随机过程第4章习题

1第四章 马尔可夫过程内容提要1. 马尔可夫过程的概念 （1）马尔可夫过程给定随机过程{}(),X t t T ∈，如果对122,∀≥∀<<<∈n n t t t T ，有11221111{()|(),(),,()}{()|()}n n n n n n n n P X t x X t x X t x X t x P X t x X t x ----<====<=则称{}(),X t t T ∈为马尔可夫过程。

称(){}:,==∈E x X t x t T 为状态空间。

参数集和状态空间都是离散的马尔可夫过程称为离散参数马氏链. 参数连续、状态空间离散的马尔可夫过程称为连续参数马氏链. （2）k 步转移概率设{}(),0,1,2,=X n n 为离散参数马氏链，称()(),(,){|},0,1=+==≥≥i j p n k P X n k j X n i n k为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率，称(),(,)((,)),P =∈i j n k p n k i j E为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率矩阵. 特别地，当1k =时，在时刻n 的一步转移概率和一步转移概率矩阵分别简记为()ij p n 和()n P . （3）初始分布、绝对分布称((0)),,==∈i p P X i i E 为离散参数马氏链{}(),0,1,2,=X n n 的初始分布，记为0P ，称()(){},,==∈j p n P X n j j E 为马尔可夫链{}0n X n ≥的绝对分布，记为P n . （4）离散参数齐次马氏链设{}(),0,1,2,=X n n 是一离散参数马氏链，如果其一步转移概率()ij p n 恒与起始时刻n 无关，记为ij p ，则称{}(),0,1,2,=X n n 为离散参数齐次马氏链。

若{}(),0,1,2,=X n n2是离散参数齐次马氏链，则其k 步转移概率记为(),i j p k ，一步转移概率矩阵和k 转移概率矩阵分别记为P 和().P k(5) 离散参数齐次马氏链的遍历性离散参数齐次马氏链{X (n ) ,n=0,1,2… }，若对一切状态i ，j ，存在与i 无关的极限()()lim 0,ij j n p n i j E →+∞=π>∈则称此马氏链具有遍历性.0,1j j j Ej E ππ∈>∈=∑若且则称{},j j E π∈为离散参数齐次马氏链{X (n ) ,n=0,1,2… }的极限分布，或称为最终分布，记为{},j j E ∏=∈π（6）离散参数齐次马氏链的平稳分布离散参数齐次马氏链{X (n ) ,n=0,1,2… }，若存在{v j , j ∈E } 满足条件：1)0,2)13)j jj Ej i iji Ev j E vv v p ∈∈≥∈==∑∑则称此马氏链是平稳的，称 { v j , j ∈E } 为此马氏链的平稳分布。

钱敏平龚光鲁随机过程答案（部分）随机过程课后习题答案第⼀章第⼆题：已知⼀列⼀维分布{();1}n F x n ≥，试构造⼀个概率空间及其上的⼀个相互独⽴的随机变量序列{(,);1}n n ξ?≥使得(,)n ξ?的分布函数为()n F x 。

解：有引理：设ξ为[0, 1]上均匀分布的随机变量，F(x)为某⼀随机变量的分布函数，且F(x)连续，那么1()F x η-=是以F(x)为分布的随机变量。

所以可以假设有相互独⽴的随机变量12,,...,n θθθ服从u[0, 1]分布，另有分布{()}n F x ，如果令1(,)()n n n F ξθ-?=，则有(,)n ξ?为服从分布()n F x 的随机变量。

⼜由假设条件可知，随机变量{(,),1}n n ξ?≥之间相互独⽴，则其中任意有限个随机变量12(,), (,),...,(,)n i i i ξξξ的联合分布为：11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i x i x i x F x F x F x ξξξ?≤?≤?≤=再令112{,,...,,...},,{|()[0,1],1,2,...}n i i i i w w w w A A x F x i -Ω=∈=∈=，令F 为Ω所有柱集的σ代数，则由Kolmogorov 定理可知，存在F 上唯⼀的概率测度P 使得：11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i w i w i w F w F w F w ξξξ?≤?≤?≤=则所构造的概率空间为(Ω,F , P)。

第⼋题：令{};1n X n ≥是⼀列相互独⽴且服从(0,1)N （正态分布）的随机变量。

⼜令1n n S X X =++22(1)n S n n ξ+=1(,,)n n F X X σ=试证明：,;1n n F n ξ≥（）是下鞅（参见23题）。

第一章习题解答1． 设随机变量X 服从几何分布，即：(),0,1,2,k P X k pq k ===。

求X 的特征函数，EX 及DX 。

其中01,1p q p <<=-是已知参数。

解()()jtxjtkk X k f t E eepq ∞===∑()k jtkk p q e∞==∑ =0()1jt kjtk pp qe qe ∞==-∑又200()kkk k q qE X kpq p kq p p p ∞∞======∑∑222()()[()]q D X E X E X P =-=（其中 00(1)nnn n n n nxn x x ∞∞∞====+-∑∑∑）令 0()(1)n n S x n x ∞==+∑则 1000()(1)1xxnn k n xS t dt n t dt x x∞∞+===+==-∑∑⎰⎰202201()()(1)11(1)1(1)xn n dS x S t dt dxx xnx x x x ∞=∴==-∴=-=---⎰∑同理 2(1)2kkkk k k k k k x k x kx x ∞∞∞∞=====+--∑∑∑∑令20()(1)k k S x k x ∞==+∑ 则211()(1)(1)xkk k k k k S t dt k t dt k xkx ∞∞∞+====+=+=∑∑∑⎰）2、（1） 求参数为(,)p b 的Γ分布的特征函数，其概率密度函数为1,0()0,0()0,0p p bxb x e x p x b p p x --⎧>⎪=>>Γ⎨⎪≤⎩（2） 其期望和方差；（3） 证明对具有相同的参数的b 的Γ分布，关于参数p 具有可加性。

解 （1）设X 服从(,)p b Γ分布，则10()()p jtxp bxX b f t ex e dx p ∞--=Γ⎰ 1()0()p p jt b x b x e dx p ∞--=Γ⎰101()()()()(1)p u p p p p p b e u b u jt b x du jt p b jt b jt b∞----==Γ---⎰ 10(())x p p e x dx ∞--Γ=⎰ （2）'1()(0)X p E X f j b∴== 2''221(1)()(0)X p p E X f j b +== 222()()()PD XE X E X b∴===（4） 若(,)i i X p b Γ 1,2i = 则121212()()()()(1)P P X X X X jt f t f t f t b-++==-1212(,)Y X X P P b ∴=+Γ+同理可得：()()iiP X b f t b jt∑=∑-3、设X 是一随机变量，()F x 是其分布函数，且是严格单调的，求以下随机变量的特征函数。

第四章 二阶矩过程、平稳过程和随机分析 习题解答1、 设∑=-=Nk k k kn U n X 1)cos(2ασ，其中k σ和k α为正常数，)2,0(~πU U k ，且相互独立，N k ,,2,1 =，试计算},1,0,{ ±=n X n 的均值函数和相关函数，并说明其是否是平稳过程。

解：计算均值函数和相关函数如下0)}{cos(2)cos(2}{)(11=-=⎭⎬⎫⎩⎨⎧-==∑∑==Nk k k k N k k k k n X U n E U n E X E n ασασμ∑∑∑∑∑∑======-=--=--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-⋅⎥⎦⎤⎢⎣⎡-=Ni i i N i i i i i i Ni Nj j j i i j i N j j j j N i i i i X m n U m U n E U m U n E U m U n E m n R 12121111)](cos[)}cos(){cos(2)}cos(){cos(2)cos(2)cos(2),(ασαασαασσασασ因此可知，},1,0,{ ±=n X n 是平稳随机过程。

2、 设有随机过程))(cos()(t t A t X πηω+=，其中0>ω为常数，}0),({≥t t η是泊松过程，A 是与)(t η独立的随机变量，且2/1}1{}1{===-=A P A P 。

（1） 试画出此过程的样本函数，并问样本函数是否连续？ （2） 试求此过程的相关函数，并问该过程是否均方连续？ 解：（1）样本函数不连续。

（2）令：012≥>t t ，下面求相关函数：)(221)(212210)(1212211212121211212212122112221122121121212cos cos )]}(cos[)]({cos[21!)]([)]}(cos[)]({cos[)1(21))]}()(()(cos[))]()(()(2)({cos[21))]}()(()(cos[))]()(()({cos[21))}(cos())({cos(}{))}(cos())(cos({)}()({),(t t t t k t t k kX e t t e t t t t e k t t t t t t t t t t t t t t t E t t t t t t t t E t t t t E A E t t t t A E t X t X E t t R ----∞=--⋅=⋅-++=⋅-⋅-++-=-+-+-+++=-+-++++=++⋅=++==∑λλλωωωωλωωηηπωηηππηωηηπωηηπωπηωπηωπηωπηω因为：t t t R ωξ2cos ),(=因此该过程是均方连续的随机过程。

随机过程-习题-第4章-02(总9页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除设有图题4-19所示的电路，其中W 0(t )为输入的随机过程，W 0(t )为标准维纳过程（即中的z (t )，且其1=β）；其输出为)(t ξ=W 0(t )-W 0(t -1)。

求)(t ξ的均值和相关函数。

图题4-19解：由于W 0(t )为标准维纳过程，则E [W 0(t )]=0。

因此0)]1()([)]([00=--=t W t W E t E ξ)(t ξ的相关函数为)]}1()()][1()({[),(2020101021----=t W t W t W t W E t t R ξ)(t W假设t 1<t 2。

当t 1<t 2-1时，[t 1-1, t 1]和[t 2-1, t 2]是两个互不交叠的区间，由标准维纳过程为独立增量过程的性质可得0)]}1()([)]1()({[),(2020101021=----=t W t W E t W t W E t t R ξ当t 1>t 2-1时，[t 1-1, t 1]和[t 2-1, t 2]是两个交叠的区间。

分别用A ，B ，C 表示区间[t 1-1，t 2-1]、[t 2-1，t 1]和[t 1，t 2]。

于是)](1[)1,min(2)1()]1()([2)]1([)]([})]1()({[][][][][][][][]E[)])(E[(),(1221212010220120220102221t t t t t t t W t W E t W E t W E t W t W E B E C E B E B E C E A E B E A C B B A t t R --=---+=---+=--==+++=++=ββββξ即⎪⎩⎪⎨⎧<<-=1||,01|||]|1[),(21τττβξt t R其中，12t t -=τ。

第四章 习题41、对泊松过程{},0t N t ≥（1）证明：当s t <时，{}1,0,1,,kn ks t n s s P N k N n k n k t t -⎛⎫⎛⎫⎛⎫===-= ⎪⎪⎪⎝⎭⎝⎭⎝⎭（2）当2λ=时，试求：()()()112112;1,3;21P N P N N P N N ≤==≥≥（3）设顾客到达某商店是泊松事件，平均每小时以30人的速度到达。

求下列事件的概率：相继到达的两顾客的时间间隔为大于2分钟、小于2分钟、在1分钟到3分钟之间。

答：（1）证明：{}()()()()()()()()()()()()()()()()()()(),,!!!!!!!1!!s t s t s s t s s t t t t n kkt s sk n kn k nk n ktn kk n kk nP N k N n P N k N n k P N k P N n k P N k N n P N n P N n P N n t s s e ek n k s t s n k n k t t t e n n s t s n s s k t k n k t t λλλλλλλλλλ------------====-==-========-⎡⎤⎣⎦--==--⎛⎫⎛⎫⎛⎫==- ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭（2）()()()()()()()()11110121112222201211120!1!2!225P N P N N N e e e e e e e λλλλλλλ-------≤==+=+==++-=++=()()()()12121224111,31,3112224P N N P N N P N P N ee e----=====-=====()()()()()()()()()()111111121112112,122111121011311101P N N P N P N N P N P N P N P N P N e P N P N e --≥≥≥≥≥==≥≥-<-=-=-===-<-=-（3） 解法一：顾客到达事件间隔服从参数为λ的指数分布：()()()30,03030,0x x Z Z f t e x f t e x λλλ--=≥=⇒=≥①()30301111303023030106030x x P Z e dx e e e ∞∞----⎧⎫>===--=⎨⎬-⎩⎭⎰②()11303011303000230301116030x x P Z e dx e e e ----⎧⎫<===--=-⎨⎬-⎩⎭⎰ ③1131133030202022221160601330301606030x x P Z e dx e e e e e ------⎛⎫⎧⎫<<===--=-⎨⎬ ⎪-⎩⎭⎝⎭⎰解法二：()3030==0.560λ∴平均每小时有人到达人/分钟根据齐次Poisson 过程的到达时间间隔{},1,2,n X n =是独立同分布于均值为1λ的指数分布的，故可有： 相继到达的顾客的时间间隔大于2分钟的概率为：()12t n P X e e λ-->== 相继到达的顾客的时间间隔小于2分钟的概率为：()1211t n P X e e λ--<=-=-相继到达的顾客的时间间隔在1分钟到3分钟之间的概率为：()()()()1.50.50.5 1.5133111n n n P X P X P X e e e e ----<<=<-<=---=-2、{},0t N t ≥是强度为λ的泊松过程。

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 ek k t t k k t t N P k t N k t N P -----=-=-===λλ 于是，{}21122!)(!)()(,)(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 -=-λ121212)]([t t t N E λλ+=于是，12t t >时的相关函数为[]12121212121221)()()(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+=所以，泊松过程的相关函数为[]{}2121221,min )()(t t t t t N t N E λλ+=所以，泊松过程过程不是平稳过程。

湖南大学本科课程《随机过程》习题集主讲教师：何松华 教授第一章：概述及概率论复习1.1 设一批产品共50个，其中45个合格，5个为次品，从这一批产品中任意抽取3个，求其中有次品的概率。

1.2 设一批零件共100个，次品率为10%，每次从其中任取一个零件，取出的零件不再放回，求第3次才取得合格品的概率。

1.3 设一袋中有N 个球，其中有M 个红球，甲、乙两人先后各从袋中取出一个球，求乙取得红球的概率(甲取出的球不放回)。

1.4 设一批产品有N 个，其中有M 个次品，每次从其中任取一个来检查，取出后再放回，求连续n 次取得合格品的概率。

1.5设随机变量X 的概率分布函数为连续的，且0()00xA Be x F x x λ-⎧+≥=⎨<⎩其中λ≥0为常数，求常数A 、B 的值。

1.6设随机变量X 的分布函数为 ()() (-<<)F x A Barctg x x =+∞∞(1) 求系数A 、B ；(2)求随机变量落在(-1,1)内的概率；(3)求其概率密度函数。

1.7已知二维随机变量(X,Y)的联合概率密度分布函数为6(2)0,1(,)0XY xy x y x y f x y elsewhere --≤≤⎧=⎨⎩(1)求条件概率密度函数|(|)X Y f x y 、|(|)Y X f y x ；(2)问X 、Y 是否相互独立？1.8已知随机变量X 的概率密度分布函数为22()()]2X X X x m f x σ-=- 随机变量Y 与X 的关系为 Y=cX+b ，其中c ，b 为常数。

求Y 的概率密度分布函数。

1.9设X 、Y 是两个相互独立的随机变量，其概率密度分布函数分别为101()0X x f x elsewhere ≤≤⎧=⎨⎩，0()0y Y e y f y elsewhere-⎧<=⎨⎩ 求随机变量Z=X+Y 的概率密度分布函数。

1.10设随机变量Y 与X 的关系为对数关系，Y=ln(X)，随机变量Y 服从均值为m Y 、标准差为σY 的正态分布，求X 的概率密度分布。

第四章习题解答4.1Y1,Y2,···是来自总体Y的随机变量，与X0独立，h(x,y)是实函数.对于n 1，取X n=h(X n−1,Y n).设{X n}的状态空间为I，验证{X n}是马氏链，给出转移概率p ij.解：由题知，Y k与X1,···,X k−1独立,k 1,∀n,i,j,i1,...,i n−1∈I有，P(X n+1=j|X n=i,X n−1=i n−1, (X0)i0)=P(h(i,Y n+1)=j|X n=i,X n−1=i n−1,···,X0=i0)=P(h(i,Y n+1)=j|X n=i)=P(h(i,Y)=j)=P(h(i,Y1)=j|X0=i)=P(X1=j|X0=i).∴X n是马氏链，P ij=P(h(i,Y)=j).4.2设{X i,i 0}是取非负整数值的独立同分布的随机变量序列，V ar(X0)>0.验证以下随机序列是马氏链：(a){X n,n 0};(b){S n,n 0}，其中S n=∑ni=0X i;(c){ξn,n 0}，其中ξn=∑ni=0(1+X i).解：∀n,i,j,i0,···,i n−1∈N+,(a).P(X n+1=j|X n=i,X n−1=i n−1,···,X0=i0)=P(X n+1=j)= P(X n+1=j|X n=i)=P(X1=j)=P(X1=j|X0=i).1第四章离散时间马尔可夫链第四章离散时间马尔可夫链(b).P(S n+1=j|S n=i,S n−1=i n−1,···,X0=i0)=P(X n+1=j−i|X n=i−i n−1,···,X0=i0)=P(X n+1=j−i)=P(X n+1=j−i,S n=i|S n=i)=P(S n+1=j|S n=i)=P(X1=j−i)=P(X1=j−i|X0=i)=P(S1=j|S0=i).(c).P(ξn+1=j|ξn=i,ξn−1=i n−1,···,ξ0=i0)=P(X n+1=ji −1)=P(X n+1=ji−1|ξn=i)=P(ξn+1=j|ξn=i)=P(X1=ji −1)=P(X1=ji−1|X0=i)=P(ξ1=j|ξ0=i).4.3马氏链的状态空间是I=(1,2,3,4,5)，转移概率矩阵P=0.20.80000.50.5000000.50.500.20.3000.500001界定马氏链的状态。