随机过程作业(全部)
作业1（随机过程的基本概念）
1、对于给定的随机过程{(),}X t t T ∈及实数x ，定义随机过程
1,()()0,()X t x
Y t X t x
≤?=?
>?，t T ∈ 请将{(),}Y t t T ∈的均值函数和相关函数用{(),}X t t T ∈的一维和二维分布函数表示。 2、设(),Z t X Yt t R =+?∈，其中随机变量X ，Y 相互独立且都服从2(0,)N σ，证明
{(),}Z t t R ?∈是正态过程，并求其相关函数。
3、设{(),0}W t t ≥是参数为2
σ的Wiener 过程，求下列过程的协方差函数： （1）{(),0}W t At t +≥，其中A 为常数；
（2）{(),0}W t Xt t +≥，其中(0,1)X N ，且与{(),0}W t t ≥相互独立；
（3）2{(),0}t
aW t a ≥，其中a 为正常数； （4）1
{(),0}tW t t
≥
作业2（泊松过程）
1、设{(),0}N t t ≥是强度为λ的Poisson 过程，令()()()Y t N t L N t =+-，其中L>0为常数，求{(),0}Y t t ≥的一维分布，均值函数和相关函数。
2、设{(),0}N t t ≥是强度为λ的Poisson 过程，证明对于任意的0s t ≤<，
(()|())()(1),0,1,,k k
n k n s s P N s k N t n C k n t t
-===-=
作业3 （更新过程）
1 设{(t),0}N t ≥是更新过程，更新间距,1,2,i X i = 服从参数为λ的指数分布，则
(t),0N t ≥是服从参数为λ的Poisson 分布。
2 某收音机使用一节电池供电，当电池失效时，立即换一节同型号新电池。如果电池的寿命服从30小时到60小时的均匀分布，问长时间工作情况下该收音机更换电池的速率是多少？ 若没有备用电池，当收音机失效时，立即在市场上采购同型号电池，获得新电池的时间服从0小时到1小时的均匀分布，求在长时间工作的情况下，更换电池的速率。
3 设{(t),0}N t ≥是更新过程，更新间距,1,2,i X i = 的概率密度函数是
(),()0,
,x e x f x x αβαββ--?>=?≤?
求((t))P N k ≥。
4 设{(t),0}N t ≥是更新过程，更新间距,1,2,i X i = ，()N M t t λ=是它的更新函数，求
1
[exp()],0n
k k E t X t =->∑。
5设{(t),0}N t ≥是更新过程，更新间距,1,2,i X i = 的概率密度函数是
2,0
()0,0
t te t f x t λλ-?>=?≤?
求更新函数()N M t 。
作业4（Markov 过程）
一、计算题
1、设{,0}n X n ≥是齐次Markov 链，其状态空间{,,}E a b c =，一步转移概率为矩阵为
1/21/41/42/301/33/52/50??????????
求（1）12340(,,,|)P X b X c X a X c X a =====； （2）2(|)n n P X c X b +==。
2、考虑一个质点在直线上作随机游动，如果在某一个时刻质点位于状态i ，则下一步将以概率(01)p p <<向前移动到达1i +，或以1q p =-向后移动到达1i -，以n X 表示n 时刻质点的位置，且在0时刻从原点出发，则{,0}n X n ≥显然是一个Markov 链。求 （1）写出状态空间E ；
（2）求一步转移概率矩阵； （3）求n 步转移概率矩阵。
3、设齐次Markov 链{,0}n X n ≥的状态空间是{1,,7} ，状态转移矩阵为
001/201/201/31/31/3000000100001/3000
002/301000001/20
00001/20003/40
1/40P ????????
?
?
=????
?
?
?????
?
（1）对状态空间进行分解；
（2）求平稳分布。
4、设齐次Markov 链{,0}n X n ≥的状态空间是{1,2,3}，状态转移矩阵为
000
q
p P q
p q
p ??
??=??????
其中(01)p p <<，1q p =-，问该Markov 链{,0}n X n ≥是否为遍历链，为什么？若是，求极限分布。
5、设Markov 链{,0}n X n ≥的状态空间是{1,2,} ，转移概率矩阵为
1122331000
100010001000k k p p p p p p P p p -??
??-?
???
-=?
?????
-?
???
其中1/,1,2,k k p e k -== ，判断状态1的性质。
6、某厂的商品销售状态可分为三个：分别用1，2，3表示滞销、正常和畅销，经过对历史资料的整理分析，其销售状态的变化与初始时刻无关，状态转移概率矩阵为
1/21/2
01/31/95/91/62/31/6P ????=??
????
试对经过长时间后的销售状况进行分析。
二、证明题
1、设,1,2,k Y k = 为相互独立的随机变量，证明 （1）{,1,2,}k Y k = 是Markov 链；
（2）1
{
,1,2,}n
k k Y n ==∑ 是Markov 链。
2、设{(),0}X t t ≥是状态离散的平稳的独立增量过程，且(0)0X =，证明{(),0}X t t ≥是Markov 链（注意，连续时间）。
3、设Markov 链{,0}n X n ≥的状态空间是{0,1,2,} ，转移概率为
0,10000,1,1,2,,i i i i p p p i p p -=>===
证明
（1）Markov 链{,0}n X n ≥是常返的不可约的； （2）Markov 链{,0}n X n ≥是零常返的充分必要条件是
1
1n n np
∞
-==∞∑；
（3）Markov 链{,0}n X n ≥是正常返的充分必要条件是
1
1
n n np
∞
-=<∞∑，且此时的平稳分布
为1
11,0,1,n n i n n p i np π∞
=∞-=??
????==????????
∑∑ 。 4、证明：若状态空间的元素个数为n ，且状态j 可由状态i 到达，则状态i 最多用n 步到达状态j 。
应用随机过程学习总结
应用随机过程学习总结 一、预备知识：概率论 随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。 1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。 本帖隐藏的内容 2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。 3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。 二、随机过程基本概念和类型 随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。 1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数 r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差 t-s有关，r(t) = r(-t)记为宽平稳随机过程。 因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。 2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。 兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。
随机过程作业
第三章 随机过程 A 简答题： 3-1 写出一维随机变量函数的均值、二维随机变量函数的联合概率密度（雅克比行列式）的定义式。 3-2 写出广义平稳（即宽平稳）随机过程的判断条件，写出各态历经随机过程的判断条件。 3-3 平稳随机过程的自相关函数有哪些性质功率谱密度有哪些性质自相关函数与功率谱密度之间有什么关系 3-4 高斯过程主要有哪些性质 3-5 随机过程通过线性系统时，输出与输入功率谱密度之间的关系如何 3-6 写出窄带随机过程的两种表达式。 3-7 窄带高斯过程的同相分量和正交分量的统计特性如何 3-8 窄带高斯过程的包络、正弦波加窄带高斯噪声的合成包络分别服从什么分布 3-9 写出高斯白噪声的功率谱密度和自相关函数的表达式，并分别解释“高斯”及“白”的含义。 3-10 写出带限高斯白噪声功率的计算式。 B 计算题： 一、补充习题 3-1 设()()cos(2)c y t x t f t πθ=?+，其中()x t 与θ统计独立，()x t 为0均值的平稳随机过程，自相关函数与功率谱密度分别为：(),()x x R P τω。 ①若θ在（0，2π）均匀分布，求y()t 的均值，自相关函数和功率谱密度。 ②若θ为常数，求y()t 的均值，自相关函数和功率谱密度。 3-2 已知()n t 是均值为0的白噪声，其双边功率谱密度为：0 ()2 N P ω= 双，通过下图()a 所示的相干解调器。图中窄带滤波器（中心频率为c ω）和低通滤波器的传递函数1()H ω及2()H ω示于图()b ，图()c 。
试求：①图中()i n t （窄带噪声）、()p n t 及0()n t 的噪声功率谱。 ②给出0()n t 的噪声自相关函数及其噪声功率值。 3-3 设()i n t 为窄带高斯平稳随机过程，其均值为0，方差为2 n σ，信号[cos ()]c i A t n t ω+经过下图所示电路后输出为()y t ，()()()y t u t v t =+，其中()u t 是与cos c A t ω对应的函数，()v t 是与()i n t 对应的输出。假设()c n t 及()s n t 的带宽等于低通滤波器的通频带。 求()u t 和()v t 的平均功率之比。
随机过程作业和答案第三章
第三章 马尔科夫过程 1、将一颗筛子扔多次。记X n 为第n 次扔正面出现的点数，问{X(n) , n=1,2,3,···}是马尔科夫链吗？如果是，试写出一步转移概率矩阵。又记Y n 为前n 次扔出正面出现点数的总和，问{Y(n) , n=1,2,3,···}是马尔科夫链吗？如果是，试写出一步转移概率矩阵。 解：1)由已知可得，每次扔筛子正面出现的点数与以前的状态无关。 故X(n)是马尔科夫链。 E={1,2,3,4,5,6} ,其一步转移概率为: P ij = P ij =P{X(n+1)=j ∣X(n)=i }=1/6 (i=1,2,…,6,j=1,2,…,6) ∴转移矩阵为 2)由已知可得，每前n 次扔正面出现点数的总和是相互独立的。即每次n 次扔正面出现点数的总和与以前状态无关，故Y(n)为马尔科夫链。 其一步转移概率为 其中 2、一个质点在直线上做随机游动，一步向右的概率为p , (0 2015-2016第一学期随机过程第二次上机实验报告 实验目的：通过随机过程上机实验，熟悉Monte Carlo计算机随机模拟方法，熟悉Matlab的运行环境，了解随机模拟的原理，熟悉随机过程的编码规律即各种随机过程的实现方 法，加深对随机过程的理解。 上机内容： （1）模拟随机游走。 （2）模拟Brown运动的样本轨道。 （3）模拟Markov过程。 实验步骤： （1）给出随机游走的样本轨道模拟结果，并附带模拟程序。 ①一维情形 %一维简单随机游走 %“从0开始，向前跳一步的概率为p，向后跳一步的概率为1－p” n=50; p=0.5; y=[0 cumsum(2.*(rand(1,n-1)<=p)-1)]; % n步。 plot([0:n-1],y); %画出折线图如下。 %一维随机步长的随机游动 %选取任一零均值的分布为步长, 比如，均匀分布。n=50; x=rand(1,n)-1/2; y=[0 (cumsum(x)-1)]; plot([0:n],y); ②二维情形 %在(u, v)坐标平面上画出点(u(k), v(k)), k=1:n, 其中(u(k))和(v(k)) 是一维随机游动。例 %子程序是用四种不同颜色画了同一随机游动的四条轨 道。 n=100000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(2,n)<0.5)-1; x=[zeros(1,2); cumsum(z')]; col=colorstr(k); plot(x(:,1),x(:,2),col); hold on end grid ③%三维随机游走ranwalk3d p=0.5; n=10000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(3,n)<=p)-1; x=[zeros(1,3); cumsum(z')]; col=colorstr(k); plot3(x(:,1),x(:,2),x(:,3),col); 第十二章 平稳随机过程 §1 基本概念 定义1：已给s.p t X t X {=，}T t ∈，若1≥?n ，即T 中任意的,,,21n t t t Λ与 h t h t h t n +++,,,21Λ，n 维r.v ),,(21n t t t X X X Λ与),,(21h t h t h t n X X X +++Λ有相同 的n 维d.f 。即 ) ,,,;,,(),,() ,,(),,,;,,,(2121212121212121n n n h t h t h t n t t t n n x x x h t h t h t F x X x X x X P x X x X x X P x x x t t t F n n ΛΛΛΛΛΛ+++=≤≤≤=≤≤≤=+++ 则称s.p t X 是一个严（强，狭义）平稳过程。 当t X ?n 维d.l 时，则有 ),,;,,,(),,;,,,(21212121n n n n x x x h t h t h t f x x x t t t f ΛΛΛΛ+++= 若取n =1，则有),(),(1111x h t f x t f +=，特别，当T ∈0，可取,1t h -=则有),0(),(111x f x t f =。此时平稳过程t X 的一维d.l 与1t （时间）无关。于是 X X m dx x xf t X E μ=== ?+∞ ∞ -),0()(1 即t X 的均值是一个与时间无关的常数。 其方差 ?∞ ∞ -=-=-=.),0()(][2 22 X X X t t dx x f m x m X E X D σ也与时间t 无关的 常数。 而且T X 的二维d.l 也只依赖于.21t t -=τ即当2t h -=时，有 ).,;(),;0,(),;,(2121212121x x f x x t t f x x t t f τ∧ =-= 所以t X 与τ+t X 之间自相关为 ??∞∞-∞ ∞ -+== =+).(),;(),(21212 1ττττX t t X R dx dx x x f x x X X E t t R 它只依赖于.τ类似地τ+t t X X ,之间协方差为 随机过程习题解答（一） 第一讲作业： 1、设随机向量的两个分量相互独立，且均服从标准正态分布。 （a）分别写出随机变量和的分布密度 （b）试问：与是否独立？说明理由。 解：（a） （b）由于： 因此是服从正态分布的二维随机向量，其协方差矩阵为： 因此与独立。 2、设和为独立的随机变量，期望和方差分别为和。 （a）试求和的相关系数； （b）与能否不相关？能否有严格线性函数关系？若能，试分别写出条件。 解：（a）利用的独立性，由计算有： （b）当的时候，和线性相关，即 3、设是一个实的均值为零，二阶矩存在的随机过程，其相关函数为 ，且是一个周期为T的函数，即，试求方差 函数。 解：由定义，有： 4、考察两个谐波随机信号和，其中： 式中和为正的常数；是内均匀分布的随机变量，是标准正态分布的随机变量。 （a）求的均值、方差和相关函数； （b）若与独立，求与Y的互相关函数。 解：（a） （b） 第二讲作业： P33/2．解： 其中为整数，为脉宽 从而有一维分布密度： P33/3．解：由周期性及三角关系，有： 反函数，因此有一维分布： P35/4. 解：(1) 其中 由题意可知，的联合概率密度为： 利用变换：，及雅克比行列式： 我们有的联合分布密度为： 因此有： 且V和相互独立独立。 （2）典型样本函数是一条正弦曲线。 （3）给定一时刻，由于独立、服从正态分布，因此也服从正态分布，且 所以。 （4）由于： 所以因此 当时， 当时， 由（1）中的结论，有： P36/7．证明： (1) (2) 由协方差函数的定义，有： P37/10. 解：（1） 当i =j 时；否则 令 ，则有 第三讲作业： P111/7．解： （1）是齐次马氏链。经过次交换后，甲袋中白球数仅仅与次交换后的状态有关，和之前的状态和交换次数无关。 （2）由题意，我们有一步转移矩阵： P111/8．解：（1）由马氏链的马氏性，我们有： （2）由齐次马氏链的性质，有： （2） 马尔可夫链 马尔可夫链是一种特殊的随机过程，最初由A.A .M arkov 所研究。它的直观背景如下:设有一随机运动的系统E (例如运动着的质点等)，它可能处的状态记为 ,....E ,...,E ,E n 10总共有可数个或者有穷个。这系统只可能在时刻t=1,2,…n,…上 改变它的状态。随着∑的运动进程，定义一列随机变量Xn,n=0,1, 2, ?其中Xn=k ，如在t=n 时，∑位于Ek 。 定义1.1 设有随机过程}{T n X n ∈，，若对任意的整数T n ∈和任意的 ,,...,110I i i i n ∈+条件概率满足 }i {},...,i X i {1n 100 01n 1n n n n n n i X X P i X X P ======++++ 则称}{T n X n ∈，为马尔可夫链，简称为马氏链。 实际中常常碰到具有下列性质的运动系统∑。如果己知它在t=n 时的状态，则关于它在n 时以前所处的状态的补充知识，对预言∑在n 时以后所处的状态，不起任何作用。或者说，在己知的“现在”的条件下， “将来”与“过去”是无关的。这种性质，就是直观意义上的“马尔可夫性”，或者称为“无后效性”。 假设马尔可夫过程}{T n X n ∈，的参数集T 是离散时间集合，即T={0,1,2,…},其相应Xn 可能取值的全体组成的状态空间是离散状态空间I={1,2,..}。 定义1.2 条件概率 }{P 1)(i X j X p n n n ij ===+ 称为马尔可夫链}{T n X n ∈，在时刻n 的一步转移矩阵，其中i ，j ∈I ，简称为转 移概率。 一般地，转移概率)(P n ij 不仅与状态i,j 有关，而且与时刻n 有关。当)(P n ij 不依赖于时刻n 时，表示马尔可夫链具有平稳转移概率。若对任意的i ，j ∈I ，马尔可夫 一、1.1设二维随机变量(,)的联合概率密度函数为： 试求:在时,求。 解： 当时，＝ ＝ 1.2 设离散型随机变量X服从几何分布： 试求的特征函数，并以此求其期望与方差。解： 所以： 2.1 袋中红球，每隔单位时间从袋中有一个白球，两个 任取一球后放回，对每 对应随机变量一个确定的t ?????=时取得白球如果对时取得红球 如果对t e t t t X t 3)( .维分布函数族试求这个随机过程的一 2.2 设随机过程 ，其中 是常数，与是 相互独立的随机变量，服从区间上的均匀分布，服从瑞利分布，其概 率密度为 试证明为宽平稳过程。 解：（1） 与无关 （2） ， 所以 （3） 只与时间间隔有关，所以 为宽平稳过程。 2.3是随机变量，且，其中设随机过程U t U t X 2cos )(=求：，.5)(5)(==U D U E .321）方差函数）协方差函数；（）均值函数；（（ 2.4是其中，设有两个随机过程U Ut t Y Ut t X ,)()(32==.5)(=U D 随机变量，且 数。试求它们的互协方差函 2.5， 试求随机过程是两个随机变量设B At t X B A 3)(,,+=的均值),(+∞-∞=∈T t 相互独若函数和自相关函数B A ,.),()(),2,0(~),4,1(~,21t t R t m U B N A X X 及则且立 为多少？ 3.1一队学生顺次等候体检。设每人体检所需的时间服从均值为2分 钟的指数分布并且与其他人所需时间相互独立，则1小时内平均有多少学生接受过体检？在这1小时内最多有40名学生接受过体检的概率是多少（设学生非常多，医生不会空闲） 解：令()N t 表示(0,)t 时间内的体检人数，则()N t 为参数为30的poisson 过程。以小时为单位。 则((1))30E N =。 40 30 (30)((1)40)!k k P N e k -=≤=∑。 3.2在某公共汽车起点站有两路公共汽车。乘客乘坐1,2路公共汽车的强度分别为1λ，2λ，当1路公共汽车有1N 人乘坐后出发；2路公共汽车在有2N 人乘坐后出发。设在0时刻两路公共汽车同时开始等候乘客到来，求（1）1路公共汽车比2路公共汽车早出发的概率表达式；（2）当1N =2N ，1λ=2λ时，计算上述概率。 解： 法一：（1）乘坐1、2路汽车所到来的人数分别为参数为1λ、2λ的poisson 过程，令它们为1()N t 、2()N t 。1 N T 表示1()N t =1N 的发生时 刻，2 N T 表示2()N t =2N 的发生时刻。 1 11 1111111()exp()(1)! N N N T f t t t N λλ-= -- 2 22 1222222()exp()(1)! N N N T f t t t N λλ-= -- 马尔可夫链 马尔可夫链是一种特殊的随机过程，最初由 A.A .M arkov 所研究。它的直观背景如下 : 设有一随机运动的系统 E ( 例如运动着的质点等 ) ，它可能处的状态记为E 0 , E1 ,..., E n ,.... 总共有可数个或者有穷个。这系统只可能在时刻t=1,2, n, 上改变它的状态。随着的运动进程，定义一列随机变量 Xn,n=0,1, 2, ?其中Xn=k，如在 t=n 时，位于 Ek。 定义 1.1 设有随机过程 X n， n T ，若对任意的整数 n T 和任意的 i 0 , i1 ,...i n 1 I , 条件概率满足 { i n 1 X i ,..., X n i n }{ i n 1 X n i n } P X n 1 0 P X n 1 则称 X n， n T为马尔可夫链，简称为马氏链。 实际中常常碰到具有下列性质的运动系统。如果己知它在t=n 时的状态，则关于它在 n时以前所处的状态的补充知识，对预言在 n时以后所处的状态，不起任何作用。或者说，在己知的“现在”的条件下，“将来”与“过去”是 无关的。这种性质，就是直观意义上的“马尔可夫性”，或者称为“无后效性” 。假设马尔可夫过程 X n， n T 的参数集T是离散时间集合，即T={0,1,2, }, 其相应 Xn可能取值的全体组成的状态空间是离散状态空间I={1,2,..}。 定义 1.2 条件概率 P( n) { j X n i } ij p X n 1 称为马尔可夫链X n， n T 在时刻n的一步转移矩阵，其中i，j I ，简称为转移概率。 一般地，转移概率 P ij( n )不仅与状态 i,j 有关，而且与时刻 n有关。当 P ij( n)不依赖于时刻 n时，表示马尔可夫链具有平稳转移概率。若对任意的 i ，j I，马尔可夫 第三章随机过程作业 1.设A、B是独立同分布的随机变量，求随机过程的 均值函数、自相关函数和协方差函数。 2.设是独立增量过程，且，方差函数为。记随机过程 ，、为常数，。 （1）证明是独立增量随机过程； （2）求的方差函数和协方差函数。 3.设随机过程，其中是相互独立的随机变量且均值为0、 方差为1，求的协方差函数。 4.设U是随机变量，随机过程. (1) 是严平稳过程吗为什么 (2) 如果，证明：的自相关函数是常数。 5.设随机过程,其中U与V独立同分布 。 (1) 是平稳过程吗为什么 (2) 是严平稳过程吗为什么 6.设随机变量的分布密度为, 令, 试求的一维概率分布密度及。 7.若从t = 0开始每隔1/2分钟查阅某手机所接收的短信息 , 令 试求：的一维分布函数 8.设随机过程, 其中是相互独立的随 机变量 , 且, 试求的均值与协方差函数 . 9.设其中为常数 , 随机变量 , 令 , 试求 :和 。 10.设有随机过程，并设x是一实数，定义另一个随机过程 试证的均值和自相关函数分别为随机过程的一维和二维分布函数。11.设有随机过程,，其中为均匀分布 于间的随机变量，即试证： （1）自相关函数 （2）协相关函数 12.质点在直线上作随机游动，即在时质点可以在轴上往右或往左作 一个单位距离的随机游动。若往右移动一个单位距离的概率为，往左移动一个单位距离的概率为，即 ，且各次游动是相互统计独立的。经过n 次游动，质点所处的位置为。 （1）的均值； （2）求的相关函数和自协方差函数和。 13.设，其中服从上的均匀分布。试证 : 是宽平稳序列。 14.设其中服从上的均匀分布. 试 证 :既不是宽平稳也不是严平稳过程 . 15.设随机过程和都不是平稳的，且 其中和是均值为零的相互独立的平稳过程，它们有相同的相关函数，求证 是平稳过程。 16.设是均值为零的平稳随机过程。试 证 : 仍是一平稳随机过程 , 其中为复常数，为整数。 17.若平稳过程满足条件，则称是周 期为的平稳过程。试证是周期为的平稳过程的充分必要条件是其自相关函数必为周期等于的周期函数。 南昌航空大学硕士研究生2009 / 2010学年第一学期考试卷 1. 求随机相位正弦波()cos()X t a t ωθ=+，(,)t ∈-∞+∞，的均值函数，方差函数和自相关函数。其中θ是在（-л，л）内均匀分布的随机变量 2.()X t 是泊松过程，求出泊松过程的均值函数(),X m t 方差函数()X D t ，相关函数(,)X R s t 协方差函数(,)X B s t . 3.设顾客到达商场的速率为2人/分钟，求: (i)在10分钟内顾客达到数的均值； (ii) 在10分钟内顾客达到数的方差； (iii)在10分钟内至少一个顾客达到的概率； (iv)在10分钟内到达顾客不超过3人的概率。(12分) 4.利用重复抛掷硬币的实验定义一个随机过程cos ,(){ 2,, t X t t π=出现正面，出现正面， (,)t ∈-∞+∞ 求:(i)()X t 的一维分布函数1(,),(,1);2F x F x (ii)()X t 的二维分布函数121(,,1);2F x x (iii)()X t 的均值函数(),(1),X X m t m 方差函数(),(1)X X D t D .(16分) 5.设移民到某地区的居民户数是一泊松过程，平均每周有2户定居，如果每户的人口数是随机变量，一户4口人的概率是1/6,一户3口人的概率是1/3,一户2口人的概率是1/3,一户1口人的概率是1/6,并且 每户的人口数是相互独立的，求2周内移民到该地区的人口数的期望和方 6.设{,1}n X n ≥为有限齐次马尔可夫链，其初始分布和概率转移矩阵为 01 {},1,2,3,4.4 i p P X i i ==== 11114444111144441111444411114444?? ? ? ? ? ? ? ? ? ??? , 求(i)201{4|1,14}P X X X ==<<,(ii) 21{4|14}P X X =<<(12分) 7.设明天是否有雨仅与今天的天气有关，而与过去的天气无关。又设今天下雨明天也下雨的概率为0.7,今天无雨明天有雨的概率为0.4，规定有雨的天气状态为0，无雨的天气状态为1.求周一下雨周四也下雨的概率。 8.设{1,2,3,4}I =，其一步转移概率矩阵为: 实验名称：相关正态随机过程的仿真 一、实验目的 以正态随机过程为例，掌握离散时间随机过程的仿真方法，理解正态分布随机过程与均匀分布随机过程之间的相互关系，理解随机过程的相关函数等数值特征;培养计算机编程能力。 二、实验容 相关正态分布离散随机过程的产生 （1）利用计算机语言的[0,1]区间均匀分布随机数产生函数生成两个相互独立的序列 {U1(n)|n=1,2,…100000}，{U2(n)|n=1,2,…100000} 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%----------------在[0,1] 区间用rand函数生成两个相互独立的随机序列 n1=hist(u1,10);%--------------------------hist函数绘制分布直方图 subplot(121);%-----------------------------一行两列中的第一个图 bar(n1); n2=hist(u2,10); subplot(122); bar(n2); 实验结果： （2）生成均值为m=0，根方差σ=1的白色正态分布序列 {e(n)|n=1,2, (100000) [][] m n u n u n +=)(2cos )(ln 2-)(e 21πσ 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%---------------在[0,1] 区间用rand 函数生成两个相互独立的随机序列 en=sqrt(-2*log(u1)).*cos(2*pi*u2);%--------定义白色正态分布e(n) n=hist(en,100);%--------------------------hist 函数绘制分布直方图 bar(n); 实验结果： （3）假设离散随机过程x(n)服从均值为x m =0、根方差为2x =σ、相关函数为||2)(r k x x k ασ= )6.0(=α 功率谱函数为 1.Players A and B take turns in answering trivia questions, starting with player A answering the ?rst question. Each time A answers a question, she has probability p 1 of getting it right. Each time B plays, he has probability p 2 of getting it right. (a)If A answers m questions, what is the PMF of the number of questions she gets right? The r.v.is Bin(m,p 1),so the PMF is m k p k 1(1 p 1)m k for k 2{0,1,...,m }.(b)If A answers m times and B answers n times,what is the PMF of the total number of questions they get right (you can leave your answer as a sum)?Describe exactly when/whether this is a Binomial distribution. Let T be the total number of questions they get right.To get a total of k questions right,it must be that A got 0and B got k ,or A got 1and B got k 1,etc.These are disjoint events so the PMF is P (T =k )=k X j =0?m j ◆p j 1(1 p 1)m j ?n k j ◆p k j 2(1 p 2)n (k j )for k 2{0,1,...,m +n },with the usual convention that n k is 0for k >n . This is the Bin(m +n,p )distribution if p 1=p 2=p ,as shown in class (using the story for the Binomial,or using Vandermonde’s identity).For p 1=p 2,it’s not a Binomial distribution,since the trials have di ?erent probabilities of success;having some trials with one probability of success and other trials with another probability of success isn’t equivalent to having trials with some “e ?ective”probability of success.(c)Suppose that the ?rst player to answer correctly wins the game (with no prede-termined maximum number of questions that can be asked).Find the probability that A wins the game. Let r =P (A wins).Conditioning on the results of the ?rst question for each player,we have r =p 1+(1 p 1)p 2·0+(1 p 1)(1 p 2)r, which gives r =p 11 (1 p 1)(1 p 2)=p 1p 1+p 2 p 1p 2 .1 SI 241 Probability & Stochastic Processes, Fall 2016 Homework 3 Solutions 随机过程2016 作业及答案 平稳随机过程及其数字特征 平稳随机过程 粗略的说——随机过程的统计特征不随时间的推移而变化。一.严平稳随机过程 1. 定义设有随机过程{ X(t) , t ∈T}，若对于任意n 和任意t1 因此：严平稳过程的二维数字特征仅是（时间差τ）的函数 综上所述：要按上述严平稳过程的定义来判断一个过程是否平稳?是很困难的。 a)：一般在实用中，只要产生随机过程的主要物理条件，在时间 进程中不变化。则此过程就可以认为是平稳的。 例如：在电子管中由器件的颗粒效应引起的“散弹噪声”，由于产生此噪声的主要物理条件与时间无关，所以此噪声可以认为是平稳过程。 12121212 12 1 21212 2 2 2 (,)(,;)() (,)()()(,;)()()(0)(0)[()] X X X X X X X X X X X X X X R t t x x f x x dx dx R C t t x m x m f x x dx dx C R m C R m D X t τττττσ=?==??==?=?==∫∫∫∫ ∞<)]([2 t X E b)：另一方面，对有些非平稳过程，可以根据需要，如果它在所观测的时间段内是平稳的，就可以视作这一时间段上的平稳过程来处理。即在观测的有限时间段内，认为是平稳过程。 因此，工程中平稳过程的定义如下： 二、宽平稳过程1、定义 若二阶矩过程( )X(t) 满足: E[X(t)]=m x ←常数 R x (t 1,t 2)=R x (τ) ←只与时间间隔(τ=t 2-t 1)有关 则称过程X(t)为“宽平稳随机过程”（广义平稳过程）。 可见：一个均方值有限的严平稳过程，一定是宽平稳过程。反之：一个宽平稳过程，则不一定是严平稳过程。 c)：一般在工程中，通常只在相关理论的范围内讨论过程的平稳问题。即：讨论与过程的一、二阶矩有关的问题。 随机实验报告 班级：通信1301班姓名：郭世康 学号：U201313639 指导教师：卢正新 一、模块功能描述 CMYRand类是整个系统的核心，它产生各种随机数据供后面的类使用。可以产生伪随机序列、均匀分布、正态分布、泊松分布、指数分布等多种随机数据。 CRandomDlg类是数据的采集处理类。它可以将CMYRand产生的随机数据处理分析，再送入CScope等类进行模拟示波器显示。 CScope等类是有关示波器显示的类。 二、模块间的关系 CRandomDlg类在整个程序中是一个不可缺少的环节，它调用CMYRand中的函数来产生符合所需分布的随机序列，再将产生的结果统计分析，送到CScope类中的函数进行模拟示波器显示。CMYRand为整个程序的核心，就是这个类产生所需分布的随机序列。CAboutDlg是模拟示波器界面上的有关按钮选项的类。我们在示波器界面上点击一个按钮，它就会执行这个按钮所对应功能，比如点击正态分布，它就会调用CRandomDlg中的对应函数，在调用CMYRand中的产生正态分布的函数，再将结果送到CScope类中进行显示，最后我们可以在示波器上看到图形。 三、数据结构 在本次随机试验中所填写的代码部分并没有用到有关于结构体等数据结构的东西。 四、功能函数 1、 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S==seed) 随机过程学习报告 通过这一段时间以来的学习，我认识到我们的生活中充满了随机过程的实例，在生活中我们经常需要了解在一定时间间隔[0,t)内某随机事件出现次数的统计规律，如到某商店的顾客数；某电话总机接到的呼唤次数；在电子技术领域中的散粒噪声和脉冲噪声；已编码信号的误码数等。在我们的专业学习——通信工程中，研究数字通信中已编码信号的误码流，数模变换中对信号进行采样等也都会应用到随机过程的知识，因此这门课程的学习是非常重要的。 一、认识泊松过程与复合泊松过程的区别 泊松过程是一类很重要的随机过程，随机质点流描述的随机现象十分广泛，下面我就通过运用泊松过程的知识解答一道书本中的实际应用题目： 设移民到某地区定居的户数是一泊松过程，平均每周有两户定居，即λ=2。若每户的人口数是随机变量，一户4人的概率是1/6，一户3人的概率是1/3，一户两人的概率是1/3，一户一人的概率是1/6，且每户的人口数是相互独立的，①5周内移民到该地区定居的人口数是否为泊松过程？②求上述随机过程的数学期望与方差。 分析：这道题目中的问题就是复合泊松过程的实际应用，这类过程具有泊松过程的一部分性质，不同的地方就在于随机质点流的到达不必再满足每次只能到一个的标准，这就将随机过程的研究与实际相融合，生活中的大部分过程其实是不可能满足每次到达一个这样的苛刻要求的，比如调查到达商场购物的人数等问题时，实际去商场购物时人们大多都是与好朋友结伴出行而不可能存在每个人都是独自来购物的现象，所以引入复合泊松过程是十分有必要的。 解：设[0,t)时间内到该地定居的户数为N(t)，则{N(t)，t>=0}是一泊松过程，X(n)为第n 户移民到该地定居的家庭人口数，{X(0)=0,X(n),n=1,2,3···}是独立同分布随机变量列，Y(t)为[0,t)时间内定居到该地的人数。 则Y(t)=∑=) (0 )n (X t N n t>=0 为一复合泊松过程， )()(υ?n X =4γi e *1/6+3γi e *1/3+2γi e *1/3+γi e *1/6 )()t (υ?Y =)1)((t )1(-γ?λX e 由特征函数的唯一性可知，Y(t)不是泊松过程。 E[X(n)]=4*1/6+3*1/3+2*1/3+1*1/6=5/2 E[）（n X 2 ]=16*1/6+9*1/3+4*1/3+1*1/6=43/6 则E[Y(t)]=λt*E[X(1)]=t*5; D[Y(t)]=λt*E[）（1X 2 ]=t*43/3; 则五周内定居到该地的人数数学期望为：5*5=25 方差为：5*43/3=215/3 随机过程读书报告 老子云：“合抱之木，生于毫末；九层之台，起于垒土；千里之行，始于足下。”而这句话的哲理就是告诉我们量变最终可以达到质变。而对于任何事物的认识只有逐渐积累，扩大视野，把握其整体基础体系并不断思索，才会上升到一个新的高度。其实考试只是一种形式，而真正的去理解和领悟一门课程知识才是最为重要的，而学期结束时写一篇读书报告有利于我们去对这门课整体把握同时也复习一下已经掌握的知识。因此，我想这也是老师的一番苦心吧！ 说实在的，我本科是师范类专业的，从未接触过随机过程这门在工程技术中广泛应用的课程知识。但我感到很庆幸，有幸在读研期间接触到这门课程。并对其有了初步的了解和认识。下面对自己对随机过程的学习做以下报告：学习过程中通过老师的讲解和自己课下的学习我了解到随机过程的理论与方法，已广泛地应用于科学技术各个领域，并越来越显示出十分重要的作用。例如，平稳过程的滤波和预测应用于通信、雷达及导航；时间序列分析应用于系统建模及气象预报；卡尔曼滤波应用于空间技术及信息处理；线性系统在随机作用下的分析计算应用于电力系统运行及船舶自动航行等等。不仅如此，随机过程理论与方法已广泛地渗透到很多专业和技术领域中，特别是，作为控制科学与工程的基础课，为许多后续专业课，如系统辨识与参数估计，自适应控制，随机控制，最优估计，智能控制与专家系统等学习，打下坚实的理论基础。因此，我认识到对于工科院校的研究生以及从事科学研究、工程技术的工作者，随机过程无疑是一门很重要的基础课程。 下面具体谈一下我所了解和学到的随机过程知识。 一般来说，把一组随机变量定义为随机过程。在研究随机过程时人们透过表面的偶然性描述出必然的内在规律并以概率的形式来描述这些规律，从偶然中悟出必然正是这一学科的魅力所在。 古人云：“欲灭一国，必先灭其历史文化。”由此可见历史文化的重要性，下面我们就一起来了解一下随机过程学科的历史发展，随机过程整个学科的理论基础是由柯尔莫哥洛夫和杜布奠定的。这一学科最早源于对物理学的研究，如吉布斯、玻尔兹曼、庞加莱等人对统计力学的研究，及后来爱因斯坦、维纳、莱维等人对布朗运动的开创性工作。1907年前后，马尔可夫研究了一系列有特定相依性的随机变量，后人称之为马尔可夫链。1923年维纳给出布朗运动的数学定义，直到今日这一过程仍是重要的研究课题。随机过程一般理论的研究通常认为开始于20世纪30年代。1931年，柯尔莫哥洛夫发表了《概率论的解析方法》，1934年A·辛钦发表了《平稳过程的相关理论》，这两篇著作奠定了马尔可夫过程与平稳过程的理论基础。1953年，杜布出版了名著《随机过程论》，系统且严格地叙述了随机过程基本理论。 在研究方法方面，研究随机过程的方法多种多样，主要可以分为两大类：一类是概率方法，其中用到轨道性质、停时和随机微分方程等；另一类是分析的方法，其中用到测度论、微分方程、半群理论、函数堆和希尔伯特空间等。实际研究中常常两种方法并用。另外组合方法和代数方法在某些特殊随机过程的研究中也有一定作用。而该课程研究的主要内容有：多指标随机过程、无穷质点与马尔可夫过程、概率与位势及各种特殊过程的专题讨论等。中国学者在平稳过程、马 绘制样本曲线的MATLAB命令： t=1:50:100000; xt1=0.5*cos(0.5.*t+pi/3); subplot(2,2,1) plot(t,xt); axis([1 100000 -1 1]); title('样本曲线一，sita=pi/3'); xt2=0.5*cos(0.5.*t+pi/2); subplot(2,2,2); plot(t,xt); axis([1 100000 -1 1]); title('样本曲线二，sita=pi/2'); xt3=0.5*cos(0.5.*t+3*pi/4); subplot(2,2,3); plot(t,xt); axis([1 100000 -1 1]); title('样本曲线三，sita=3*pi/4'); xt3=0.5*cos(0.5.*t+3*pi/2); subplot(2,2,4); plot(t,xt); axis([1 100000 -1 1]); title('样本曲线四，sita=3*pi/2'); 四条样本曲线图： 选取第一条样本曲线对时间求均值： MATLAB 命令为： avX=sum(xt1)/length(t) avX = 0.0018 泊松过程的模拟： a 采用增量迭加法产生泊松过程 根据泊松过程是一个平稳增量随机过程，那么可知 1100()()()()()()()()n n n N t N t N t N t N t N t N t N t -=-+-+???+-+ 其中1()()()n n N t N t P λτ--= 假设某泊松过程的参数λ=3，时间最大为30，τ=1那么MTALAB 参数的样本曲线命令为 lamda=2;Tmax=30;hao=1; for j=1:4 i=1;N(1)= 0; while(i随机过程上机实验报告讲解.pdf
第十二章 平稳随机过程
随机过程习题答案A
随机过程报告——马尔可夫链
随机过程习题和答案
随机过程报告——马尔可夫链.doc
随机过程作业
随机过程作业
相关正态随机过程的仿真实验报告材料
随机过程2016作业及答案3
平稳随机过程及其数字特征
随机过程上机实验报告-华中科技大学--HUST
随机过程学习总结
随机过程读书报告
随机过程课程作业(附MATLAB源码)