应用随机过程(第三章)

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 ∞==+∑那么 1000()(1)1xxnn k n xS t dt n t dt x x∞∞+===+==-∑∑⎰⎰22201()()(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 ∞==+∑ 那么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） 证明对具有一样的参数的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，那么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） 假设(,)i i X p b Γ 1,2i = 那么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。

竭诚为您提供优质文档/双击可除应用随机过程学习心得篇一：随机过程知识点总结第一章：考试范围1.3,1.41、计算指数分布的矩母函数.2、计算标准正态分布x~n(0,1)的矩母函数.3、计算标准正态分布x~n(0,1)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??12??，求Z(t)的协方差函数.?22?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Rx(s,t)表示）.3、设x(t)?Z1cos?t?Z2sin?t，其中Z1,Z2~n(0,?2)是独立同分布的随机变量，?为实数，证明x(t)是宽平稳过程.4、设有随机过程Z(t)?xsint?Ycost，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{n(t),t?0}是参数??3的poisson过程，计算：(1).p{n(1)?3}；(2).p{n(1)?1,n(3)?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。

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
(){}t
s t N s P =
=≤11τ 即在()1=t N 的条件下，1τ为[]t ,0上的均匀分布。

更一般的，有如下定理， 定理：设(){}0,≥t t N 为强度λ的齐次Poisson 过程，在()n t N =的条件下，n 个到达时刻n τττ<<< 21和n 个相互独立同[]t ,0上均匀分布的随机变量n U U U ,,,21 的顺序统计量()()()n U U U <<< 21有相同分布。

即在()n t N =的条件下，()n τττ,,,21 的联合概率密度为：
()⎪⎩⎪⎨⎧≤<<<≤=其他0
0!,,,2121t u u u t n u u u f n n n
方法：
2
19
20。