应用随机过程学习心得Word下载.docx
《应用随机过程学习心得Word下载.docx》由会员分享,可在线阅读,更多相关《应用随机过程学习心得Word下载.docx(7页珍藏版)》请在冰豆网上搜索。
1,n(3)?
(3).p{n
(1)?
2n
(1)?
1}.
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。
4、设有一泊松过程{n(t),t?
0},若有两个时刻s,t,且s?
t,试证明k?
s?
p{n(s)?
kn(t)?
n}?
cn?
k?
1?
n?
k,k?
0,1,,n.
5、设顾客以泊松分布抵达银行,其到达速率为?
.若已知在第一个小时内有两个顾客抵达银行,试计算:
(1).此两个顾客在最初的20分钟内抵达银行的概率;
(2).至少有一个顾客在最初的20分钟内抵达银行
的概率.
第四章:
1.更新过程、更新方程及其解得存在唯一性
2.wald等式
3.更新定理及其在概率计算中的应用
n121、设p{xi?
1}?
p{xi?
2}?
,令Tn?
xi,n?
1.对于更新过程33i?
1
n(t)?
sup{n:
Tn?
t},计算n
(1)和n
(2)的概率分布.
2、某控制器用一节电池供电,设电池寿命xi(i?
1,2,?
)服从(30,60)(单位:
h)内的均匀分布,电池失效时需要去仓库领取,领取新电池的时间Yi(i?
)服从期望为0.5小时的均匀分布.计算长时间工作时控制器更换电池的速率.
3、设有一个单服务员银行,顾客到达可看作速率为20(人/小时)的poisson分布,服务员为每一位顾客服务的时间是随机变量,服从均值为2(分钟/人)的指数分布.顾客到达门口只有在服务员空闲时才准进来.试求:
(1).顾客进银行的速率;
(2).服务员工作的时间所占营业时间的比例.
第五章:
1.markov链的定义,转移概率矩阵,c-K方程
2.状态的周期,常返态、非常返态的定义及判别(定理5.2.3,推论5.3.3,5.3.4)
3.极限定理及平稳分布
1、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,而今天无雨明天有雨的概率为0.4,计算星期一有雨,星期四天仍有雨的概率.
2、设某厂的商品的销售状态(按一个月计)可分为三个状态:
滞销(用1表示)、正常(用2表示)、畅销(用3表示)。
若经过对历史资料的整理分析,其销售状态的变化(从这月到下月)与初始时刻无关,且其状态转移概率为pij(pij表示从销售状态i经过一个月后转为销售状态j的概率),一步转移概率矩阵为:
0?
1/21/2?
1/31/95/9?
?
1/62/31/6?
试对经过长时间后的销售状况进行分析。
3、一质点在1,2,3三个点上作随机游动,1和3是两个反射壁,当质点处于2时,下一时刻处于1,2,3是等可能的。
写出一步转移概率矩阵,判断此链是否具有遍历性,若有,求出极限分布。
4、设有一马尔可夫链,其转移状态有两种:
e1、e2,经计算得一阶转移概率矩阵为
0.79p
(1)?
0.59?
0.21?
,求证该链具有遍历性,并求出极限分布。
0.41?
5、设I?
{1,2,3,4},其一步转移概率矩阵为
1/21/20?
00?
01/32/3?
1/201/20?
0?
试对其状态进行分类,确定哪些状态是常返态,并确定其周期.
6、设齐次markov链的转移概率矩阵为
q?
q
p0q0?
p?
,p?
1,0?
1,
p?
证明:
此markov链有遍历性,并求其平稳分布.
第六章
1.鞅及停时的定义
2.鞅的证明
1、设x1,x2,?
是一族零均值的独立随机变量序列,且e(xi)?
,sn?
x
i?
1i,证明:
sn?
是关于{Fn}的鞅.
2、证明brown运动是鞅.
第七章
1.brown运动的定义及相关概率计算
2.gauss过程及相关概率计算
3.brown的最大值变量及反正弦律
1、设{b(t),t?
0}是标准brown运动,计算p{b
(1)?
0,b
(2)?
0}.
2、设{b(t),t?
0}是标准brown运动,计算b
(1)?
2b
(2)?
3b(3)的分布.
3、设{b(t),t?
0}是标准brown运动,计算p{b(t)dt?
12.
第八章
考试范围:
p157性质8.2.1第二条,伊藤公式
篇二:
应用随机过程
一、随机过程简介
随机过程这一学科最早起源于对物理学的研究,如吉布斯(美国物理化学家、数学物理学家)、玻尔兹曼(奥地利物理学家)、庞加莱(法国数学家)等人对统计力学的研究,及后来爱因斯坦、维纳(wiener,美国数学家,控制论的创始人)、莱维(Levy,法国数学家)等人对布朗运动的开创性工作。
1907年前后,马尔可夫(markov)研究了一系列有特定相依性的随机变量,后人称之为马尔可夫链。
1923年维纳给出布朗运动的数学定义,直到今日这一过程仍是重要的研究课题。
随机过程一般理论的研究通常认为开始于20世纪30年代。
1931年,柯尔莫哥洛夫发表了《概率论的解析方法》,1934年辛饮发表了《平稳过程的相关理论》,这两篇著作奠定了马尔可夫过程与平稳过程的理论基础。
1953年,杜布出版了名著《随机过程论》,系统且严格地叙述了随机过程基本理论。
一般认为,随机过程整个学科的理论基础是由柯尔莫哥洛夫(Kolmogorov)和杜布(Doob)奠定的。
柯尔莫哥洛夫
1903年4月25日,柯尔莫哥洛夫出生于俄罗斯的坦博夫城。
他的父亲在1919年去世。
他的母亲出身于贵族家庭,在他出生后10天去世。
他只好由二位姨妈抚育和指导学习。
他5、6岁时就归纳出了“l=1^2,1+3=2^2,1+3+5=3^2,1+3+5+7=4^2.…”这一数学规律。
14岁时他就开始自学高等数学,1920年他高中毕业,进入莫斯科大学,先学习冶金,后来转学数学,大学三年级时就发表了论文。
1925年大学毕业后,当研究生。
1929年研究生毕业后,担任莫斯科大学数学力学研究所助理研究员。
1935年获得苏联首批博士学位。
1931年起他担任莫斯科大学教授,并指导研究生。
1933年担任莫斯科大学数学力学研究所所长,创建了概率论、数理统计、数理逻辑、概率统计方法等教研室,先后教过数学分析、常微分方程、复变函数论、概率论、数理逻辑和信息论等课程。
1939年当选为原苏联科学院院士、主席团委员和数学研究所所长。
1954年担任莫斯科大学数学力学系主任。
1966年当选为原苏联教育科学院院士。
1987年10月20日在莫斯科逝世,享年84岁。
研究范围
他的研究范围广泛:
基础数学、数理逻辑、实变函数论、微分方程、概率论、数理统计、信息论、泛函分析力学、拓朴学……以及数学在物理、化学、生物、地质、
冶金、结晶学、人工神经网络中的广泛应用。
他创建了一些新的数学分支——信息算法论、概率算法论和语言统计学等。
荣誉奖项
由于他的卓越成就,他在国内外享有极高的声誉。
他是美国、法国、民主德国、荷兰、波兰、芬兰等20多个科学院的外国院士,英国皇家学会外国会员,他是法国巴黎大学,波兰华沙大学等多所大学的名誉博士。
1963年获国际巴尔桑奖,1975年获匈牙利奖章,1976年获美国气象学会奖章、民主德国赫姆霍兹奖章,1980年获世界最著名的沃尔夫奖。
在国内,1941年获国家奖,1951年获苏联科学院车贝雪夫奖,1963年获苏维埃英雄称号,1965年获列宁奖,1940年获劳动红旗勋章,1944—1979年获7枚列宁勋章、金星奖章及“在伟大的爱国战争中英勇劳动”奖章,1983年获十月革命勋章,1986年获苏联科学院罗巴切夫斯基奖。
杜布
杜布是美国数学家,1910年10月27日生于辛辛那提,20XX年6月7日卒于伊利诺伊。
杜布毕业于哈佛大学,1932年获博士学位。
他是美国国家科学院和美国科学艺术研究院院士,伊利诺伊大学教授。
杜布的主要贡献是概率论。
他深入研究了随机过程理论,得出了任意的随机过程都具有可分修正,建立了随机函数理论的公理结构。
他是鞅论的奠基人,虽然莱维等人早在1935年发表了一些孕育着鞅论的工作,1939年莱维引进“鞅”(martingale)这个名称,但对鞅进行系统研究并使之成为随机过程论的一个重要分支的,则应归功于杜布。
他还引进了半鞅的概念。
在鞅论中有以他的姓氏命名的著名的杜布停止定理、杜布──迈耶上鞅分解定理等。
鞅论使随机过程的研究进一步抽象化,不仅丰富了概率论的内容,而且为其它数学分支如调和分析、复变函数、位势理论等提供了有力的工具。
对马尔可夫过程,杜布关于轨道的严密处理进行了系统的研究。
一、随机过程的概念
二、poisson过程?
三、马尔可夫链
主要内容?
四、更新过程?
五、布朗运动?
六、鞅
4课时(1周)12课时(3周)24课时(6周)12课时(3周)12课时(3周)8课时(2周)
主要内容:
poisson过程、马尔可夫链、更新过程、布朗运动
问题:
随机变量的定义?
定义:
设(?
?
p)是概率空间,x是定义在?
上取值于实数集R的函数,如果
R,
{?
:
x(?
)?
x}?
,则称x是?
上的随机变量,简称为随机变量。
函数
称为随机变量x的分布函数。
F(x)?
p{?
x},
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,xn表示第n次登记的数字,得到一个序列x1,x2,·
·
,记为{xn,n=1,2,·
},则xn是随机变量,而{xn,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xn表示第n次统计所得的值,则xn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{xn,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。
设给定参数集合T,若对每个t?
T,x(t)是概率空间(?
p)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。
xt(?
):
e,e称为状态空间,即x(t)的所有可能状态构成的集合。
e为{0,1}例2:
e为[0,10]
e为{0,1,?
2,?
}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。
(3)例1为离散状态离散参数的随机过程,例2为连续状态离散参数的随机过程,例3为离散状态连续参数的随机过程,例4为连续状态连续参数的随机过程。
+
二、有限维分布与Kolmogorov定理
随机过程的一维分布:
F(t,x)?
p{x(t)?
x}随
机
过
程
的
二
维
分
布
:
Ft1,t2(x1,x2)?
p{x(t1)?
x1,x(t2)?
x2},
t1,t2?
T
随机过程的n维分布:
Ft1,t2,?
tn(x1,x2,?
xn)?
x2,?
x(tn)?
xn},t1,t2,?
tn?
1、有限维分布族:
随机过程的所有一维分布,二维分布,…n维分布等的全体
{Ft1,t2,?
xn),
t1,t2,?
T,n?
1}称为{x(t),t?
T}的有限维分布族。
2、有限维分布族的性质:
(1)对称性:
对(1,2,…n)的任一排列(j1,j2,?
jn),有
Ftj
1
,tj
2
,?
tj
n
(xj1,xj2,?
xjn)?
Ft1,t2,?
xn)
(2)相容性:
对于m Ft1,?
tm,tm?
tn(x1,?
xm,?
Ft1,?
tm(x1,?
xm)
3、Kolmogorov定理定理:
设分布函数族{Ft
,t2,?
tn
(x1,x2,?
xn),t1,t2,?
1}满足上述的对称
性和相容性,则必存在一个随机过程{x(t),
t?
T},使
1}恰好是{x(t),t?
设{x(t),t?
T}是一随机过程:
(1)称x(t)的期望?
x(t)?
e[x(t)](如果存在)为过程的均值函数。
(2)如果?
T,e[x(t)]存在,则称随机过程{x(t),t?
T}为二阶矩过程。
此时,称
函数?
(t1,t2)?
e[(x(t1)?
x(t1))(x(t2)?
x(t2))],t1,t2?
T为过程的协方差函数;
称Var[x(t)]?
(t,t)为过程的方差函数;
称Rx(s,t)?
e[x(s)x(t)],s,t?
T为自相关函数。
例:
x0?
tV(a?
b),其中x0和V是相互独立的且均服从n(0,1)分布的随机变量,求?
x(t)和?
(t1,t2)。
三、随机过程的基本类型
独立增量过程:
如果对任意t1,t2,?
tn?
T,t1?
t2?
tn,随机变量x(t2)?
x(t1)?
x(tn)?
x(tn?
1)是相互独立的,则称{x(t),t?
T}是独立增量过程。
平稳增量过程:
如果对任意t1,t2,有x(t1+h)-x(t1)dx(t2+h)-x(t2),则称{x(t),t?
T}是平稳增量过程。
平稳独立增量过程:
兼有独立增量和平稳增量的过程称为平稳独立增量过程,例如poisson过程和brownianmotion
poisson过程2.1poisson过程
1.计数过程
随机过程{n(t),
如果n(t)表示从0到t时刻某一特定事件At?
0}称为计数过程,
发生的次数,它具备以下两个特点:
(1)n(t)?
0且取值为整数;
(2)s?
t时,n(s)?
n(t)且n(t)?
n(s)表示(s,t]时间内事件A发生的次数。
2.poisson过程
定义2.1.1:
计数过程{n(t),
(1)n(0)?
0;
(2)过程具有独立增量性;
(3)在任一长度为t的时间区间中事件发生的次数服从均值为?
t的poisson分布,即对一
0}称为参数为?
(?
0)的poisson过程,如果
篇三:
《应用随机过程》第三章习题总结
3.正态过程的可加性;
9.维纳过程的平移不变性;
15.泊松过程的可加性;
泊松过程与复合泊松过程;
16.泊松过程的两个二项分布;
19.23.泊松过程的分解;
21.一些正态过程的性质,p45例题14;
方法:
8,
10,
13,14,
19,
21,
3,4,5,6维纳过程的几个不变性;
对于齐次poisson过程,有
即在n?
1的条件下,?
1为?
0,t?
上的均匀分布。
更一般的,有如下定理,st
定理:
设?
t?
为强度?
的齐次poisson过程,在n?
n的条件下,n个到达时刻?
n和n个相互独立同?
上均匀分布的随机变量u1,u2,?
un的顺序统计量u?
u?
有相同分布。
即在n?
n的条件下,?
1,?
的联合概率密度为:
n!
u1?
u2?
un?
tf?
u1,u2,?
un?
其他?
19
20