随机过程4(1.3)

1

知识点总结

第1章 概率论基础

1.1概论空间

随机试验，它是指其结果不能事先确定且在相同条件下可以重复进行的试验。

其中，一个试验所有可能出现的结果的全体称为随机试验的样本空间，记为，试验的一个结果称为样本点，记为，即}{. 样本空间的某个子集称为随机事件，简称事件.

定义1.1.1 设样本空间，是的某些子集构成的集合，如果：

（1）

（2）若A，则A

（3）若nA，，，,21n则1nnA

那么称为一事件域，也称为域.

显然，如果是一事件域，那么

（1）

（2）若BA,，则BA

（3）若nA，1nn2,1nA，则，，

定义1.1.2 设是样本空间，是一事件域，定义在上的实值函数)(P如果满足：

（1）A0)(,AP ，

（2）1)(P，

（3）若nA,,2,1,n且,,2,1,,,jijiAAji则 2

11)()(nnnnAPAP

那么称P是二元组（,)上的概率，称P(A)为事件A的概率，称三元组,(),P为概率空间。

关于事件的概率具有如下性质：

（1）;0)(P

（2）若nA,,,2,1,,,,,,2,1,njijiAAniji 则

niniiiAPAP11)()(

（3）若BA,,,BA则）APBPABP()()(

（4）若BA,)()(,,BPAPBA则；

（5）若A;1)(,AP则

（6）若A);(1)(,APAP则

（7）若nA,,2,1,n则

11)()(nnniAPAP

（8）若iA,,,2,1,ni则

niniiiAPAP11)()(njinkjinnkjijiAAAPAAAPAAP11211)()1()()(

随机过程与随机微分方程

随机过程是指随时间变化的随机现象，具有一定的随机性和不确定性。而随机微分方程是描述随机过程演化的数学工具。本文将简要介绍随机过程和随机微分方程的定义和性质，并探讨它们在实际问题中的应用。

一、随机过程的定义与性质

1.1 随机过程的定义

随机过程是一族随机变量的集合，其中每个随机变量表示系统在不同时间点的状态。随机过程通常用X(t)表示，其中t可以是离散的（如时间点）或连续的（如时间段）。

1.2 随机过程的分类

根据随机过程的状态空间类型，可以将其分为离散随机过程和连续随机过程。离散随机过程的状态空间是离散集合，如整数集合；而连续随机过程的状态空间是连续集合，如实数集合。

1.3 随机过程的性质

随机过程的性质可以通过各阶矩、相关函数和功率谱密度等来描述。其中，各阶矩描述了随机过程的平均值和方差；相关函数描述了随机过程不同时刻之间的相关性；功率谱密度则描述了随机过程在频域上的特性。

二、随机微分方程的定义与性质 2.1 随机微分方程的定义

随机微分方程是包含随机项的微分方程，用于描述带有随机现象的动态系统。一般形式的随机微分方程可以表示为：dX(t) = a(t,X(t))dt +

b(t,X(t))dW(t)，其中dX(t)表示系统在微小时间段dt内的变化量，a(t,X(t))和b(t,X(t))分别是系统的确定性部分和随机部分，dW(t)表示布朗运动。

2.2 随机微分方程的解

由于随机微分方程包含了随机项，因此它的解也是一个随机过程。随机微分方程的解可以通过数值方法（如欧拉方法和蒙特卡洛方法）或解析方法（如伊藤引理和随机变换法）来求得。

2.3 随机微分方程的应用

随机微分方程在金融工程、物理学、化学、生物学和工程学等领域中具有广泛的应用。例如，随机微分方程常用于金融衍生品的定价与风险管理、生物系统的建模与分析、化学反应过程的模拟与预测等方面。

三、随机过程与随机微分方程的应用实例

高等数学中的随机过程相关知识点详解

近年来，随机过程被越来越多的人所关注和使用。作为高等数学的一个分支，随机过程具有广泛的应用领域，包括金融、医学、生物学等等。在本文中，将详细解析高等数学中的随机过程相关知识点，帮助读者更好地理解和应用这一领域的知识。

一、概率论基础

在进行随机过程的学习之前，我们需要了解一些概率论的基础知识。概率论是确定不确定性的一种科学方法，它研究的是随机事件的发生规律和概率计算方法。在概率论中，有一些基本概念和公式，包括概率、条件概率、概率分布、随机变量等等。

1.1 概率

概率是指一个事件发生的可能性大小。通常用P来表示，它的取值范围是0到1。当P=0时，表示这个事件不可能发生；当P=1时，表示这个事件一定会发生。例如，掷一枚硬币正面朝上的概率为1/2，或者说P=0.5。

1.2 条件概率

条件概率是指在已知某些条件下，某个事件发生的概率。通常用P(A|B)来表示，表示在B发生的情况下，A发生的概率。例如，从一副牌中摸两张牌，第一张是红桃，第二张是黑桃的概率为P(第二张是黑桃|第一张是红桃)=26/51。

1.3 概率分布

概率分布是指所有可能事件发生的概率分布，它是概率论的基础。在不同的情况下，概率分布也是不同的。例如，在离散型随机变量中，概率分布通常以概率质量函数的形式给出；而在连续性随机变量中，概率分布通常以概率密度函数的形式给出。

1.4 随机变量

随机变量是一种随机事件的数学描述。它通常用大写字母表示，如X、Y、Z等等。根据其取值的类型，随机变量可以分为离散型和连续型。离散型随机变量只能取到有限或可数个值，如掷硬币、扔骰子等等；而连续型随机变量可以取到任意实数值，如身高、体重等等。

二、随机过程的基本概念

2.1 随机过程的定义

随机过程是一种描述随机事件随时间变化的方法。它可以看作是有限维随机变量序列的无限集合，其中每个随机变量代表系统在某个时刻的状态。随机过程的定义包括两个方面：空间（状态集合）和时间（时刻集合）。

第一章 随机过程

1.1 引言

对随机微分方程的研究所需要的随机过程的知识很多，因篇幅关系，只在本章中列出重要的、必备的相关知识和重要结论，这些知识主要包括：随机变量的概念及相关知识及条件期望；随机过程，特别是Markov过程和Brown运动的相关知识；随机微积分；Itô公式；一些重要不等式及随机比较定理。

本章的内容参考或转引自文献（Murry，1998陈希孺，2003；林无烈2002；Mao，1997；Mao，2006胡适耕等，2007；王克，2010等），谨向相应的作者表示感谢。

1.2 随机变量

概率用于度量随机事件的可能性，某个随机试验的所有可能的所有可能的基本结果或基本随机事件所构成的集合记为，称为样本空间。的满足下面三个条件的子集族F称为样本空间的一个代数：

（1）F

（2）若DF，则其补集cDDF；

（3）若(i1,2,)iDF，则1iiDF。

F中的元素称为的F可测集或随机事件。若C是样本空间的一个子集族，则存在一个的包含C的最小的代数，记为(C)，称为由C生成的代数。由n的所有开集所生成的代数称为Borel 代数，记为nB，其中的元素称为n中的Borel集。

定义在F上的函数:0,1PF称为可测空间(,F)上的概率测度，如果它满足：

（1）()1P；

（2）若(i1,2,)iAF且(ij)ijAA，则11iiiiPAPA。

三元组,F,P称为概率空间。若一个概率空间的F包含的所有P零外测集，也就是说，如果

*:inf,0PGPFFFGF，

则GF，此概率空间称为完备的。任何一个概率空间都可以通过把其所有P零外测集加入F中，并重新定义概率测度来完备化。本书总假设所涉及的概率空间为完备的。 若A,BF且P0B，定义条件概率

PABPABPB。