随机过程基本概念

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。

随机过程的基本概念

1、随机过程的两种定义

①随机过程是所有样本函数的集合，记为ξ(t)。

样本函数：实验过程中一个确定的时间函数xi(t)，即指某一次具体的实现。

②随机过程是在时间进程中处于不同时刻的随机变量的集合。

随机变量：某一固定时刻t1，不同样本函数的取值即为一个随机变量ξ(t1)。

2．随机过程的分布函数

（1）n维分布函数的定义

（2）n维概率密度函数的定义

如果

存在，则称其为ξ(t)的n维概率密度函数。

3．随机过程的数字特征

（1）均值（数学期望）

①均值的定义

随机过程ξ(t)的均值或数学期望定义为

②均值的意义

E[ξ(t)]是时间的确定函数，记为a(t)，表示随机过程的n个样本函数曲线的摆动中心。

（2）方差

①方差的定义

随机过程ξ(t)的方差定义为

常记为σ2(t)。

②方差的意义

方差等于均方差与均值平方之差，表示随机过程在时刻t相对于均值a(t)的偏离程度。

（3）相关函数

①协方差函数

协方差函数的定义为

②自相关函数

自相关函数的定义为

③R(t1，t2)与B(t1，t2)的关系

④R(t1，t2)与B(t1，t2)的意义

衡量随机过程在任意两个时刻上获得的随机变量之间的关联程度。

⑤互相关函数

设ξ(t)和η(t)分别表示两个随机过程，则互相关函数定义为

随机过程基本概念及随机游走的应用

随机过程是一类随时间变化而变化的随机现象的数学模型。随机过程可以用来描述许多自然科学、社会科学和工程技术中的随机现象。本文将介绍随机过程的基本概念和随机游走的应用。

一、随机过程的基本概念

随机过程是一个随时间变化而变化的随机变量序列。具体而言，假设我们有一个时间轴{t1, t2, …, tn}，那么对于每个时刻ti，我们都会得到一个随机变量Xi，这就构成了一个随机过程。一个随机过程可以用集合{Xt}表示，其中Xt表示在时刻t的随机变量。

对于一个随机过程，我们通常关心的是它的均值函数和相关函数。均值函数E(Xt)表示在时刻t的随机变量的期望值，相关函数R(Xt, Xs)表示在时刻t和时刻s的随机变量的协方差，即E((Xt -

E(Xt)) * (Xs - E(Xs)))。在实际应用中，我们经常需要用到自协方差函数Cov(Xt, Xt+h)，表示在时刻t和时刻t+h的随机变量的协方差。

二、随机游走的应用

随机游走是一种常见的随机过程，它可以用来描述一些随机漂移现象。具体而言，假设我们有一个随机过程{Xt}，每次时刻t+1的随机变量都是时刻t的随机变量加上一个随机扰动，即Xt+1=Xt+Wt，其中Wt是一个独立同分布的随机变量，它的期望值为0，方差为σ^2。

随机游走可以用来描述许多自然现象，例如股票价格的波动、航空器的空气动力学特性等。在股票价格的模型中，我们通常使用随机游走来描述价格的漂移现象，其中Wt表示股票价格的逐日波动。在航空器模型中，我们使用随机游走来描述飞机的剧烈晃动现象，其中Wt表示飞机扰动的随机性。

除了股票价格和航空器的模型，随机游走还可以用来描述许多其他随机漂移现象，例如天气的变迁、金融市场的波动等。

三、结论

本文介绍了随机过程的基本概念和随机游走的应用。随机过程是一类随时间变化而变化的随机现象的数学模型，它可以用来描述许多自然科学、社会科学和工程技术中的随机现象。随机游走是一种常见的随机过程，它可以用来描述一些随机漂移现象，例如股票价格的波动、航空器的空气动力学特性等。

随机过程的基本概念和分类

随机过程是一种随时间和其他随机变量而变化的数学对象，是概率论和统计学中的重要概念。它被广泛应用于自然科学、工程学、经济学、金融学和社会科学等领域。本文将介绍随机过程的基本概念和分类，帮助读者更好地理解随机过程的本质和应用。

1. 随机过程的基本概念

随机过程是由一组随机变量组成的序列或函数，它表示在一定随机环境下某个系统或现象的发展过程。在随机过程中，时间通常是一个自变量，而随机变量则是随时间变化的函数或序列。根据定义域的不同，随机过程可以分为离散时间和连续时间两种类型。

离散时间的随机过程是在离散时间点上的序列，例如投骰子的过程。连续时间的随机过程是在连续时间上的函数，例如天气的变化。在通常情况下，连续时间的随机过程被认为是一个时间的连续函数，而离散时间的随机过程则表示为时间的离散序列。

随机过程可以用概率分布函数来表达。对于连续时间的随机过程，它的概率分布函数是一个满足概率公理的函数。对于离散时间的随机过程，概率分布可以用概率质量函数来描述。概率分布函数可以通过研究随机过程的瞬时状态来推导。随机过程的瞬时状态指位置和方向的一切资料，包括当前位置、速度和加速度等。

2. 随机过程的分类

随机过程可以按照多种方式进行分类。以下是一些常见的分类方式。

2.1 马尔可夫过程

马尔可夫过程是一种随机过程，它的状态转移只与它的当前状态有关，而与过去状态和未来状态无关。马尔可夫过程被广泛应用于物理、经济、金融和信号处理等领域。根据定义域的不同，马尔可夫过程可以分为离散时间和连续时间两种类型。离散时间的马尔可夫过程可以用转移矩阵来描述，而连续时间的马尔可夫过程则可以用转移概率密度函数来描述。

2.2 平稳过程

平稳过程是指在不同时间段内，随机过程的统计分布不随时间而改变的随机过程。这意味着它的瞬时状态空间必须一致，并且在不同的时间点上具有相同的概率分布。平稳过程的例子包括白噪声、布朗运动和马尔可夫过程等。