X f x e g t dt g t e f x dx g t f x f x g t π∞--∞∞-∞==⎰⎰是的相差一个负号的傅氏变换;是的相差一个负号的傅氏逆变换。
4n 维正态分布:()()()1212,,..,...n n i ijij n nn XN a B X X X a a a a a B b b ⨯==维正态分布:其中 X=为均值,为正定矩阵,为协方差。
第一章:1. 填空若X 1,X 2,…,X n 是相互独立的随机变量,且g i (t)是X i 的特征函数,i=1,2,…,n)则X=X 1+X 2+…X n 的特征函数g(t)= _g 1(t) g 2(t)…g n (t) 2.设P(S)是X 的母函数,试证: (1)若E(X)存在,则EX=P ′(1)(2)若D(X)存在,则 DX = P"(1)+ P ′(1)-[ P ′(1)]2 证明:(1)因为p (s )=sp kk k∑∞=0,则p ′(s )=skpk k k11-∞=∑,令s ↑1,得EX==∑∞=1k kkpp ′(1)。
(2)同理可证DX=p 〞(1)+ p ′(1) —[p ′(1)] 23.设X 服从B(n,p),求X 的特征函数g(t)及EX,EX 2,DX. 解:X 的分布列为P(X=k)=1k k n nC p q -,q=1-p ,k=0,1,2,...n,()00k n n n itk k k n k k it n k it g t e C p q C pe q pe q n nk k ⎛⎫⎛⎫ ⎪ ⎪⎝⎭⎝⎭--===+∑∑== 由性质得()()np itdtdi i EX t n q ep g=-=-==+0,()()()p nq e p dtdg i EX npq iti t n 2222"220+=-===+-()npq DX EX EX=-=224. 设X~N(0,1),求特征函数g(t). 解dx xt g eitx ⎰∞+∞--=2221)(π由于e exx xix itx 2222=-,且〈+∞⎰∞+∞--dx xeitx 2221π,故由积分号下求导公式有⎥⎥⎦⎤⎢⎢⎣⎡-==-∞+∞-∞+∞--⎰⎰de e ixeg x i dx xt ixt itx 22'22221)(ππdx xt xi eeitx itx ⎰⎰∞+∞--∞+∞-∞+∞---=222222ππ)(t tg -=于是得微分方程g ’(t)+tg(t)=0 解得方程的通解为e Ctt g +-=22)(由于g(0)=1,所以C=0, 于是得X 的特征函数为ett g 22)(-=5. 设随机变量Y~N(μ,σ2),求Y 的特征函数是g Y (t). 解:设X~N(0,1),则由例1.3知X 的特征函数ett g 22)(-=令Y=μσ+X ,则Y~N(μ,σ2),由前面的命题知Y 的特征函数是()()eg e g tt t t i Xxi Y222σσμμ-==,6. 设X 1,X 2…X n 是相互独立的随机变量,且X i ~b(n i ,p),i=1,2,…n,则⎥⎦⎤⎢⎣⎡=∑∑==n i i ni i p b Y n X 11,~证 因为X i ~b(n i ,p),所以其特征函数为()(),,...2,1,n i it nt X q e p g ii==+由特征函数的性质知,∑==ni i x Y 1的特征函数为()()()(),111∏++∏==∑====ni ni Yq e p q e p g g it n it nt X t ni iii再有唯一性定理知⎥⎦⎤⎢⎣⎡=∑∑==ni i ni i p b Y n X 11,~7. 设X 1,X 2…X n 是相互独立的随机变量,且(),,...2,1,~n i iiX=λπ则⎪⎭⎫⎝⎛=∑∑==n i i ni i X Y 11~λπ证 因为(),~λπii X 所以其特征函数为()n i e t Xe g itii,...2,1,1==⎪⎭⎫⎝⎛-λ有特征函数的性质知,∑==ni i X Y 1的特征函数为()()e eg g ni iti iti ie e t X t ni n i Y∑====⎪⎭⎫ ⎝⎛-=⎪⎭⎫ ⎝⎛-=∏∏11111λλ 再由唯一性定理知⎪⎭⎫⎝⎛=∑∑==n i i ni i X Y 11~λπ。
第一章:考试范围1.3,1.41、计算指数分布的矩母函数.2、计算标准正态分布)1,0(~N X 的矩母函数.3、计算标准正态分布)1,0(~N X 的特征函数.第二章:1. 随机过程的均值函数、协方差函数与自相关函数2. 宽平稳过程、均值遍历性的定义及定理3. 独立增量过程、平稳增量过程,独立增量是平稳增量的充要条件1、设随机过程()Z t X Yt =+,t -∞<<∞.若已知二维随机变量(,)X Y 的协方差矩阵为2122σρρσ⎡⎤⎢⎥⎣⎦,求()Z t 的协方差函数. 2、设有随机过程{(),}X t t T ∈和常数a ,()()()Y t X t a X t =+-,t T ∈,计算()Y t 的自相关函数(用(,)X R s t 表示).3、设12()cos sin X t Z t Z t λλ=+,其中212,~(0,)Z Z N σ是独立同分布的随机变量,λ为实数,证明()X t 是宽平稳过程.4、设有随机过程()sin cos Z t X t Y t =+,其中X 和Y 是相互独立的随机变量,它们都分别以0.5和0.5的概率取值-1和1,证明()Z t 是宽平稳过程.第三章:1. 泊松过程的定义(定义3.1.2)及相关概率计算2. 与泊松过程相联系的若干分布及其概率计算3. 复合泊松过程和条件泊松过程的定义1、设{(),0}N t t ≥是参数3λ=的Poisson 过程,计算:(1). {(1)3}P N ≤; (2). {(1)1,(3)3}P N N ==; (3). {(1)2(1)1}P N N ≥≥.2、某商场为调查顾客到来的客源情况,考察了男女顾客来商场的人数. 假设男女顾客来商场的人数分别独立地服从每分钟2人与每分钟3人的泊松过程.(1).试求到某时刻t 时到达商场的总人数的分布;(2). 在已知t 时刻有50人到达的条件下,试求其中恰有30位女性的概率,平均有多少个女性顾客?3、某商店顾客的到来服从强度为4人/小时的Poisson 过程,已知商店9:00开门,试求:(1). 在开门半小时中,无顾客到来的概率;(2). 若已知开门半小时中无顾客到来,那么在未来半小时中,仍无顾客到来的概率。
“随机过程”复习指南一、随机过程的基本概念随机过程的基本概念,有限维分布函数,n 维概率密度函数。
随机过程的数字特征:均值函数,方差函数,协方差函数,相关函数。
几种关系:独立,不相关,正交。
几种重要的随机过程的概念:复随机过程,二阶矩过程,正交增量过程,独立增量过程,马尔可夫过程,平稳过程,正态过程。
泊松过程的有关概念:泊松过程的定义,概率分布(泊松分布),泊松过程的数字特征,时间间隔,等待时间。
马尔可夫链有关概念:定义,无后效性,转移概率,齐次马尔可夫链,初始概率,绝对概率,首中概率;状态的周期性,常返性,平均返回时间,可达,互通,基本常返闭集,平稳分布。
平稳随机过程的有关概念:严平稳和宽平稳的定义,联合平稳,时间均值,统计均值,时间相关函数,统计相关函数,各态历经性,自相关函数,功率谱密度,互相关函数,互谱密度。
二、基本原理与方法关于运算符E 的计算方法,随机过程的几个典型的数字特征(均值函数,方差函数,协方差函数,相关函数)的计算、性质以及之间的相互关系。
泊松过程的有关性质,数字特征的计算,时间间隔与等待时间的概率分布,条件概率的计算方法。
马尔可夫链的描述方式(转移概率矩阵、状态转移图),周期的判断,常返性的判断(常返态、非常返态、正常返态、零常返态、遍历态),状态空间的分解方法,平稳分布的求解。
平稳随机过程的有关概念:平稳(包括联合平稳)的判断,各态历经性的判断,自相关(互相关)函数的性质与计算,功率谱密度(互谱密度)的性质与计算。
平稳过程通过线性时不变系统后,输出过程的数字特征、平均功率、功率谱密度等分析与计算,会在简单的电路系统中求输出过程的均值、自相关、功率谱密度、平均功率等。
三、思考题1. 各章布置的作业题和讲授的例题。
2. 设随机过程∞<<∞-Φ+=t t A t X , )cos()(ω,式中A 和ω是常数,Φ是在(0, 2π)上具有均匀分布的随机变量,求该随机过程的均值、方差和相关函数。
随机过程复习资料随机过程是一门研究随机现象随时间演变的学科,在通信、金融、物理、生物等众多领域都有着广泛的应用。
为了帮助大家更好地复习随机过程这门课程,下面将对其重点内容进行梳理。
一、随机过程的基本概念随机过程可以看作是一族随机变量的集合,其中每个随机变量都与一个特定的时间点相对应。
简单来说,随机过程就是描述随机现象在时间轴上的变化规律。
1、随机过程的定义设\(T\)是一个参数集,若对于每个\(t \in T\),都有一个随机变量\(X(t)\)与之对应,则称随机变量族\(\{X(t), t \in T \}\)为随机过程。
2、样本函数和样本空间随机过程的一次实现称为样本函数,所有可能的样本函数构成的集合称为样本空间。
3、随机过程的分类常见的随机过程有离散时间随机过程和连续时间随机过程;根据随机变量的取值,又可分为离散型随机过程和连续型随机过程。
二、随机过程的数字特征数字特征是描述随机过程某些方面特性的重要工具。
1、均值函数均值函数\(m(t) = EX(t)\)表示随机过程在时刻\(t\)的平均取值。
2、方差函数方差函数\(D(t) = VarX(t) = E(X(t) m(t))^2\)描述了随机过程在时刻\(t\)取值相对于均值的分散程度。
3、自相关函数自相关函数\(R(t_1, t_2) = EX(t_1)X(t_2)\)反映了随机过程在不同时刻取值之间的关联程度。
4、自协方差函数自协方差函数\(C(t_1, t_2) = CovX(t_1), X(t_2) = E(X(t_1)m(t_1))(X(t_2) m(t_2))\),它与自相关函数密切相关。
三、几种常见的随机过程1、泊松过程泊松过程是一种常见的计数过程,用于描述在一定时间内随机事件发生的次数。
其特点包括:事件的发生是相互独立的,在短时间内事件发生的概率与时间长度成正比。
2、正态过程正态过程也称为高斯过程,其任意有限多个随机变量的线性组合都服从正态分布。