什么是随机现象？
在发生之前只能知道该现象各种可能的发生结果但无法准确预知哪一个结果将发生
随机现象产生的原因是什么？
客观物质间相互作用的多样性和复杂性；认识主体认识能力的有限性
数学模型：描述客观事物量的之间关系的数学关系式
系统：我们将导致一个现象发生的所有因素及其相互作用机制定义为一个系统
系统的输出：某种试验或观察的结果。
试验：让上述系统产生一次输出的过程
样本空间：试验的所有可能结果组成的集合称为样本空间
样本点：样本空间中一个元素
确知系统：当观察者能清晰地认知系统的所有要素和作用机制，并且可以根据所知准确预测某次试验的输出，则这个系统被称为确知系统。
随机系统：否则当观察者对组成系统的所有要素和作用机制不能完全认知，在试验之前只知道该系统的样本空间，而无法根据所知预测该次试验将输出样本空间中的哪一个样本，这个系统就被称为随机系统。
比较：确知系统可以“从因推果”，随机系统则不可以
随机试验（观察）：使得随机系统产生一次输出的活动。
随机试验的特点:
1 可在相同条件下重复地进行。
2 试验的可能的结果不止一个, 并且能事先明确所有可能的结果.
3 进行一次试验之前不能确定哪一个结果会出现.
建立随机现象数学模型的基本思路：
不考虑输出某个结果的原因
用数或者函数表示输出结果
对输出结果的可能性进行先验量化
所谓样本的频率就是在若干次试验中，某个样本出现的次数占试验总次数的比例。
频率稳定性是指当试验的次数增加时，样本的频率总是在一个常数左右微小波动。
事件：样本空间的子集，也即由若干个样本点组成的集合
事件：样本空间中满足一定条件的全体元素构成子集，“一定条件”有事件的意义，因此称样本空间的子集为事件。
不可能事件
必然事件
基本事件：可数和不可数
实际上概率集函数的含义就是某个事件的概率
概率集函数的确定：先定义所有基本事件的概率，然后再利用下面两个性质定义其他事件的概率
任何事件都可以表示为若干个互斥基本事件的并
概率的可数可加性公理
概率空间由三个要素组成：样本空间、Borel事件集A、概率集函数, 记为(S, A, P)
从直观上讲,n个事件相互独立就是其中任何一个事件出现的概率不受其余一个或几个事件出现与否的影响. P(A1A2)=P(A2)P(A2)
互斥事件不一定独立，独立事件不一定互斥。
独立表示没有关系，而互斥是一种对立关系，即A 发生则B 不能发生，A 对B是有影响的，反之亦然。所以互斥事件一定不独立。独立事件一定不互斥。
全概率公式
贝叶斯公式
简单地说,随机变量、随机向量、随机过程就是个数上有不同：一个、n个、无穷个。考察一次试验，
若试验结果只需要一个数（变量）就可以表示，则随机对象是随机变量；
若试验结果需要n个数表示，则随机对象是随机向量；
若试验结果需要无穷个数表示，则随机对象是随机过程。
随机变量的两要素：变量特征；概率特征（统计特征）
是否每一个随机过程都存在一阶矩函数和二阶矩函数呢？
回答是否定的。
譬如，如果某随机过程的一阶概率密度函数是Cauchy分布，由于Cauchy分布不存在均值和方差，所以该随机过程也不存在均值函数和自协方差函数
如二维随机过程(X(t),Y(t))对任意的t1,t2属于T有CXY(t1,t2)=0则称随机过程X(t)和Y(t)是不相关的.
两个随机过程如果是相互独立的, 且它们的二阶矩存在, 则它们必然不相关. 反之, 从不相关一般并不能推断出它们是相互独立的.
对于正态过程，宽平稳过程一定是严平稳过程；严平稳过程也一定是宽平稳过程。
有限个独立的正态分布的线性函数仍服从正态分布.
正态向量的线性变换仍然是正态向量
正态过程的任意维分布族完全由一维，二维分布族决定。
X(t)是正态过程<—>对任意k，任意t1,t2,...t k,的任意线性组合Y=a1X(t1)+a2X(t2)+....+a k X(t k)是一维正态变量。
等效事件等概率原则。
Markov链只是一类特殊的随机过程而已
由于独立同分布序列的和过程、Poisson过程和Wiener过程都是独立增量过程，所以它们都是Markov过程。
泊松过程是时间连续状态离散的马氏过程
维纳过程是时间状态都连续的马氏过程。
Markov 过程完全由其一阶密度和转移密度决定。
只要知道状态转移率图，（即出生率，死亡率，P(0)），也就知道连续时间Markov链的完全信息。
从状态i出发的出生率、死亡率下标都是i。λ为出生率μ为死亡率
排队系统要素：
顾客的到达规律
排队规则
服务时间
服务系统结构
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．
1、设随机过程C t R t X +?=)(，),0(∞∈t ，C 为常数，R 服从]1,0[区间上的均匀分 布。 （1）求)(t X 的一维概率密度和一维分布函数； （2）求)(t X 的均值函数、相关函数和协方差函数。 2、设{ }∞<<∞-t t W ),(是参数为2 σ的维纳过程，)4,1(~N R 是正态分布随机变量； 且对任意的∞<<∞-t ，)(t W 与R 均独立。令R t W t X +=)()(，求随机过程 {}∞<<∞-t t X ),(的均值函数、相关函数和协方差函数。 3、设到达某商场的顾客人数是一个泊松过程，平均每小时有180人，即180=λ；且每个 顾客的消费额是服从参数为s 的指数分布。求一天内（8个小时）商场营业额的数学期望与方差。 4、设马尔可夫链的转移概率矩阵为： （1）求两步转移概率矩阵) 2(P 及当初始分布为 时，经两步转移后处于状态2的概率。 （2）求马尔可夫链的平稳分布。 5设马尔可夫链的状态空间}5,4,3,2,1{=I ，转移概率矩阵为： 求状态的分类、各常返闭集的平稳分布及各状态的平均返回时间。 6、设{}(),0N t t ≥是参数为λ的泊松过程，计算[]()()E N t N t s +。 7、考虑一个从底层启动上升的电梯。以i N 记在i 第层进入电梯的人数。假定i N 相互独立，且i N 是均值为i λ的泊松变量。在第i 层进入的各个人相互独立地以概率ij p 在第j 层离开电梯， 1ij j i p >=∑。令j O ＝在第j 层离开电梯的人数。
（1）计算()j E O （2）j O 的分布是什么 （3）j O 与k O 的联合分布是什么 8、一质点在1，2，3点上作随机游动。若在时刻t 质点位于这三个点之一，则在) ,[h t t +内，它都以概率 )(h o h +分别转移到其它两点之一。试求质点随机游动的柯尔莫哥洛夫微分方程，转移概率)(t p j i 及平稳分布。 1有随机过程{?(t )，-? > 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 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。 第二章随机过程的基本概念 §1随机过程及其概率分布 、随机过程概念： 一、随机过程概念： 初等概率论所研究的随机现象，基本上可以用随机变量或随机向量来描述.但在实际中有些随机现象要涉及(可列或非可列)无穷多个随机变量. 例1．某人扔一枚硬币，无限制的重复地扔下去，要表示无限多次扔的结果，我们不妨记正面为1，反面为0.第次扔的结果是一个，其分布，无限多次扔n n r vX ?{}{}1012n n P X P X ====，无限制的重复地扔，要表示无限多次扔的结果，我们不妨反面为其分布无限多次扔的结果是一个随机过程，可用一族相互独 立，，或表示.r v ?1X ，2X {},1n X n ≥ n n X 0n n 0 1 2 3 4 5 6 7 8 910 …… 例2．当固定时，电话交换站在时间内来到的呼叫次数是，记， ，其中是单位时间内平均来到的呼叫次数，而，若从变到，时刻来到的呼叫次数需用一族随机变量表 它为非降的阶，在有呼唤来到的时刻阶跃地增加，假定在任一呼唤来到的时刻不可能来到多）(0)t t ≥[0,] t r v ?()X t ()()X t P t λ λ0λ>t 0∞t {}(),[0,)X t t ∈∞()X t ，电话交换站在记，若时刻示， 是一个随机过程. 对电话交换站作一次观察可得到一条表示以前来到的呼唤曲线，它为非降的阶梯曲线，在有呼唤来到的时刻阶跃地增加，（假定在任一呼唤来到的时刻不可能来到多于一次呼唤）. E t 1()x t 同理，第二次观察，得到另一条阶梯形曲线； 同理，第n 次观察，得到另一条阶梯形曲线. 2()x t ()n x t ，第二次观察，得到另一条阶梯形曲，第，得到另一条阶梯形曲 总之，一次试验得到阶梯形曲线形状具有随机性 1、设随机过程C t R t X +?=)(,),0(∞∈t ,C 为常数,R 服从]1,0[区间上的均匀分布。 (1)求)(t X 的一维概率密度与一维分布函数; (2)求)(t X 的均值函数、相关函数与协方差函数。 2、设{ }∞<<∞-t t W ),(就是参数为2 σ的维纳过程,)4,1(~N R 就是正态分布随机变量; 且对任意的∞<<∞-t ,)(t W 与R 均独立。令R t W t X +=)()(,求随机过程 {}∞<<∞-t t X ),(的均值函数、相关函数与协方差函数。 3、设到达某商场的顾客人数就是一个泊松过程,平均每小时有180人,即180=λ;且每个 顾客的消费额就是服从参数为s 的指数分布。求一天内(8个小时)商场营业额的数学期望与方差。 4、设马尔可夫链的转移概率矩阵为: ??? ? ? ??=3.007.08.02.0007.03.0P (1)求两步转移概率矩阵) 2(P 及当初始分布为 0}3{}2{, 1}1{000======X P X P X P 时,经两步转移后处于状态2的概率。 (2)求马尔可夫链的平稳分布。 5设马尔可夫链的状态空间}5,4,3,2,1{=I ,转移概率矩阵为: ??? ??? ? ? ??=010007.03.0000 0001 00004.06.0003.04 .03.0P 求状态的分类、各常返闭集的平稳分布及各状态的平均返回时间。 6、设{}(),0N t t ≥就是参数为λ的泊松过程,计算[]()()E N t N t s +。 7、考虑一个从底层启动上升的电梯。以i N 记在i 第层进入电梯的人数。假定i N 相互独立,且i N 就是均值为i λ的泊松变量。在第i 层进入的各个人相互独立地以概率ij p 在第j 层离开电梯, 1ij j i p >=∑。令j O ＝在第j 层离开电梯的人数。 (1)计算()j E O (2)j O 的分布就是什么 (3)j O 与k O 的联合分布就是什么 8、一质点在1,2,3点上作随机游动。若在时刻t 质点位于这三个点之一,则在),[h t t +内,它都 以概率 )(h o h +分别转移到其它两点之一。试求质点随机游动的柯尔莫哥洛夫微分方程,转移概率)(t p j i 及平稳分布。 1有随机过程{ξ(t ),-∞ 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 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 什么是随机现象？ 在发生之前只能知道该现象各种可能的发生结果但无法准确预知哪一个结果将发生 随机现象产生的原因是什么？ 客观物质间相互作用的多样性和复杂性；认识主体认识能力的有限性 数学模型：描述客观事物量的之间关系的数学关系式 系统：我们将导致一个现象发生的所有因素及其相互作用机制定义为一个系统 系统的输出：某种试验或观察的结果。 试验：让上述系统产生一次输出的过程 样本空间：试验的所有可能结果组成的集合称为样本空间 样本点：样本空间中一个元素 确知系统：当观察者能清晰地认知系统的所有要素和作用机制，并且可以根据所知准确预测某次试验的输出，则这个系统被称为确知系统。 随机系统：否则当观察者对组成系统的所有要素和作用机制不能完全认知，在试验之前只知道该系统的样本空间，而无法根据所知预测该次试验将输出样本空间中的哪一个样本，这个系统就被称为随机系统。 比较：确知系统可以“从因推果”，随机系统则不可以 随机试验（观察）：使得随机系统产生一次输出的活动。 随机试验的特点: 1 可在相同条件下重复地进行。 2 试验的可能的结果不止一个, 并且能事先明确所有可能的结果. 3 进行一次试验之前不能确定哪一个结果会出现. 建立随机现象数学模型的基本思路： 不考虑输出某个结果的原因 用数或者函数表示输出结果 对输出结果的可能性进行先验量化 所谓样本的频率就是在若干次试验中，某个样本出现的次数占试验总次数的比例。 频率稳定性是指当试验的次数增加时，样本的频率总是在一个常数左右微小波动。 事件：样本空间的子集，也即由若干个样本点组成的集合 事件：样本空间中满足一定条件的全体元素构成子集，“一定条件”有事件的意义，因此称样本空间的子集为事件。 不可能事件 必然事件 基本事件：可数和不可数 实际上概率集函数的含义就是某个事件的概率 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 X ，分布函数 F (x) P(X x) 1．随机变量 离散型随机变量 X 的概率分布用分布列 p P(X x k ) F(x) p k f (t)dt 分布函数 k x X 的概率分布用概率密度 f (x) F(x) 分布函数 连续型随机变量 2．n 维随机变量 X (X ,X , , X ) 1 2 n F(x) F(x ,x , ,x ) P(X x , X 2 x , , X n x n ,) 其联合分布函数 1 2 n 1 1 2 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 p k k X EX xf (x)dx 连续型随机变量 2 DX E(X EX) 2 EX (EX) 2 方差： 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 E[( X EX)(Y EY)] E(XY) EX EY XY B XY 相关系数（两个随机变量 X,Y ）： 0，则称 X ,Y 不相关。 若 XY DX DY 独立 不相关 itX g(t) E(e ) itx e p k 连续 g(t) k e itx f (x)dx ４．特征函数 离散 g(t) 重要性质： g(0) 1， g(t) 1 g( t) g(t) ， ， g (0) i EX k k k 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 P( X 1) p,P( X 0) q EX p DX pq P(X k) C p q n k k k EX np DX n p q n k 泊松分布 P( X k) e k! EX DX 均匀分布略 ( x a)2 1 2 N(a, ) f (x) 2 2 2 EX a 正态分布 e DX 2 第一章： 考试范围1.3,1.4 1、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； H a r b i n I n s t i t u t e o f T e c h n o l o g y 课程设计（论文） 课程名称：应用随机过程 设计题目：随机过程简史 院系：电气工程学院 班级： 11S0104 设计者：孙延博 学号： 11S001070 指导教师：田波平 设计时间： 2011-10-23 随机过程简史 摘要 本文简要地介绍了随机过程从20世纪初创立至今，100年的发展历程考察了导致随机过程产生的历史契机，以及早期数学家在这方面作出的杰出工作。并简要介绍了随机过程的概念，研究方法 和研究内容，在现代工程技术领域的应用。 关键词：随机过程平稳随机过程平稳随机序列 1.随机过程的概念研究方法及研究内容 随机过程是现代概率论研究的一个重要分支。数学上的随机过程是由实际随机过程概念引起的一种数学结构。人们研究这种过程，是因为它是实际随机过程的数学模型，或者是因为它的内在数学意义以及它在概率论领域之外的应用。数学上的随机过程可以简单的定义为一组随机变量，即指定一参数集，对于其中每一参数点t指定一个随机变量x(t)。如果回忆起随机变量自身就是一个函数，以ω表示随机变量x(t)的定义域中的一点，并以x(t，ω)表示随机变量在ω的值，则随机过程就由刚才定义的点偶(t，ω)的函数以及概率的分配完全确定。如果固定t，这个二元函数就定义一个ω的函数，即以x(t)表示的随机变量。如果固定ω，这个二元函数就定义一个t的函数，这是过程的样本函数。由于物理学生物学，通讯和控制管理科学等学科的需要随机过程逐步发展起来的。马尔柯夫最早研究了随机过程。研究随机过程的方法多种多样，主要可以分为两大类：一类是概率方法，其中用到轨道性质、停时和随机微分方程等；另一类是分析的方法，其中用到测度轮、微分方程、半群理论、函数堆和希尔伯特空间等。实际研究中常常两种方法并用。另外组合方法和代数方法在某些特殊随机过程的研究中也有一定作用。研究的主要内容有：多指标随机过程、无穷质点与马尔可夫过程、概率与位势及各种特殊过程的专题讨论等。中国学者在平稳过程、马尔科夫过程、鞅论、极限定理、随机微分方程等方面做出了较好的工作。 2.随机过程的历史 1900年，Bachelier在分析股票市场波动时．发现了随机过程的一个重过程——独立增量过程的特恻。1905年，物理学家Einstein在研究Brown运动时，也遇到了相同的过程．1923年，Wiener 给出了Brown运动的数学描述- wiener过程。 Lunbderg在1903年研究一个保险公司所承担索赔累计数的变化规律时．导出了另一类型的随机过程——Lundberg过程。而众所周知、应用甚广的Poisson过程是当所有得付出的索赔总数中每一笔数目都相同时的Lundberg过程。 1909年，Erlang在研究电话业务时引入了Poisson过程，并被物理学家Rutherford和Geiger用于分析放射性蜕变。这些早期对随机过程的研究都是同实际问题紧密联系在一起的。虽然在数学上用了不太严密的方法，却表现出了直观处理这些概念和方法的绝妙能力。 应用随机过程学习汇总 ————————————————————————————————作者：————————————————————————————————日期： 应用随机过程学习总结 一、预备知识：概率论 随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。 1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。 本帖隐藏的内容 2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。 3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。 二、随机过程基本概念和类型 随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。 1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数 r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差 t-s有关，r(t) = r(-t)记为宽平稳随机过程。 因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。 2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。 兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。 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 ?=。 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 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 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(=0)=，P(θ=/2)= 试求E[X(t)]和 X R(0,1)。 解：E[X(t)]=P(=0)2+P(=/2) cos tω 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。 22 2cos(2)j t j t e e ππ πτ- ==+ 2222 ()()() (1)(1) j f j t j t j f X P f R e d e e e d f f πτπππτ τττ δδ ∞-∞-- -∞-∞ ==+ =-++ ?? 习题设有一信号可表示为： 4exp() ,t0 (){ 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) 00 4 ()()44 1 j t t j t j t X x t e dt e e dt e dt j ωωω ω ω +∞-+∞--+∞-+ -∞ ==== + ??? 则能量谱密度G(f)== 2 22 416 114 j f ωπ = ++ Error! Digit expected. 习题X(t)=，它是一个随机过程，其中 1 x和 2 x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。试求： (1)E[X(t)]，E[]；(2)X(t)的概率分布密度；(3) 12 (,) X R t t 解：(1)() [][]() []0 2 sin 2 cos 2 sin 2 cos 2 1 2 1 = ? - ? = - =x E t x E t t x t x E t X Eπ π π π () X P f因为 2 1 x x和相互独立，所以[][][]2 1 2 1 x E x E x x E? =。 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)()(x X P x F ≤= 离散型随机变量X 的概率分布用分布列 )(k k x X P p == 分布函数∑=k p x F )( 连续型随机变量X 的概率分布用概率密度)(x f 分布函数? ∞ -=x dt t f x F )()( 2．n 维随机变量),,,(21n X X X X Λ= 其联合分布函数),,,,(),,,()(221121n n n x X x X x X P x x x F x F ≤≤≤==ΛΛ 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 ∑= k k p x EX 连续型随机变量X ?∞ ∞-=dx x xf EX )( 方差：2 2 2 )()(EX EX EX X E DX -=-= 反映随机变量取值的离散程度 协方差（两个随机变量Y X ,）：EY EX XY E EY Y EX X E B XY ?-=--=)()])([( 相关系数（两个随机变量Y X ,）：DY DX B XY XY ?= ρ 若0=ρ，则称Y X ,不相关。 独立?不相关?0=ρ ４．特征函数)()(itX e E t g = 离散 ∑=k itx p e t g k )( 连续 ?∞ ∞ -=dx x f e t g itx )()( 重要性质：1)0(=g ，1)(≤t g ，)()(t g t g =-，k k k EX i g =)0( ５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 q X P p X P ====)0(,)1( p EX = pq DX = 二项分布 k n k k n q p C k X P -==)( np EX = npq DX = 泊松分布 ! )(k e k X P k λλ -== λ=EX λ=DX 均匀分布略 正态分布),(2 σa N 2 22)(21)(σσ πa x e x f -- = a EX = 2 σ=DX通信原理教程+樊昌信+习题答案第二章
随机过程知识点汇总
第二章随机过程的基本概念
随机过程考试真题
最新第1章 随机过程的基本概念习题答案
通信原理教程+樊昌信+习题答案第二章Word版
随机过程概念整理
(完整版)随机过程知识点汇总
随机过程知识点总结
随机过程简史
应用随机过程学习汇总
通信原理教程+樊昌信+习题答案第二章
随机过程知识点汇总
时间序列分析教程汇总
通信原理教程樊昌信习题答案第二章
随机过程知识点汇总
相关主题
文本预览