6.1 6.2 6.3 6.4设有n 维随机矢量)(21n ξξξξτ =服从正态分布，各分量的均值为 n i a E i ,,2,1, ==ξ，其协方差矩阵为 ????? ? ??? ? ?=22 2 2 2 2 2000000σσσσσσσ a a a B 试求其特征函数。 解：n 元正态分布的特征函数为 }2 1 e x p {),,,(21][Bt t t j t t t n '-'=μφξ n i a E i ,,2,1, ==ξ ),,,(21n t t t t =' ，则 ∑== 'n i i jat t j 1 μ ()()),,,(2 1 2 23222 2212 1' ++='n n t t t t t a t t a t t Bt t σσσσσσ =22223232222221221σσσσσσn t t a t t t a t t t ++++++ =∑∑ -=+=+ 1 1 2112 2n i i i n i i a t t t σσ
∴]21exp[)]21(exp[),,,(1 1 211 2221][∑ ∑ -=+=- -=n i i i n i i i n a t t t jat t t t σσφξ 6.5. 设n 维正态分布随机矢量)(21n T ξξξξ =各分量的均值为i E i =ξ， n i ,3,2,1=，各分量间的协方差为 n i m i m n b i m ,3,2,1,|,|,=--= 设有随机变量∑==n i i 1 ξη，求η的特征函数。 解：易得：???? ? ???????=n ξξξη 21]111[ 2 ) 1(][][1 1 += ==∑∑==n n i E E n i n i i ξη 协方差矩阵为： ??????? ??? ? ?? ???------=n n n n n n n n n n 321 312211121B 所以 ]111[]111['??= B ηD =2 2 3n n + 由于高斯分布的随机变量的线形组合依旧是高斯分布的，所以η的特征函数为： ?? ? ???????++-+=2456822)1(exp )(t n n n t n n j t ηΦ 6.6 设有三维正态分布随机矢量)(321ξξξξ=T ，其各分量的均值为零，即0][=i E ξ )3,2,1(=i ，其协方差矩阵为 ???? ? ??=333231232221131211b b b b b b b b b B
《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 ，? ?????<≤=234 1x 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 ，81)(=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？
《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
概率统计与随机过程 课程编号：H0600071S学分： 4 开课学院：理学院课内学时：64 课程类别：学科基础课课程性质：必修 一、课程的性质和目的 课程性质：本课程是我校有关专业的学科基础课 目的：通过本课程的学习，使学生系统地掌握概率论、数理统计和随机过程的基本理论和基本方法，为后续各专业基础课和专业课的学习提供必要的数学理论基础。另外，通过本课程的系统教学，特别是讲授如何提出新问题、思考分析问题，培养学生的抽象思维能力、逻辑推理能力以及解决实际问题的能力，从而逐步培养学生的创新思维能力和创新精神。 二、课程教学内容及基本要求 （一）课程教学内容及知识模块顺序 第一章概率论的基本概念 8学时 （1）随机试验 （2）样本空间、随机事件 （3）频率与概率 （4）等可能概型（古典概型） （5）条件概率 （6）独立性 教学基本要求： 了解随机现象与随机试验，了解样本空间的概念，理解随机事件的概念，熟练掌握事件之间的关系与运算。了解事件频率的概念，理解概率的统计定义。了解概率的古典定义，会计算简单的古典概率。了解概率的公理化定义，熟练掌握概率的基本性质，会运用这些性质进行概率计算。理解条件概率的概念、概率的乘法定理与全概率公式，会应用贝叶斯(Bayes)公式解决比较简单的问题。理解事件的独立性概念。理解伯努利(Bernoulli)概型和二项概率的计算方法。 第二章随机变量及其分布 6 学时 （1）随机变量 （2）离散型随机变量及其分布律 （3）随机变量的分布函数 （4）连续型随机变量及其概率密度 （5）随机变量的函数的分布 教学基本要求： 理解随机变量的概念，了解分布函数的概念和性质，会计算与随机变量相联系的事件的概率。理解离散型随机变量及其分布律的概念，熟练掌握0-1分布、二项分布和泊松(Poisson)分布。理解连续型随机变量及其概率密度的概念，熟练掌握正态分布、均匀分布和指数分布。会根据自变量的概率分布求简单随机变量函数的概率分布。
北京工业大学2007-2008学年第一学期期末 数理统计与随机过程(研) 课程试题 学号 姓名 成绩 注意：试卷共七道大题，请将答案写在答题本上并写明题号与详细解题过程。 考试时间120分钟。考试日期：2008年1月10日 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 问：该日生产的零件的平均重量是否正常（取显著性水平050.=α）？ 二、 （15分）在数 14159263.=π的前800位小数中, 数字93210,,,,, 各出现的次数记录如下 检验这10个数字的出现是否是等概率的?（取显著性水平050.=α） 三、（15分）下表给出了在悬挂不同重量（单位：克）时弹簧的长度（单位：厘米） 求y 关于x 的一元线性回归方程，并进行显著性检验. 取显著性水平050.=α， 计算结果保留三位小数. 四、（15分）三个工厂生产某种型号的产品，为评比质量，分别从各厂生产的产品中随机抽取5只作为样品，测得其寿命（小时）如下：
在单因素试验方差分析模型下，检验各厂生产的产品的平均寿命有无显著差异？取显著性水平050.=α, 计算结果保留三位小数. 五、（15分）设}),({0≥t t N 是强度为3的泊松过程， 求（1）})(,)(,)({654321===N N N P ； （2）})(|)({4365==N N P ； （3）求协方差函数),(t s C N ，写出推导过程。 六、（15分）设{,}n X n T ∈是一个齐次马尔可夫链，其状态空间{0,1,2}I =，一步 转移概率矩阵为 121414201335250P ?? ? = ? ??? （1）求}|,,,,{202021054321======X X X X X X P ； （2）求}|{122==+n n X X P ； （3）证明此链具有遍历性（不必求其极限分布）。 七、（15分）设有随机过程 )sin()cos()(t B t A t X ππ+=，其中A 与B 相 互独立且都是均值为零，方差为2σ的正态随机变量， （1）分别求)(1X 和)(4 1 X 的一维概率密度； （2）问)(t X 是否是平稳随机过程？ 标准答案（仅供参考） 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 如果标准差不变，该日生产的零件的平均重量是否有显著差异（取05.0=α）？ 解：按题意，要检验的假设是 54:0=μH ，因2σ未知，故用-t 检验法，由05.0=α，查t 分布表得临界 值2622290250.)(.=t ，由样本值算得 382514654.,.==t x
大学2015～2016学年秋季学期本科生 课程自学报告 课程名称：《概率论与随机过程》 课程编号：07275061 报告题目：大数定律和中心极限定理在彩票选号的应用学生： 学号： 任课教师： 成绩： 评阅日期：
随机序列在通信加密的应用 2015年10月10日 摘 要：大数定律与中心极限定理是概率论中很重要的定理，较多文献给出了不同条件下存在的大数定律和中心极限订婚礼，并利用大数定律与中心极限定理得到较多模型的收敛性。但对于他们的适用围以及在实际生活中的应用涉及较少。本文通过介绍大数定律与中心极限定理，给出了其在彩票选号方面的应用，使得数学理论与实际相结合，能够让读者对大数定律与中心极限定理在实际生活中的应用价值有更深刻的理解。 1. 引言 在大数定律与中心极限定理是概率论中很重要的定理，起源于十七世纪，发展到现在，已经深入到了社会和科学的许多领域。从十七世纪到现在，很多国家对这两个公式有了多方面的研究。长期以来，在大批概率论统计工作者的不懈努力下，概率统计的理论更加完善，应用更加广泛，如其在金融保险业的应用，在现代数学中占有重要的地位。 本文主要通过对大数定律与中心极限定理的分析理解，研究探讨了其在彩票选号中的应用，并给出了案例分析，目的旨在给出大数定律与中心极限定理应用对实际生活的影响，也对大数定律与中心极限定理产生更深刻的理解。 2. 自学容小结与分析 2.1 随机变量的特征函数 在对随机变量的分析过程中，单单由数字特征无法确定其分布函数，所以引入特征函数。特征函数反映随机变量的本质特征，可唯一的确定随机变量的分布函数、随机变量X 的特征函数定义为： 定义1 ][)()(juX jux e E dx e x p ju C ==? +∞ ∞ - (1) 性质1 两两相互独立的随机变量之和的特征函数等于各个随机变量的特征函数之积。 性质1意味着在傅立叶变换之后，时域的卷积变成频域的相乘，这是求卷积的简便方法。类比可知求独立随机变量之和的分布的卷积，可化为乘法运算，这样就简便了计算，提高了运算效率。 性质2 求矩公式：0)(|) ()(][=-=u n u x n n n du C d j X E (2) 性质3 级数展开式：!)(][!|)()()(0 00n ju X E n u du u C d u C n n n n n n n n X ∑∑∞ ==∞ === (3) 2.2 大数定律与中心极限定理 定义2 大数定律：设随机变量相互独立，且具有相同的μ=)(k X E 和,...2,1,)(2 ==k X D k σ, 则0∈>?,有
北京工业大学2009-20010学年第一学期期末数理统计与随机过程(研) 课程试卷一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平）？050.=α解：这是单个正态总体),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0μ-=已知80=x ，8=s ，n ＝28，850=μ，计算得n s x T /0μ-=31.328/88580=-=查t 分布表，05.0=α，自由度27，临界值.052.2)27(025.0=t 由于，故拒绝0H ，即在显著水平05.0=α下不能认为该班的英语 052.2>T 2622.2>成绩为85分.二、某图书馆每分钟借出的图书数有如下记录:借出图书数 k 0 1 2 3 4 5 6≥7频数 f 8 16 17 10 6 2 1 0试检验每分钟内借出的图书数是否服从泊松分布? （取显著性水平） 050.=α解：由极大似然估计得.2?==x λ在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。则有估计 }{k X P ==i p ? ,7,0,!2}{?2===-k k e k X P k =0?p 三、某公司在为期10年内的年利润表如下： 年份 1 2 3 4 5 6 7 8910利润 1.89 2.19 2.06 2.31 2.26 2.39 2.61 2.58 2.82 2.9 通过管线敷设技术，不仅可以解决有设备高中资料试卷相互作用与相互关系，根据生产工艺高中资料试卷要求，对电力保护装置调试技术，电力保护高中资料试卷配置技术是指机
第三章 习 题 1．甲乙两人进行某种比赛，设每局比赛中甲胜的概率为p ，乙胜的概率为q ，平局的概率 为r ，其中,,0,1p q r p q r ≤++=，设每局比赛后，胜者得1分，负者得1-分，平局不记分，当两个人中有一个人得到2分时比赛结束，以n X 表示比赛至第n 局时甲获得的分数，则{,1}n X n ≥是一齐冯马尔可夫链. （1）写出状态空间； （2）求一步转移概率矩阵； （3）求在甲获得1分的情况下，再赛2局甲胜的概率. 解（1）{,0}n X n ≥的状态空间为 {2,1,0,1,2}S =-- （2）{,0}n X n ≥的一步转移概率矩阵为 10000000 0000 1q r p q r p q r p ????????=???????? P （3）因为两步转移概率矩阵为 22 (2) 2222 2 2 1 0000 20222020 000 1q rq r pq pr p q rq r pq pr p q qr pq r p pr ????++????==+??++??????P P 所以在甲获得1分的情况下，再赛2局甲胜的概率为 (2) 12(1)p p pr p r =+=+ 2．设{,1,2,}i Y i = 为相互独立的随机变量序列，则 （1）{,1,2,}i Y i = 是否为Markov 链？ （2）令1 n n i i X Y == ∑，问{,1,2,}i X i = 是否为Markov 链？ 解（1）由于
11221112211122111221111221(,,,,) (,,,)(,,,) ()()()() ()() (,,,) n n n n n n n n n n n P Y i Y i Y i Y j P Y j Y i Y i Y i P Y i Y i Y i P Y i P Y i P Y i P Y j P Y j P Y j Y i P Y i Y i Y i ------================= ======== 因此，{,1,2,}n Y n = 是马尔可夫链. （2）取1111()f U X U ==，当11U i =时，212X U U =+是2U 的函数，记为22().f U 依次类推，1121n n X U U U --=+++ 为1n U -的函数，记为1112(),n n n n f U X U U U --=+++ 为n U 的函数，记为().n n f U 由于12,,,,n U U U 相互独立，则其相应的函数 1122(),(),,(),n n f U f U f U 也相互独立，从而 122111221111112211 (,,,)(,,,) (,,,)()() n n n i n i n n n n n n P X j X i X i X i P Y j X i X i X i P X Y j X i X i X i P Y j i P X j X i --=---==========+======-===∑ 因此{,1,2,}n X n = 是马尔可夫链. 3 设,1,2,i X i = 是相互独立的随机变量，且使得(),0,1,i j P X j a j === ，如果max{,1,2,,1}n i X X i n >=- ， 其中0X =-∞，就称在时刻n 产生了一个记录.若在时刻n 产生了一个记录，就称n X 为记录值，以n R 表示第n 个记录值. （1）证明，{,1,2,}n R n = 是Markov 链，并求其转移概率； （2）以i T 表示第i 个与第1i +记录之间的时间，问{,1,2,}n T n = 是否是Markov 链，若是，则计算其转移概率. 证明：（a ）根据题意有：k n k n n X R X R X R ===,....,2121，……满足 ........21k n n n X X X << 且........121k n n n <<< 故},...,|{11111i R i R i R z R P k k k k k ====--+}...|{111i i i j z R P k k k >>>>==-+ }|{1k k i j z R P >==+}|{1k k k i R z R P ===+ 故}1,{≥i R i 是一个马尔可夫链且
一、（10分）某工程部队的工程师向领导建议，他提出的一项新工艺在不降低工程质量和影响工程进度的同时，还将节省机器运转的开支。假如采用旧工艺时机器每星期运转开支平均是1000元，又假定新旧工艺机器每星期运转开支X 都是服从正态分布，且具有标准差250元。使用新工艺后观察了9个星期，其机器运转开支平均每星期是750元。试在01.0=α的水平下，检验工程师所述是否符合实际，即新工艺是否能节省开支。 （3554.3)8(005.0=t ，8965.2)8(01.0=t ，57.2005.0=u ，33.201.0=u ） 二、（12分）设母体 X 服从正态分布),(2σμN ，X 是子样),,,(21n X X X Λ的平均数， ∑=-=n i i n X X n S 1 2___ 2 )1（是子样方差，又设),(~21σμN X n +，且与n X X X ,,,21Λ独立，求： （1）X E ，X D ，2 n ES ，2n DS ；（2）统计量 1 1 1+--+n n S X X n n 的分布。 三、（13分）一个罐中装有黑球和白球，其中黑球、白球的个数均未知，如何用统计的方法估计其中黑球与白球的比例。（建立模型并给出两种估计方法） 四、（15分）以下为温度对某个化学过程的生产量的影响的数据： 已知 X 和Y 之间具有线性依赖关系。 （1）写出其线性回归模型，并估计参数βα,； （2）讨论回归系数的性质（分布）。 五、（10分）设有一随机过程)( t X ，它的样本函数为周期性的锯齿波。下图（a ）、（b ）画出了二个样本函数图。各样本函数具有同一形式的波形，其区别仅在于锯齿波的起点位置不同。设在0=t 后的第一个零值点位于0τ，0τ是一个随机变量，它在) , 0 ( T 内均匀分布，即 ?????≤≤=其它值 00 1 )( 0T t T t f τ
北京工业大学2009-20010学年第一学期期末 数理统计与随机过程(研) 课程试卷 学号 姓名 成绩 注意：试卷共七道大题，请写明详细解题过程。 考试方式：半开卷，考试时只允许看教材《概率论与数理统计》 浙江大学 盛 骤等编第三版（或第二版）高等教育出版社。可以看笔记、作业，但不允许看其它任何打印或复印的资料。考试时允许使用计算器。考试时间120分钟。考试日期：2009年12月31日 一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平050.=α）？ 解：这是单个正态总体 ),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0 μ-= 已知80=x ，8=s ，n ＝28，850=μ， 计算得n s x T /0μ-= 31 .328/885 80=-= 查t 分布表，05.0=α，自由度27，临界值052.2)27(025.0=t . 由于052.2>T 2622.2>，故拒绝 0H ，即在显著水平05.0=α下不能认为 该班的英语成绩为85分.
050.= 解：由极大似然估计得.2?==x λ 在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。 则}{k X P =有估计 =i p ?ΛΛ,7,0, !2}{?2 ===-k k e k X P k =0?p
基于主成分分析的人脸识别 目录 基于主成分分析的人脸识别 (1) 1 引言 (2) 1.1 PCA简介 (2) 一、主成分的一般定义 (3) 二、主成分的性质 (3) 三、主成分的数目的选取 (4) 1.2 人脸识别概述 (4) 2 基本理论及方法 (5) 3 人脸识别的具体实现 (6) 3.1 读入图像数据库 (6) 3.2 计算特征空间 (7) 3.3 人脸识别 (9) 4 对实验算法的综合评价 (11) 5 结论 (11) 6、参考文献 (11) 7、附录 (12) 1、代码说明： (12) 2、实验感想 (12) 摘要：本文利用基于主成分分析(Principal ComponentAnalysis，PCA)进行人脸识别。该过程主要分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。本方法具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。 关键词：人脸识别；PCA；识别方式
1 引言 PCA 是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合，根据矩阵的行数与列数的区别于差异，PCA 又可以划分为D —PCA （Distributed PCA [1]和C —PCA （Collective PCA ）[2]。 1.1 PCA 简介 PCA 方法，也被叫做特征脸方法(eigenfaces)，是一种基于整幅人脸图像的识别算法，被广泛用于降维，在人脸识别领域也表现突出。一个N ×N 的二维脸部图片可以看成是N 的一个一维向量，一张112×92的图片可以看成是一个10，304维的向量，同时也可以看成是一个10，304维空间中一点。图片映射到这个巨大的空间后，由于人脸的构造相对来说比较接近，因此，可以用一个相应的低维子空间来表示。我们把这个子空间叫做“脸空间”。PCA 的主要思想就是找到能够最好地说明图片在图片空间中的分布情况的那些向量。这些向量能够定义“脸空间”，每个向量的长度为N ，描述一张N ×N 的图片，并且是原始脸部图片的一个线性组合。对于一副M*N 的人脸图像，将其每列相连构成一个大小为D=M*N 维的列向量。D 就是人脸图像的维数，也即是图像空间的维数。设n 是训练样本的数目；X j 表示第j 幅人脸图像形成的人脸向量，则所需样本的协方差矩阵为： S r =1()()N T j i j x u x u =--∑ (1) 其中u 为训练样本的平均图像向量： u =1 1n j j x n =∑(2) 令A=[x 1-u x 2-u ……x n -u],则有S r =AA T ,其维数为D*D 。
注意： 这是第一稿（存在一些错误） 第七章数理统计习题__奇数.doc 1、解 由θ θθμθ 2 ),()(0 1===? d x xf X E ，204103)(2 221θθθ=-==X D v ，可得θ的矩估计量为X 2^ =θ，这时θθ==)(2)(^X E E ，n n X D D 5204)2()(2 2 ^ θθθ= ? ==。 3、解 由)1(2)1(2)1(2)(21θθθθμ-=-+-==X E ，得θ的矩估计量为： 3 2 62121^ =-=- =X θ。 建立关于θ的似然函数：482232)1(4)1())1(2()()(θθθθθθθ-=--=L 令014 8))1ln(4ln 8()(ln =--=?-+?=??θ θθθθθθL ， 得到θ的极大似然估计值：32^=θ 5、解 由33)1(3)1(3)(222+-=-+-+=p p p p p p X E ，所以得到p 的矩估计量为 ^ 32p = = 建立关于p 的似然函数：32 10)1()2 )1(3()()2)1(( )(22n n n n p p p p p p p L ---= 令0)(ln =??p p L ，求得到θ的极大似然估计值：n n n n p 222 10^++= 7、解 （1）记}4{<=X P p ，由题意有}4{}4{}4{-≤-<=<=X P X P X P p 根据极大似然估计的不变性可得概率}4{<=X P p 的极大似然估计为： 4484.05.0)6 4 ()64( 5.0)25 /2444( )25 /2444( 22^ =-Φ=-Φ-=--Φ--Φ=s s p （2）由题意得：)6 24 ( )25 /244( }{}{105.012-Φ=-Φ=≤=>-=-A s A A X P A X P ，于是经查表可求得A 的极大似然估计为0588.12^ =A
数理统计与随机过程复习资料第1章抽样与抽样分布 1. 设母体，是来自母体的一个子样，若 问C为何值时，CY服从t分布，并给出其自由度。 2. 设母体,是来自母体的一个容量为6的子样，设 ，求常数C，使CY服从分布。
3. 设是来自总体的简单样本，记为前个样本的均值和方差，试求 证：。 第2章参数估计 1. 设母体（二项分布），其中：N已知，p是未知参数。求p的最大似 然估计量。并确定所得估计量的无偏性和相合性。
2. 设母体（二项分布），求参数N，p的矩估计量。 3. 设为母体的一个子样，，当为何值时，Y为的无偏估计量且方差最 小。 4. 设为母体的一个子样，，当满足什么条件时，Y为的无偏估计量， 并求方差。
5. 设为母体的一个子样，求常数C，使为的无偏估计。 6. 设母体X的密度函数为 a与b为参数，求a与b的矩估计。
7. 设母体（正态分布），其中：和为参数。求和的最大似然估计量。 并确定所得估计量的无偏性；若是有偏，进行修正。 8.设母体X的分布密度为 ，其中，求参数的最大似然估计量。 9. 设母体（均匀分布），为参数，为母体的一个子样，，求参数的置 信概率的置信区间。
10. 设母体（正态分布），其中为未知参数，为母体的一个子样，求母 体平均数的置信概率为的置信区间。 11. 两台机床加工同一种零件，分别抽取6个和9个零件，测量其长度计 算得到.。假定各台机床零件长度服从正态分布。求两个母体方差比的置信区间（=0.95）。 12.设是取自总体的一个样本，总体X的密度函数为 （1）求的矩估计和极大似然估计； （2）的矩估计和极大似然估计是否为无偏的。
中科院研究生院2012～2013第一学期 随机过程讲稿 孙应飞 第六章 高斯过程（维纳过程） 习题 1、 设有随机过程Y ，∞<= ∫t ds s Y t Z t 2、 设是初值为零的标准布朗运动，令0,)(≥t t B 10)],1/([)1()(<≤??=t t t B t t ξ，的常数，试求随机过程0,0),12>≥?a t at η()(=?e B e t at )(t ξ和)(t η的均值函数和相关函数，并说明)(t ξ和)(t η是否是正态过程。 3、 设是标准的布朗运动，试求与的相关系数，其中： 。 }0,)({≥t t B 1≤≤t )(t B ∫1 0)(du u B 04、 已知是初值为0的标准布朗运动， 求在0),(>t t B 0)1(=B 时的条件概率分布密度函数。 )10()(<
4.1 设有一泊松过程(){}0,≥t t N ，求： （1）()(){}2211,k t N k t N P ==，用21t t 、的函数表示之； （2）该过程的均值和相关函数。 问该过程是否为平稳过程？ (1) 解：首先， {}{}{}1111222211)()()()(,)(k t N P k t N k t N P k t N k t N P ====== 根据泊松过程的独立增量性质可知 {}{}) (1212121211221212!)()]([)()()(t t k k e k k t t k k t t N P k t N k t N P -----=-=-===λλ 于是， {}21 122! )(!)()(,)(1211122211t k k k k e k k k t t t k t N k t N P λλ----= == (2) 解：该过程的均值为 []()()t k t te e k t k t N E k k t k t k λλλλλλ=??? ? ??-==∑∑+∞=--+∞ =-110!1!)()( 根据泊松过程的独立增量过程性质可得其相关函数为(12t t >) [] ()[])] ([)]()([)]([)()()()()()(12121112121t N E t N t N E t N E t N t N t N t N E t N t N E +-=+-= 其中， )()]()([1212t t t N t N E -=-λ 12 1212)]([t t t N E λλ+= 于是，12t t >时的相关函数为 []121212 12121221)()()(t t t t t t t t t N t N E λλλλλ+=++-= 同理可得21t t >时的相关函数为 []221221)()(t t t t N t N E λλ+=
第四章 假设检验 假设检验是一种重要应用价值的统计推断形式，是数理统计的分支。从发展历史上有重要的节点为 1 ：Pearson 的拟合优度的2χ检验 1900 2：Fisher 的显著性检验 1920 3：Neyman-Pearson 一致最优检验 1928 4：Wald 的判决理论 1950 5：Bayes 方法 （二战之后发展的学派） §4.1 基本术语 关于随机变量的分布、数字特征等，每一种论断都称为统计假设，分为参数假设和非参数假设，例如),(~2σu N X ，假设1,1:==σu H 就称为参数假设；给定一组样本值，假设:H ~X 正态分布，对于分布进行论断，为非参数假设。 无论上面那种假设，都是给出一个对立的假设，比如),(~2σu N X ，那么假设1,1:0==σu H 的对立假设就是1,1:1≠≠σu H ，我们就把0H 称为基本假设，或者原假设，而1H 就称为对立（备选）假设。 为了分别那个假设是对的，需要判断假设真伪，就是对假设做出“否”还是“是”的程序就是检验，这个检验常用否定域形式给出，按照一定规则把样本值集合分成两个部分V V ?，当样本值落入子集V 认为0H 不真，那么V 是0H 的否定域，V 为0H 的接受域。 那么这样就产生了两种错误： 第一类错误α ：本来0H 是真，但是却否定了，弃真； 第二类错误β ：本来0H 不真，但是却接受为真，叫取伪。 选定一种检验方法，我们希望上述两种错误概率都小。但是给定样本容量，使得两种错误任意小是不可能的，我们主要研究两大类检验方法：
1：样本容量给定，控制第一类错误，使得错误概率有一个上界α，叫做检验的显著性水平，根据这种原则建立的检验就是α水平显著性检验； 2：样本容量给定，控制第一类错误α水平固定，还使得第二类错误最小，就是接受不真实假设的概率最小，否定不真实假设的概率就称为检验功效1-β，使得功效最大，，根据这种原则建立的检验就是α水平最大功效检验,或者最佳检验。 §4.2参数假设检验 设X 符合分布),(θx F ，未知参数θΘ∈参数空间，空间分成两部分0Θ和 Θ-0Θ，二者交集为空。 主要对于正态分布参数的统计假设的显著性检验方法。 1）针对不同问题，提出基本假设与备选假设 0H ：θ0Θ∈ 1H ：θ0Θ-Θ∈ 如果参数空间仅仅是由0θθ=和1θθ=两个点组成的，那么我们称简单假设，否则是复合假设。 2）给定检验的显著性水平α，其大小依据不同问题不同，比如火箭、飞机等可靠性问题，α要越小越好，对于一般生产问题，太小了则意味着生产时间和成本的增加； 3）建立对于基本假设的统计量和否定域； 4）取样，计算统计量值，落入否定域则判读0H 为假，否则为真。 例子：某种药片制剂中国家规定成分A 的含量X 必须为10%，现在抽取5个片剂试样，测得A 的含量为 10.9% 9.45% 10.38% 9.61% 9.92% 假设)%,10(~20σ=u N X ，按照显著性水平α=0.05进行检验是否与规定10%相符？ 解：建立基本假设0H ：0u u =，这里显著性水平α=0.05，样本容量为5，样本值如上。 如何确定统计量呢？样本均值X 可以求出，但是这里方差未知，用无偏估 计量* 2n S 来代替2σ，那么统计量 = t )1(~/* 20--n t n S u X n
1、修理一个机器所需要的时间T 是均值为1/2（小时）的指数随机变量 （a ）问修理时间超过1/2小时的概率是多少？ （b ）已知修理持续时间超过12小时，问修理时间至少需要12.5小时的概率是多少？ 2、考察一个由两个办事员经营的邮局。假设当甲进入邮局的时候，他发现乙正在接受一个办事员的服务，丙正在接受另一个办事员的服务。甲被告知，只要乙或丙中的一个离开，他的服务就可以立刻开始。如果一个办事员用在一个顾客上的时间是以均值为1/λ指数地分布的，那么在这3个顾客中，甲是最后一个离开邮局的概率是多少？ 3、若X1和X2是独立的非负连续随机变量，证明： )()()(}),min(|{2112121t r t r t r t X X X X P +==< 其中)(t r i 是Xi 的失效率函数。 4、某种理论假设细胞分裂的错误按速率每年2.5个的泊松过程发生，而人体在发生了196个这种错误后死亡。假设该理论成立，求 （1）人的平均寿命 （2）人在67.2岁前死亡的概率 （3）人活到90岁的概率 （4）人活到100岁的概率 5、令{N(t)，t ≥0}是速率为λ的泊松过程，以Sn 记第n 个事件发生的时间。求 （1）][4S E （2）]2)1(|[4=N S E （3）]3)1(|)2()4([=-N N N E
6、事件按速率为每小时λ=24的泊松过程发生。 （1）在下午8：00到9:00没有事件发生的概率是多少？ （2）从正午开始，到第四个事件发生的期望时间是多少？ （3）在下午6:00到8:00有两个或两个以上事件发生的概率是多少？ 7、顾客按速率为λ的泊松过程进入银行。假设两个顾客在第一小时内到达。下面的概率分别是多少？ （1）两个顾客都在前20分钟内到达 （2）至少一个顾客在前20分钟内到达 8、某人负责订阅杂志，设前来订阅的顾客是一天内平均达到率为8的泊松过程，他们分别以概率1/2、1/3和1/6订阅1季、2季和3季的杂志，其选择是相互独立的。每次订阅1季时，该负责人可得1元钱手续费。令X（t）表示在[0,t)内此人的全部手续费，试求E[X(t)]。
4.1(等待时间的和)设诚恳按照参数λ的Poisson 过程来到公交站，公交车于时刻t 发出，那么在],0[t 时间段内到达的乘客等待时间总和的期望应该如何计算那？ 对于某一个乘客而言，假设其到达时间为k t ，那么他等待时间就是 k t t -所以乘客总的等待时间为∑=-=) (0)()(t N k k t t t S 使用条件期望来处理平均等待))(|)(())((n t N t E E t S E == 对于某已成了而言，其到达时刻k t 随机],0[t 内均匀分布的随机变量。但在车站上，乘客是先后到达次序排队，所以在n t N =)(的条件下， n t t t ,...,,21形成了独立均匀分布的顺序统计量。不过就他们的和n t t ++...1而言，可以那他们看着顺序统计量，也可以把他们看着不排顺序的n 各独立的],0[t 内均匀分布的随机变量，所以 2))((2)2)(())((2 2)())(|)((2 0t t N E t t t N E t E E nt nt nt t E nt n t N t E E n k k λ= ===- =-==∑=从而有 4.2(数值记录)设},{N n X n ∈是一独立同分布的非负期望随机变量序列。定义风险率)(t λ如下) (1) ()(t F t f t -= λ 这里)()(t F t f 和分别是k X 的概率密度分布和分布函数。定义随机过程 )(t N 如下}),,..,max(:{#)(01t X X X X n t N n n n ≤>=- 这里A #表示集合A 中的元素个数。如果把)(t N 中的时间t 看做时间，那么)(t N 是一个非齐次Poisson 过程。事实上，由于k X 彼此独立，所以)(t N 具有独立增量性。很明显0)0(=N ，于是只需要检查一个时间微元内)(t N 的状态。