应用随机过程第4章随机模拟

1、Poisson过程

2、更新过程

3、Lundberg-Cramer破产模型

4、鞅

1、设某医院专家门诊，从早上8:00开始就已有无数患者等候，而每次专家只能为一名患者服务，服务的平均时间为20分钟，且每名患者的服务时间是独立的指数分布，求8:00-12:00门诊结束时接受过治疗的患者在医院停留的平均时间。

2、甲乙两人进行某种比赛，设每局甲胜的概率是p,乙胜的概率是q，和局的概率是r，1rqp。设每局比赛后，胜者记“+1”分，负者记“-1”分，和局不计分，且当两人中有一人获得2分时结束比赛。以nX表示比赛至第n局时甲获得的分数，则,1,0,nXn为时齐Markov链。求

（1）一步转移概率矩阵。

（2）求在甲获得1分的情况下，不超过两局可结束比赛的概率。

1、设H是nZ的分布，G是nY的分布，F是nnZY的分布，并记

PtPt时刻系统是开的，设nnEYZ，且F不是格点的，证明：

limntnnEZPtEZEY

2、考虑一个公平博弈问题。设,,21XX独立同分布，分布函数为：

2111iiXPXP

于是可以将,2,1iXi看做一个投掷硬币游戏的结果：如果出现正面就赢1元，出现反面则输1元。假设每次赌博所下赌注将于前面硬币的投掷结果有关，以nB记第n次所辖的赌注，则nB是11,,nXX的函数。令nW表示第n次赌博后所输（赢）的总钱数， 00W，则有njjjnXBW1，假设nBE，证明nW是鞅。

设Markov链的状态空间为5,4,3,2,1S，转移矩阵为：

0000000000001000001212121212121P

试画出转移图并确定常返状态、瞬过状态，并对常返状态i确定其平均回转时间i。

11一、马尔科夫链的极限分布§4.4马尔科夫链的极限分布与平稳分布()1lim0nijnjpμ→∞=>若对一切i，j，有：定义：称该马尔科夫链有极限分布，并称1211,,μμ⎛⎞⎜⎟⎝⎠"为其极限分布。定理:（定理4.13和定理4.14综合分析而得）()lim0nijnp→∞=为非常返，或零常返：jj1d=()limnijijnifpμ→∞=为正常返：j1d>为正常返：()lim nijnp→∞没有极限2推论：()1lim0nijnjpμ→∞=>若马氏链是不可约、非周期、正常返的，则对一切i，j，有：注意到反之也成立。即：()lim0nijnp→∞>则马氏链必是不可约、非周期、正常返的若对一切i，j，有：

3有限马科科夫链的有关结论定理：对于有限马氏链，有下面的结论：（1）不可能全是非常返（2）不存在零常返态若所有的状态为非常返，那么证明：（1）设有限马科科夫链有N个状态，则()1 1, Nnijjp==∑()lim0nijnp→∞=试中令得：0=1，矛盾。n→∞所以，有限马氏链不可能全是非返态。（*）4证明（2）若有限马科科夫链存在零常返状态i，构造含有i的闭集，则C(i)是非空有限闭集，有(){}:Cijij=→()1, nijjCp∈=∑C中的所有状态为零常返，所以()lim0nijnp→∞=试中令得：0=1 ，矛盾。n→∞所以，有限马氏链不存在零常返态。（*）

5由上面的定理，得出推论：有限不可约非周期的马氏链，所有的状态必为正常返。所以有限不可约非周期的马氏链，必有极限分布。6对于有限不可约非周期马尔科夫链，极限分布一定存在，但是极限分布的计算，还是一个比较困难的问题。而对于无限状态的马尔科夫链，极限分布是否存在就是一个不容易解决的问题。为此，我们介绍平稳分布，并利用平稳分布，判断极限分布的存在性并计算极限分布

27二、平稳分布定义4.11,设齐次马氏链转移概率矩阵为PPππ=12(,,)πππ="若满足方程： 1jjπ=∑且则称为该马氏链的平稳分布定理4.16 不可约非周期的马氏链，其极限分布存在（或状态是正常返）的充要条件是存在平稳分布，且此平稳分布就是极限分布。即ijμπ1=注：上述定理给出了马氏链极限分布存在的判别以及求极限分布的便捷方法12(,,)πππ="8例1 ：设马尔科夫链的转移概率矩阵为⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=9.005.005.01.08.01.02.01.07.0P求马尔科夫链的极限分布及各状态的平均返回时间解：这是一个不可约非周期，有限状态的马氏链，所以必有极限分布，且极限分布就是平稳分布。123(,,):ππππ=极限分布满足123(,,)πππ=123(,,)πππ0.70.10.20.10.80.10.050.050.9⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦1231πππ++=及

随机模拟的方法和应用

随机模拟是一种重要的数学方法，可以用来模拟各种现实世界中复杂的系统、行为和事件。它的应用领域广泛，包括金融、统计学、天气预测、交通规划、工程设计等多个领域。本文将简要介绍随机模拟的基础知识以及其在不同领域的应用。

1. 随机模拟的基础知识

随机模拟的实质是通过计算机程序生成的一系列随机数，来模拟真实的随机过程。因此，随机模拟的核心是随机数生成器。随机数生成器需要生成能够代表真实随机事件的随机数，这需要考虑一些关键问题：如何确定随机数的分布、如何生成不相关的随机数、如何满足特定的统计性质等。

常用的随机数生成方法包括线性同余发生器、Marsaglia发生器、梅森旋转游程测试以及基于物理过程的随机数发生器。这些方法在不同场合下各有优缺点，可以根据具体需求进行选择。

随机模拟的另一个基础是随机过程的建模。随机过程是一组与时间有关的随机变量序列，用来描述某个系统、事件或行为的随机性质。在进行随机模拟前，需要根据实际应用建立相应的随机过程模型，通常包括确定随机变量的分布、相关性结构以及参数等。

2. 随机模拟在金融中的应用

在金融领域，随机模拟被广泛应用于风险管理、资产定价、投资组合优化等方面。随机模拟可以通过模拟不断变化的金融市场来评估不同投资策略的风险水平和收益率。其中，蒙特卡罗模拟是一种常用的方法，它通过生成随机数对股票价格进行模拟，以此来分析不同投资组合在不同市场情况下的表现。

此外，随机模拟还可以用来构建金融风险模型，包括VaR、CVaR等风险指标。通过随机模拟的方法，可以不断地生成样本数据，并结合实际数据来计算风险指标，从而更加准确地评估金融投资风险。

3. 随机模拟在天气预测中的应用

天气预测是一项非常重要的应用领域，也是随机模拟的重要应用之一。天气系统具有复杂的非线性关系，因此难以建立确定性模型。随机模拟通过计算机程序模拟大气系统、海洋系统等自然系统的复杂变化，提供了一种高效、准确的天气预测方法。

（2009年）随机过程理论试题

学号 姓名 成绩

一. 填空(40分)

1. 设(,,)PF是随机试验E的概率空间，()是定义在它上面的一个随机变量，(,,)RPB是()的导出概率空间，则其中P是定义在 上的概率测度；P是定义在 上的概率测度。

2. 若已知,( )HXHtX且0··()ttlimXtX，则在内积空间中等价地有 ；在距离空间中等价地有 .

3. 设(), 1,2,,()iiNt是一独立同分布的随机变量序列，2()~(,)iN，()Nt是服从参数为的Poisson过程，且()Nt与()i相互独立，记随机和()1()()NtiiXt，则()Xt的矩母函数,()Xgt ；{()}EXt ；{()}DXt .

4. 记(), 0wtt是Wiener过程，则22()twt的Ito微分22(())dtwt .

5. 设, 0,1,2,nXn是不可约、有限状态空间的Markov链，且其一步状态转移矩阵的对角元素均大于零，则该Markov链的状态特性是 .

6. 设某汽车站乘客以平均每分钟4人到达的速率来到车站候车，车站以12分钟发放一辆班车运送顾客，为了提高服务质量，将乘客的人均等车时间缩短2分钟，此时车站应该至少 分钟发送一班车.

二.(15分) 一袋中有相同5只小球，其中3只红球，2只白球，红球上记数1，白球上记数2，随机试验E：随机地从袋中不放回地连续摸出2只小球，观察所摸到的小球情况。

1. 给出随机试验E的概率空间(,,)PF.

2. 记()为所摸出的小球上所记数字之和，试给出()的概率分布律和分布函数。