随机过程第4章习题
随机过程 第四章4
lim
n
n
k 1
0, 如 j 为非常返或零常返 f p ij ( k ) ij , 如 j 为正常返 j
练习
1设状态空间S={1,2,3,4}的齐次马氏链,它的 一步转移概率矩阵为
1 2 1 P 2 1 4 0 1 1 2 1 4 0 1 4 0 0 0 2 0 1 4 1 0
1 2
n 1 , p 23 ( n ) 0,
n
极限 lim p i 3 ( n ) 存在 i 2 , 3 , 5
对正常返状态
j ,我们一般不讨论极限 1 n
lim p ij ( n ),
n
而只研究: (1) lim p ij ( nd );2 ) lim (
n
j 0
定理:不可约非周期马 是存在平稳分布,且此 1 ,j u j 证:先证充分性 I
氏链是正常返的充要条 平稳分布就是极限分布
件
设 j, j I 是平稳分布, j
由于 得
i I
i
p ij ( n )
顺序,
j I
i
1, i 0,故可交换极限与求和
N
1 p kj ( n ) kI k
(1)
下面来证明等号成立, 1
由
p ik ( n )
kI
N
p ik ( n )
k 0
先令 n ,再令 N 取极限得: 1 1 kI u k
2 1 j , 式为严格大于
n
j lim
i I
随机过程习题集-第四章马尔可夫过程
1第四章 马尔可夫过程内容提要1. 马尔可夫过程的概念 (1)马尔可夫过程给定随机过程{}(),X t t T ∈,如果对122,∀≥∀<<<∈n n t t t T ,有11221111{()|(),(),,()}{()|()}n n n n n n n n P X t x X t x X t x X t x P X t x X t x ----<====<=则称{}(),X t t T ∈为马尔可夫过程。
称(){}:,==∈E x X t x t T 为状态空间。
参数集和状态空间都是离散的马尔可夫过程称为离散参数马氏链. 参数连续、状态空间离散的马尔可夫过程称为连续参数马氏链. (2)k 步转移概率设{}(),0,1,2,=X n n 为离散参数马氏链,称()(),(,){|},0,1=+==≥≥i j p n k P X n k j X n i n k为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率,称(),(,)((,)),P =∈i j n k p n k i j E为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率矩阵. 特别地,当1k =时,在时刻n 的一步转移概率和一步转移概率矩阵分别简记为()ij p n 和()n P . (3)初始分布、绝对分布称((0)),,==∈i p P X i i E 为离散参数马氏链{}(),0,1,2,=X n n 的初始分布,记为0P ,称()(){},,==∈j p n P X n j j E 为马尔可夫链{}0n X n ≥的绝对分布,记为P n . (4)离散参数齐次马氏链设{}(),0,1,2,=X n n 是一离散参数马氏链,如果其一步转移概率()ij p n 恒与起始时刻n 无关,记为ij p ,则称{}(),0,1,2,=X n n 为离散参数齐次马氏链。
若{}(),0,1,2,=X n n2是离散参数齐次马氏链,则其k 步转移概率记为(),i j p k ,一步转移概率矩阵和k 转移概率矩阵分别记为P 和().P k(5) 离散参数齐次马氏链的遍历性离散参数齐次马氏链{X (n ) ,n=0,1,2… },若对一切状态i ,j ,存在与i 无关的极限()()lim 0,ij j n p n i j E →+∞=π>∈则称此马氏链具有遍历性.0,1j j j Ej E ππ∈>∈=∑若且则称{},j j E π∈为离散参数齐次马氏链{X (n ) ,n=0,1,2… }的极限分布,或称为最终分布,记为{},j j E ∏=∈π(6)离散参数齐次马氏链的平稳分布离散参数齐次马氏链{X (n ) ,n=0,1,2… },若存在{v j , j ∈E } 满足条件:1)0,2)13)j jj Ej i iji Ev j E vv v p ∈∈≥∈==∑∑则称此马氏链是平稳的,称 { v j , j ∈E } 为此马氏链的平稳分布。
随机过程-第四章 更新过程
4.1 更新过程定义
上一章我们看到泊松过程的到达时间间隔是服从独立同分布的指数随机变量。现将其 进行推广,考虑到达时间间隔服从独立同分布,但分布函数任意,这样得到的计数过程称为 更新过程。 设 X n , n 1, 2, 是一列服从独立同分布的非负随机变量,分布函数为 F ( x) ,为避 免显而易见的平凡情形, 假设 F (0) P X n 0 1 。 将 X n 解释为第 n 1 个与第 n 个事件 之间相距的时间,记 E ( X n ) 有 0 。令 Tn
这其中利用了 X n , n 1, 2, 的独立同分布性质,这里 [1 F (b)] (0,1) 。又因为
k
Tmk t Tk T0 t , T2k Tk t ,, Tmk T( m1)k t
而且更新区间(相当于时间间隔)服从独立同分布,即
P 1 因 此 存 在 a 0 , 使 得 P Xn a 0 , 从 而 由 于 F( 0 ) X n 0 , P X n a 1 。而 F (a) P X n a P X n a P X n a
为 避 免 因 可 能 的
N (t ) sup n, Tn t
定义 4.1 更新过程:计数过程 N (t ), t 0 称为更新过程。
在更新过程中我们将事件发生一次叫做一次更新, 从而 X n 就是第 n 1 次与第 n 次更新 相距的时间,Tn 表示第 n 次更新发生的时刻, 而 N (t ) 就是 t 时刻或 t 时刻之前发生的总的更 新次数。更新过程一个典型的例子是机器零件的更换。 我们首先要回答是第一个问题是在有限时间内是否会有无限多次更新发生。答案是不 会发生这种情况的概率为 1。由强大数定律可知
钱敏平龚光鲁随机过程答案(部分)
钱敏平龚光鲁随机过程答案(部分)随机过程课后习题答案第⼀章第⼆题:已知⼀列⼀维分布{();1}n F x n ≥,试构造⼀个概率空间及其上的⼀个相互独⽴的随机变量序列{(,);1}n n ξ?≥使得(,)n ξ?的分布函数为()n F x 。
解:有引理:设ξ为[0, 1]上均匀分布的随机变量,F(x)为某⼀随机变量的分布函数,且F(x)连续,那么1()F x η-=是以F(x)为分布的随机变量。
所以可以假设有相互独⽴的随机变量12,,...,n θθθ服从u[0, 1]分布,另有分布{()}n F x ,如果令1(,)()n n n F ξθ-?=,则有(,)n ξ?为服从分布()n F x 的随机变量。
⼜由假设条件可知,随机变量{(,),1}n n ξ?≥之间相互独⽴,则其中任意有限个随机变量12(,), (,),...,(,)n i i i ξξξ的联合分布为:11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i x i x i x F x F x F x ξξξ?≤?≤?≤=再令112{,,...,,...},,{|()[0,1],1,2,...}n i i i i w w w w A A x F x i -Ω=∈=∈=,令F 为Ω所有柱集的σ代数,则由Kolmogorov 定理可知,存在F 上唯⼀的概率测度P 使得:11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i w i w i w F w F w F w ξξξ?≤?≤?≤=则所构造的概率空间为(Ω,F , P)。
第⼋题:令{};1n X n ≥是⼀列相互独⽴且服从(0,1)N (正态分布)的随机变量。
⼜令1n n S X X =++22(1)n S n n ξ+=1(,,)n n F X X σ=试证明:,;1n n F n ξ≥()是下鞅(参见23题)。
随机过程课后题答案
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 <<=-是已知参数。
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 ∞==+∑则 1000()(1)1xxnn k n xS t dt n t dt x x∞∞+===+==-∑∑⎰⎰202201()()(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 ∞==+∑ 则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) 证明对具有相同的参数的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,则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) 若(,)i i X p b Γ 1,2i = 则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。
(解答)《随机过程》第四章习题
第四章 二阶矩过程、平稳过程和随机分析 习题解答1、 设∑=-=Nk k k kn U n X 1)cos(2ασ,其中k σ和k α为正常数,)2,0(~πU U k ,且相互独立,N k ,,2,1 =,试计算},1,0,{ ±=n X n 的均值函数和相关函数,并说明其是否是平稳过程。
解:计算均值函数和相关函数如下0)}{cos(2)cos(2}{)(11=-=⎭⎬⎫⎩⎨⎧-==∑∑==Nk k k k N k k k k n X U n E U n E X E n ασασμ∑∑∑∑∑∑======-=--=--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-⋅⎥⎦⎤⎢⎣⎡-=Ni i i N i i i i i i Ni Nj j j i i j i N j j j j N i i i i X m n U m U n E U m U n E U m U n E m n R 12121111)](cos[)}cos(){cos(2)}cos(){cos(2)cos(2)cos(2),(ασαασαασσασασ因此可知,},1,0,{ ±=n X n 是平稳随机过程。
2、 设有随机过程))(cos()(t t A t X πηω+=,其中0>ω为常数,}0),({≥t t η是泊松过程,A 是与)(t η独立的随机变量,且2/1}1{}1{===-=A P A P 。
(1) 试画出此过程的样本函数,并问样本函数是否连续? (2) 试求此过程的相关函数,并问该过程是否均方连续? 解:(1)样本函数不连续。
(2)令:012≥>t t ,下面求相关函数:)(221)(212210)(1212211212121211212212122112221122121121212cos cos )]}(cos[)]({cos[21!)]([)]}(cos[)]({cos[)1(21))]}()(()(cos[))]()(()(2)({cos[21))]}()(()(cos[))]()(()({cos[21))}(cos())({cos(}{))}(cos())(cos({)}()({),(t t t t k t t k kX e t t e t t t t e k t t t t t t t t t t t t t t t E t t t t t t t t E t t t t E A E t t t t A E t X t X E t t R ----∞=--⋅=⋅-++=⋅-⋅-++-=-+-+-+++=-+-++++=++⋅=++==∑λλλωωωωλωωηηπωηηππηωηηπωηηπωπηωπηωπηωπηω因为:t t t R ωξ2cos ),(=因此该过程是均方连续的随机过程。
应用随机过程第4章随机模拟
4.2 随机数的抽样
› 生成大量不重复的seed序列
产生随机数种 子的原理,是 要产生多少个 随机数种子, 就按一定步长 递增多少次, 然后得到一个 随机数作为种 子。 这个宏有个缺 点,就是当步 长*随机数种子 数量>2**31-1 时,可能得不 到要求得到的 随机数种子数 量。
4.2 随机数的抽样
4.2 随机数的抽样
› 标准分布随机数生成,利用SAS生成标准分布 随机数
› 生成大量不重复的seed序列
– 在实际的应用中,我们经常会遇到需要大量随机数 序列的情况,这时候我们就不能靠手工输入随机数 种子。 – 当SEED=0时,我们可以用这个随机种子产生大量的 随机数序列,但是这里产生的随机数序列并不一定 能保证这些随机数序列不重复。 – 这里介绍一个产生不重复的随机数种子的宏
4.2 随机数的抽样
› 标准分布随机数生成
– SAS随机数函数
4.2 随机数的抽样
› 标准分布随机数生成 › 利用SAS生成标准分布随机数一般有两种方法 – 由随机数函数产生随机数序列 其语法为:var = name(seed,<arg>) – CALL子程序产生随机数序列 其语法为:call name(seed,<arg>,var)。 ー 两种方法的主要区别在于: ー 随机数函数产生随机数序列时,其序列的值只由 第一个随机数种子的值决定,而用CALL子程序时, 每一次调用随机函数,都会重新产生新的随机数 种子。
4.2 随机数的抽样
› 标准分布随机数生成 – 伪随机数生成算法 – 在SAS系统中, – 常数a=397,204,094 – m = 2^31-1=2,147,483,647(是一个素数) – c=0 – 种子R(0)必须是一个整数并且其值介于1到m-1之 间。 – 这里c=0的数据生成器被称为multiplicative congruential generator,被广泛地应用。
随机过程-习题-第4章
随机过程-习题-第4章-02(总9页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面,使用请直接删除设有图题4-19所示的电路,其中W 0(t )为输入的随机过程,W 0(t )为标准维纳过程(即中的z (t ),且其1=β);其输出为)(t ξ=W 0(t )-W 0(t -1)。
求)(t ξ的均值和相关函数。
图题4-19解:由于W 0(t )为标准维纳过程,则E [W 0(t )]=0。
因此0)]1()([)]([00=--=t W t W E t E ξ)(t ξ的相关函数为)]}1()()][1()({[),(2020101021----=t W t W t W t W E t t R ξ)(t W假设t 1<t 2。
当t 1<t 2-1时,[t 1-1, t 1]和[t 2-1, t 2]是两个互不交叠的区间,由标准维纳过程为独立增量过程的性质可得0)]}1()([)]1()({[),(2020101021=----=t W t W E t W t W E t t R ξ当t 1>t 2-1时,[t 1-1, t 1]和[t 2-1, t 2]是两个交叠的区间。
分别用A ,B ,C 表示区间[t 1-1,t 2-1]、[t 2-1,t 1]和[t 1,t 2]。
于是)](1[)1,min(2)1()]1()([2)]1([)]([})]1()({[][][][][][][][]E[)])(E[(),(1221212010220120220102221t t t t t t t W t W E t W E t W E t W t W E B E C E B E B E C E A E B E A C B B A t t R --=---+=---+=--==+++=++=ββββξ即⎪⎩⎪⎨⎧<<-=1||,01|||]|1[),(21τττβξt t R其中,12t t -=τ。
电子科大 应用随机过程及应用 (陈良均 朱庆棠)第四章作业
为独立增量过程 Y (n )
∴ Y (n ) 为马氏链
Y (0 ) = 0
Pij (m , k ) = P { Y (m + k ) = j Y (m ) = i } = P{ Y (m + k ) − Y (m ) = j − i Y (m ) − Y (0 ) = i } m+k = P ∑ X (i ) = j − i i= m +1
16 8 ) λ (17 41 , 41 , 41 放在 A 处好
1 1
1 1
习题十三
1 1 2 3 4 5 . . ∞
1 2
习题十四
2
1 1 2 2
3 0
1 1 2 2
4 0 0
1 1 2 2
5 0 0 0
1 1 2 2
6 0 0 0 0
1 2
7 ........
∞
0 0 0 0 0 0
0 0 0 0 0
0 0
1
=
1
2
p
a −1
+
p
a +1
p (a + b ) − p (a + b − 1 ) = p (a + b − 1 ) − p (a + b − 2 ) p (a + b − 1 ) − p (a + b − 2 ) = p (a + b − 2 ) − p (a + b − 3 . p (a . p( 1 ) − p (0
0 0 0
+ + +
0 0 0 0 0 0
1 1 1
3 3 3
× 60 × 10 × 10
7 7 7 30 30 30
《随机过程及其在金融领域中的应用》习题四答案
第四章 习题41、对泊松过程{},0t N t ≥(1)证明:当s t <时,{}1,0,1,,kn ks t n s s P N k N n k n k t t -⎛⎫⎛⎫⎛⎫===-= ⎪⎪⎪⎝⎭⎝⎭⎝⎭(2)当2λ=时,试求:()()()112112;1,3;21P N P N N P N N ≤==≥≥(3)设顾客到达某商店是泊松事件,平均每小时以30人的速度到达。
求下列事件的概率:相继到达的两顾客的时间间隔为大于2分钟、小于2分钟、在1分钟到3分钟之间。
答:(1)证明:{}()()()()()()()()()()()()()()()()()()(),,!!!!!!!1!!s t s t s s t s s t t t t n kkt s sk n kn k nk n ktn kk n kk nP N k N n P N k N n k P N k P N n k P N k N n P N n P N n P N n t s s e ek n k s t s n k n k t t t e n n s t s n s s k t k n k t t λλλλλλλλλλ------------====-==-========-⎡⎤⎣⎦--==--⎛⎫⎛⎫⎛⎫==- ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭(2)()()()()()()()()11110121112222201211120!1!2!225P N P N N N e e e e e e e λλλλλλλ-------≤==+=+==++-=++=()()()()12121224111,31,3112224P N N P N N P N P N ee e----=====-=====()()()()()()()()()()111111121112112,122111121011311101P N N P N P N N P N P N P N P N P N e P N P N e --≥≥≥≥≥==≥≥-<-=-=-===-<-=-(3) 解法一:顾客到达事件间隔服从参数为λ的指数分布:()()()30,03030,0x x Z Z f t e x f t e x λλλ--=≥=⇒=≥①()30301111303023030106030x x P Z e dx e e e ∞∞----⎧⎫>===--=⎨⎬-⎩⎭⎰②()11303011303000230301116030x x P Z e dx e e e ----⎧⎫<===--=-⎨⎬-⎩⎭⎰ ③1131133030202022221160601330301606030x x P Z e dx e e e e e ------⎛⎫⎧⎫<<===--=-⎨⎬ ⎪-⎩⎭⎝⎭⎰解法二:()3030==0.560λ∴平均每小时有人到达人/分钟根据齐次Poisson 过程的到达时间间隔{},1,2,n X n =是独立同分布于均值为1λ的指数分布的,故可有: 相继到达的顾客的时间间隔大于2分钟的概率为:()12t n P X e e λ-->== 相继到达的顾客的时间间隔小于2分钟的概率为:()1211t n P X e e λ--<=-=-相继到达的顾客的时间间隔在1分钟到3分钟之间的概率为:()()()()1.50.50.5 1.5133111n n n P X P X P X e e e e ----<<=<-<=---=-2、{},0t N t ≥是强度为λ的泊松过程。
随机过程 第4章 Markov过程
(C-K 方程)
证明:由全概率公式,有:
( m+r ) pij (n) = P{ X n + m + r = j X n = i}
= ∑ P{ X n + m + r = j, X n + m = k X n = i} = ∑ P{ X n + m + r = j X n + m = k , X n = i} ⋅P{ X n + m = k X n = i} = ∑ P{ X n + m + r = j X n + m = k}P{ X n + m = k X n = i}
为齐次马氏链的 m 步转移(概率)矩阵。 显然有:
(m) pij (n) ≥ 0, i , j ∈ I
∑p
j∈I
(m) ij
( n) = 1 , i ∈ I
m = 1 时,即为一步转移矩阵。
规定:
⎧1, (0) pij (n) = δ ij = ⎨ ⎩0,
二、切普曼-柯尔莫哥洛夫(C-K)方程
i= j i≠ j
由01nll相互独立111100nnnnpxixixixi??l111100111100nnnnnnpxixixixipxixixi????ll第四章markov过程611121100011211000?nnnnnnnnnpiiiiiiipiiiii?????????l??l1nnnpii??11??nnnnixixp故210lnxn满足markov性且1100nnijnnkkkkppxjxipji??10nnkknji?pji?ipji?q?二随机游动1无限制的随机游动
性质 5 设{ X n , n ≥ 0 }为马氏链, 其状态空间为 I, 则对任意给定的 n 个整数,
随机过程-习题-第4章-01
4.1 设有一泊松过程(){}0,≥t t N ,求:(1)()(){}2211,k t N k t N P ==,用21t t 、的函数表示之; (2)该过程的均值和相关函数。
问该过程是否为平稳过程? (1) 解:首先,{}{}{}1111222211)()()()(,)(k t N P k t N k t N P k t N k t N P ======根据泊松过程的独立增量性质可知{}{})(1212121211221212!)()]([)()()(t t k k ek k t t k k t t N P k t N k t N P -----=-=-===λλ 于是,{}21122!)(!)()(,)(1211122211t k k k k e k k k t t t k t N k t N P λλ----===(2) 解:该过程的均值为[]()()t k t te e k t k t N E k k t k t k λλλλλλ=⎪⎪⎭⎫ ⎝⎛-==∑∑+∞=--+∞=-110!1!)()( 根据泊松过程的独立增量过程性质可得其相关函数为(12t t >)[]()[])]([)]()([)]([)()()()()()(12121112121t N E t N t N E t N E t N t N t N t N E t N t N E +-=+-=其中,)()]()([1212t t t N t N E -=-λ121212)]([t t t N E λλ+=于是,12t t >时的相关函数为[]12121212121221)()()(t t t t t t t t t N t N E λλλλλ+=++-=同理可得21t t >时的相关函数为[]221221)()(t t t t N t N E λλ+=所以,泊松过程的相关函数为[]{}2121221,min )()(t t t t t N t N E λλ+=所以,泊松过程过程不是平稳过程。
第11讲 随机过程及其应用(第三版) 刘次华第4章马尔科夫链(3)
其中 D = {1} 是非常返集
C1 = {2 ,3,4},C2 = {5,6,7}
2 3 4
1 5 7 6
是常返闭集,非周期
lim (1)求每一个不可约闭集的极限分布(2)求 n →∞ p12
( n)
解(1):这是一个可约马氏链。根据状态空间的分解 定理,状态空间分解为: I = {1} + {2,3, 4} + {5, 6, 7}
5
6
1
二、平稳分布
定义4.11
例1 :设马尔科夫链的转移概率矩阵为
⎡ 0.7 0.1 0.2⎤ P = ⎢ 0.1 0.8 0.1⎥ ⎢ ⎥ ⎢ ⎦ ⎣0.05 0.05 0.9⎥
设齐次马氏链转移概率矩阵为P,
且
若π = (π 1 , π 2 , )满足方程:
π =πP
∑π
j
j
=1
则称 π = (π 1 , π 2 , ) 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 1 πj =
15
故从上式可解得:
16
2 lim p12 ( n ) = n →∞ 9
注: 对于一般可约马氏链, lim pij (
n →∞
n)
的情形如下:
例4 马氏链的概率转移图所示,分析转移概率极限:
I = D + C1 + C2 = {1, 5} + {2,3} + {4,, 6}
先进行状态空间分解: I = D + C1 + C2 +
,
(设j ∈ C
m
, Cm为不可约非周期常返闭集 )
湖南大学《随机过程》课程习题集
湖南大学本科课程《随机过程》习题集主讲教师:何松华 教授第一章:概述及概率论复习1.1 设一批产品共50个,其中45个合格,5个为次品,从这一批产品中任意抽取3个,求其中有次品的概率。
1.2 设一批零件共100个,次品率为10%,每次从其中任取一个零件,取出的零件不再放回,求第3次才取得合格品的概率。
1.3 设一袋中有N 个球,其中有M 个红球,甲、乙两人先后各从袋中取出一个球,求乙取得红球的概率(甲取出的球不放回)。
1.4 设一批产品有N 个,其中有M 个次品,每次从其中任取一个来检查,取出后再放回,求连续n 次取得合格品的概率。
1.5设随机变量X 的概率分布函数为连续的,且0()00xA Be x F x x λ-⎧+≥=⎨<⎩其中λ≥0为常数,求常数A 、B 的值。
1.6设随机变量X 的分布函数为 ()() (-<<)F x A Barctg x x =+∞∞(1) 求系数A 、B ;(2)求随机变量落在(-1,1)内的概率;(3)求其概率密度函数。
1.7已知二维随机变量(X,Y)的联合概率密度分布函数为6(2)0,1(,)0XY xy x y x y f x y elsewhere --≤≤⎧=⎨⎩(1)求条件概率密度函数|(|)X Y f x y 、|(|)Y X f y x ;(2)问X 、Y 是否相互独立?1.8已知随机变量X 的概率密度分布函数为22()()]2X X X x m f x σ-=- 随机变量Y 与X 的关系为 Y=cX+b ,其中c ,b 为常数。
求Y 的概率密度分布函数。
1.9设X 、Y 是两个相互独立的随机变量,其概率密度分布函数分别为101()0X x f x elsewhere ≤≤⎧=⎨⎩,0()0y Y e y f y elsewhere-⎧<=⎨⎩ 求随机变量Z=X+Y 的概率密度分布函数。
1.10设随机变量Y 与X 的关系为对数关系,Y=ln(X),随机变量Y 服从均值为m Y 、标准差为σY 的正态分布,求X 的概率密度分布。
随机过程 第4章 马尔可夫链
一步转移概率矩阵
p11 P p 21 p12 p 22 p1n p2n
性质: (1) p ij 0 , i , j I
(2)
j I
p ij 1 , i I
(随机矩阵)
n 步转移概率
[定义] 称条件概率
p q q p
0 1
p, i j pij q, i j (i , j 0,1)
二步转移概率矩阵:
P
( 2)
2 2 p q P2 2 pq
2 pq 2 2 p q
[例2] (例4.4)具有吸收壁和反射壁的随机游动
设质点在线段 [1,4] 上作随机游动。假设ห้องสมุดไป่ตู้只能在时刻 nT 发生移动,且只能停留在1,2,3,4点上。当质点转移 到2,3点时,它以1/3的概率向左或向右移动一格,或停 留在原处。当质点移动到点 1 时,它以概率 1 停留在原 处。当质点移动到点4时,它以概率1移动到点3。若以 Xn 表示质点在时刻 n 所处的位置,则{ Xn , n T }是一 个齐次马尔可夫链。
f
(n) 12
( q1 p 3 ) m 1 q1 q 3 , m ( q1 p 3 ) p1 ,
n 2m, m 1 n 2 m 1, m 0
(n) f13
( p1 q 2 ) m 1 p1 p 2 , n 2 m , m 1 m n 2 m 1, m 0 ( p1 q 2 ) q1 ,
pij(n) 不仅与状态 i , j 有关,而且与时刻 n 有关。
当 pij(n) 与时刻 n 无关时,表示马尔可夫链具有平稳 转移概率。
随机过程第四章习题解答
第四章习题解答4.1Y1,Y2,···是来自总体Y的随机变量,与X0独立,h(x,y)是实函数.对于n 1,取X n=h(X n−1,Y n).设{X n}的状态空间为I,验证{X n}是马氏链,给出转移概率p ij.解:由题知,Y k与X1,···,X k−1独立,k 1,∀n,i,j,i1,...,i n−1∈I有,P(X n+1=j|X n=i,X n−1=i n−1, (X0)i0)=P(h(i,Y n+1)=j|X n=i,X n−1=i n−1,···,X0=i0)=P(h(i,Y n+1)=j|X n=i)=P(h(i,Y)=j)=P(h(i,Y1)=j|X0=i)=P(X1=j|X0=i).∴X n是马氏链,P ij=P(h(i,Y)=j).4.2设{X i,i 0}是取非负整数值的独立同分布的随机变量序列,V ar(X0)>0.验证以下随机序列是马氏链:(a){X n,n 0};(b){S n,n 0},其中S n=∑ni=0X i;(c){ξn,n 0},其中ξn=∑ni=0(1+X i).解:∀n,i,j,i0,···,i n−1∈N+,(a).P(X n+1=j|X n=i,X n−1=i n−1,···,X0=i0)=P(X n+1=j)= P(X n+1=j|X n=i)=P(X1=j)=P(X1=j|X0=i).1第四章离散时间马尔可夫链第四章离散时间马尔可夫链(b).P(S n+1=j|S n=i,S n−1=i n−1,···,X0=i0)=P(X n+1=j−i|X n=i−i n−1,···,X0=i0)=P(X n+1=j−i)=P(X n+1=j−i,S n=i|S n=i)=P(S n+1=j|S n=i)=P(X1=j−i)=P(X1=j−i|X0=i)=P(S1=j|S0=i).(c).P(ξn+1=j|ξn=i,ξn−1=i n−1,···,ξ0=i0)=P(X n+1=ji −1)=P(X n+1=ji−1|ξn=i)=P(ξn+1=j|ξn=i)=P(X1=ji −1)=P(X1=ji−1|X0=i)=P(ξ1=j|ξ0=i).4.3马氏链的状态空间是I=(1,2,3,4,5),转移概率矩阵P=0.20.80000.50.5000000.50.500.20.3000.500001界定马氏链的状态。
随机信号分析基础第四章习题
A2RX ( ) B2RY ( ) ABRXY ( ) ABRYX ( )
由维纳辛钦定理可得: GW () A2GX () B2GY () ABGXY () ABGYX ()
4.5 功率谱估值的经典方法 1. 平滑法
将全部数据用来计算出—个周期图,然后在频域将其平滑
G (i )
1 2L 1
iL
Gˆ N
j i L
(
j)
窗口根据实际情况选择
4.5 功率谱估值的经典方法
谱估值的一些实际问题
1.数据采样率 2.每段数据的长度L 3.数据总长度 4.数据预处理 a.把无用的直流分量和周期分量(比如市电干扰)去掉 b.处理前还应去掉信号中的“趋势项”,比如电生理记录
rect( )
2a
a2 2
a
a
a2 ( 0 )2 a2 ( 0 )2
sin2 ( )
2
( )2
2
4.3 功率谱密度的性质
性质1: 非负性, Gx(ω)≥0 性质2: GX(ω)是实函数
性质3: Gx(ω)是偶函数,即 GX () GX ()
性质4: GX ' ( ) 2GX ( )
(2)当平稳过程含有对应于离散频率的周期分量时,该成 分就在频域的相应频率上产生δ-函数。
4.2 功率谱密度与自相关函数之间的关系 典型的傅氏变换
(t)
1
c os0t
sin(t / 2)
2 t / 2
ea
ea cos0
1 , 1
随机信号习题及答案
Y (t ) ___
_
___。
5. 已知平稳过程 X (t ) 的自相关函数为 R X (τ ) = 16 +
1 1+ 5
τ
,则其均值为
,方差
为 。 6. 若一高斯过程是宽平稳的,则必定是 ;若一个高斯过程不同时刻状态间是互不相关 的,则必定是 的(独立、不独立、不一定) 。 7. 若线性系统输入为高斯过程,则该系统输出仍为 。 二、简答题 1. 请给出随机过程为宽平稳随机过程满足的条件。 2. 若平稳随机过程是信号电压,试说明其数字期望、均方值、方差的物理意义。 3. 给出平稳过程的自相关函数的性质。 4. 写出随机过程的两个定义。 5. 随机过程有那两个变化特性,如何理解其随机性? 6. 叙述“狭义平稳”的定义;如何理解这个定义在实际应用中的困难? 7. (a)随机过程的遍历性与平稳性的关系是什么?(b) 简述“狭义遍历”与“宽遍历”的关系。 三、计算题 1 设随机振幅信号为
−10 t
10 , 4 + j 5ω
U (t ) 的系统的输入端,求系统输出随机信号的表达式。 −3t 4-2 已知系统的单位冲激响应 h(t ) = 5e U (t ) ,设其输入随机信号为 X (t ) = M + 4 cos(2t + Θ), (− ∞ < t < ∞ ) ,其中 M 是随机变量, Θ 是 (0,2π ) 上均匀分布的随机变量, 且 M 和 Θ 相互独立,求输出信号的表达式。
1.
第一章 二进制无记忆不对称信道,如图所示,传输 0,1,分别以 A0 和 A1 代表发送 0 和 1,以 3 5 B0 和 B1 代表接收 0 和 1 码,两个正确的转移概率分别为 P ( B0 / A0 ) = , P( B1 / A1 ) = , 6 4 1 1 两个错误的转移概率分别为 P ( B1 / A0 ) = , P( B0 / A1 ) = ,且先验概率相等,即: 6 4 1 P ( A0 ) = P( A1 ) = ,求:①B 端接收到 0 码及 1 码的概率 P ( B0 ) 及 P( B1 ) ;②当分别收到 2
应用随机过程4-更新过程
N (t ) k 1
X
k
, t 0
假设2
c (1 )
其中 0 称为 相 对安 全 负载 。
U (t ) , a.s. {ct S (t ), t 0}为齐次的独立增量过程。盈余过程 lim t 当盈余过程取负值时,称保险公司“破产”。T inf{t : U (t ) 0}
2010-9-2
定理4.3.2
(Blackwell更新定理)
记 E( X n ) ,
(1). 若 F 不是格点的,则对一切 a 0 ,当 t 时 a M (t a ) M (t )
(2). 若 F 是格点的,周期为 d,则当 n 时 d P{在nd处发生更新}
E[TN ( t ) 1 ] E[ X 1 X 2 X N ( t ) 1 ] E ( X 1 ) E ( N (t ) 1)
二* 、更新方程在人口学中的一个应用
设 B (t ) 为 t 时刻女婴的出生率,已知过去的 B (t ),t 0 ,要预测未 来的 B (t ),t 0 。
注: Feller初等更新定理是Blackwell更新定理的特殊情形。
2010-9-2
理学院 施三支
定理4.3.3
(关键更新定理)
记 E ( X n ) ,设函数 h (t ), t [0, ] ,满足
(1). h(t ) 非负不增;(2).
0
h(t ) dt 。 H (t ) 是更新方程
2010-9-2 理学院 施三支
例4.3.1
(剩余寿命与年龄的极限分布)
以 r (t ) TN ( t ) 1 t 表示时刻 t 的剩余寿命,即从 t 开始到下 次更新的时间,s (t ) t TN ( t ) 为 t 时刻的年龄。 求 r (t ) 和 s (t ) 的 极限分布。
随机过程课后习题答案
标准教材:随机过程基础及其应用/赵希人,彭秀艳编著索书号:O211.6/Z35-2备用教材:(这个非常多,内容一样一样的)工程随机过程/彭秀艳编著索书号:TB114/P50历年试题(页码对应备用教材)2007一、习题0.7(1)二、习题1.4三、例2.5.1—P80四、例2.1.2—P47五、习题2.2六、例3.2.2—P992008一、习题0.5二、习题1.4三、定理2.5.1—P76四、定理2.5.6—P80五、1、例2.5.1—P802、例2.2.2—P53六、例3.2.3—P992009(回忆版)一、习题1.12二、例2.2.3—P53三、例1.4.2与例1.5.5的融合四、定理2.5.3—P76五、习题0.8六、例3.2.22010一、习题0.4(附加条件给出两个新随机变量表达二、例1.2.1三、例2.1.4四、例2.2.2五、习题2.6六、习题3.3引理1.3.1 解法纠正 许瓦兹不等式()222E XY E X E Y ⎡⎤⎡⎤≤⎡⎤⎣⎦⎣⎦⎣⎦证明:()()()()222222222220440E X Y E X E XY E Y E XY E X E Y E XY E X E Y λλλ +⎡⎤⎡⎤=++≥⎣⎦⎣⎦∴∆≤⎡⎤⎡⎤∴-≤⎡⎤⎣⎦⎣⎦⎣⎦⎡⎤⎡⎤∴≤⎡⎤⎣⎦⎣⎦⎣⎦例1.4.2 解法详解已知随机过程(){},X t t T ∈的均值为零,相关函数为()121212,,,,0a t t t t et t T a --Γ=∈>为常数。
求其积分过程()(){},t Y t X d t T ττ=∈⎰的均值函数()Y m t 和相关函数()12,Y t t Γ。
解:()0Y m t =不妨设12t t >()()()()()()1212222112121122122100,,Y t t t t t t t t t EY t Y t E X d X d d d τττττττττΓ===Γ⎰⎰⎰⎰()()()()()222121122221222112222212221212121212000220022002200222211||111111||211ττττττττττττττττττττττττ--------------=+-=+=---=+-+⎡=++--⎣⎰⎰⎰⎰⎰⎰⎰⎰t t t a a t t a a a a t t t a a at a t a at t a t t at at ed d ed de d e d a ae d e d a a t t e e a a a a t e e e a a⎤⎦同理当21t t >时()()2112112221,1a t t at at Y t t t e e e a a----⎡⎤Γ=++--⎣⎦ (此处书上印刷有误)例1.5.5解法同上例1.5.6 解法详解 普松过程公式推导:(){}()()()()()()()()()()()1lim !lim 1!!!1lim 1!!lim 1lim !lim lim !第一项可看做幂级数展开:第二项将分子的阶乘进行变换:→∞-→∞-→∞---∆-→∞→∞-→∞→∞===-∆∆-⎡⎤⎡⎤⎡⎤=-∆∆⎢⎥⎢⎥⎣⎦-⎣⎦⎣⎦⎡⎤⎡⎤-∆==⎢⎥⎣⎦⎣⎦⎡⎤⋅∆=∆⎢⎥--⎣⎦N k N N kkN N k kN N kN kq t qtN N k N kk k N N P X t k C P N q t q t k N k N q t q t N k k q t e e N N N q t q t N k N ()()()()()!lim 1!-→∞⎡⎤⎢⎥⎣⎦⎡⎤⎡⎤=∆⋅=⋅=⎢⎥⎣⎦-⎣⎦N k k k k kN k N q t N qt qt N k (){}()()()()!1lim 1!!!N kkN kqt P X t k N q t q t N k k qt ek -→∞-∴=⎡⎤⎡⎤⎡⎤=-∆∆⎢⎥⎢⎥⎣⎦-⎣⎦⎣⎦=例2.1.2 解法详解设(){},X t t -∞<<+∞为零均值正交增量过程且()()2212121,E X t X t t t t t -=->⎡⎤⎣⎦,令()()()1Y t X t X t =--,试证明(){},Y t t -∞<<+∞为平稳过程。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
}
}
Rξ (t1 , t2 ) = ∑ Pr ⎡ ⎣η ( t1 ) − η ( t2 ) = k ⎤ ⎦ ( −1) cos ⎡ ⎣ω ( t1 + t2 ) ⎤ ⎦ + cos ⎡ ⎣ω ( t1 − t2 ) ⎤ ⎦
k k =0 ∞ ∞
{
}
=∑
k =0
(λ (t
1
− t2 ) ) k!
k k
e − λ (t1 −t2 ) ( −1) cos ⎡ ⎣ω ( t1 + t2 ) ⎤ ⎦ + cos ⎡ ⎣ω ( t1 − t2 ) ⎤ ⎦
=
1 [ cos[ x2 (t1 − t2 )] − cos[ x2 (t1 + t2 )]] dx2 6∫ 0
1 ⎡ sin(t1 − t2 ) sin(t1 + t2 ) ⎤ − ⎢ ⎥ 6 ⎣ t1 − t2 t1 + t2 ⎦
1
=
第4题 设 ξ (t ) 是实正态分布平稳随机过程,它的数学期望为 0,如定义
第四章 二阶矩过程、平稳过程和随机分析
平稳随机过程 第1题 设有一泊松过程 {N (t ), t ≥ 0} ,求: (1) P{N (t1 ) = k1 , N (t 2 ) = k 2 } , 用 t1 , t 2 的函数表示之; (2) 该过程的均值和相关函数。 (3)问该过程是否为平稳过程? 解(1) : 解(2) : 解(3) : 解(待补充)
解(1) :
E {ξ1} = ∫ xdx =
0
1
1 2 1 3
E ξ1 = ∫ x 2 dx =
2 0
{ }
1
1
E[η (t )] = E[ξ1 ]E[sin(ξ 2t )]
=
1 sin x2tdx2 2∫ 0
1 = [1 − cos t ] / t 2
解(2) :
E [η (t1 )η (t2 )] = E [ξ1ξ1 ]E [sin(ξ 2t1 )sin(ξ 2t2 )]
⎧2 x (0 ≤ x < 1) 对于 当给定 ξ ( n-1) = x 时 ξ ( n ) 的条件概率密度均与分布 n = 1,2,3, L, f 0 ( x) = ⎨ ⎩0 (其他)
于 (1 - x, 1) 之间。问 ξ ( n ), n = 0,1,2,L , 是否满足严平稳的条件? 解(待补充)
第9题 设有两状态时间离散的马尔可夫链 ξ ( n ), n = 0,1,2,L , ξ ( n ) 可取 0 或 1,它的一步转移概
⎛q p ⎞ 率 矩 阵 为 ⎜ 1 1 ⎟ , 其 中 p1 + q1 = 1, ⎜p q ⎟ ⎝ 2 2⎠ P{ξ (0) = 0} = p 2 + q 2 = 1,
3
1 juZ sin(ω t +θ ) e 2π
Φξ (u ) 于t无关, ξ (t ) 的各阶矩于t无关,它是严格平稳的。
解(待补充)
第7题 设有一相位调制的正弦信号,其复数表示式为 ξ (t) =e
j(ω t+θ(t))
−∞<t <∞,其中 ω为常数,
ω >0 , θ (t) 是 一 个 二 级 严 平 稳 过 程 。 设 ψt t (u1,u2 ) 是 过 程 的 二 维 特 征 函 数 , 即
考虑到ψ 0τ (1,0 ) = E e
{
}
{
jθ ( 0 )
}= 0
mξ (t ) =0,均值为常数
再求自相关函数
Rξ (t1 , t2 ) = E ξ ( t1 ) ξ ( t2 )
j ωt +θ t − j ω t +θ t = E e ( 1 ( 1 ))e ( 2 ( 2 ))
{
{
}
=
j θ ( t ) −θ ( t ) = e jω ( t1 −t2 ) E e ( 1 2 )
{
}
}
= e jω ( t1 −t2 )ψ 0,τ (1, −1) = Rξ ( t1 − t2 )
故过程 ξ (t ) 是宽平稳过程,且 Rξ (t1 , t 2 ) = = e
4
jω ( t1 −t2 )
ψ t ,t (1, −1)
1 2
第8题 设 有 一 时 间 离 散 的 马 尔 可 夫 过 程 ξ ( n ), n = 0,1,2,L , ξ (0) 具 有 概 率 密 度 函 数
= E e j (ωt +θ ( t ) ) = e jωt
{
} ⋅ E {e ( ) }
jθ t
= e jωt ∫ e jx dF ( x, t )
由于 θ (t ) 是一个二阶严平稳过程,故
mξ ( t ) = e jωt ∫ e jx dF ( x, t ) = e jωt ∫ e jx dF ( x ) = e jωt ⋅ E e jθ ( 0)
− λτ − λτ
前者 t1,t2 两点位于同一脉冲上,后者位于不同的相互独立的脉冲上, 故相应的二元概率密度是,定义τ= t1 − t2
e − λτ δ ( x1 − x2 )
解(2) :
1 2πδ 2
exp(−
2 2 x2 1 x2 + x12 − λτ ) + (1 − e ) exp( − ) 2δ 2 2πδ 2 2δ 2
12
ψt t (u1,u2) = E{ej[u θ(t )+u θ(t )]} 同时对于任何 − ∞ < τ < ∞, ψ 0τ (1,0) = 0 ,试证明过程 ξ (t ) 是宽平
1 1 2 2 12
稳过程,并求它的相关函数 Rξ (t1 , t 2 ) 。 解: 先求均值,
mξ ( t ) = E {ξ ( t )}
{
}
考虑到 A 和η (t ) 是相互统计独立的
5
E (A 2 ) = Rξ (t1 , t2 )
=
1 2 1 2 × 1 + × (− 1) = 1 2 2
1 E{cos[ω (t1 +t 2 ) + π (η (t1 ) + η (t 2 ))] + cos[ω (t1 − t 2 ) + π (η (t1 ) − η (t 2 )]} 2
且 P{ξ (0) = 1} =
p1 p1 + p 2
,
p2 试证明该过程为严平稳过程。 p1 + p 2
解(提示) : 给出初始时刻的概率分布,给出任意时刻的概率分布,证明它们示相同的; 给出任意 N 个时刻的概率分布,证明它们具有平移不变性。
随机分析 第 10 题 设有相位调制的正弦波过程 ξ (t ) = A cos(ωt + πη (t )) ,其中 ω为常数,ω >0,{η (t ), t ≥ 0} 是泊松过程,A 是对称伯努利随机变量,即 P{ A = 1} = 1 , P{ A = −1} = 1 , ,A 和η (t ) 是相互统 2 2 计独立的,试画出其样本函数,样本函数是否连续?求 ξ (t ) 的相关函数 Rξ (t1 , t 2 ) ,问该过程 是否均方连续? 解: 求 ξ (t ) 自相关函数:
E[η (t1 )η (t2 )] = E[ Z 2 ]E[sin(t1 + θ ) sin(t2 + θ )]
=
1 E[cos(t1 − t2 ) − cos(t1 + t2 + 2θ )] 6 1 τ = t1 − t2 = cos(t1 − t2 ) 6
= Rξ (τ )
故 ξ (t ) 是宽平稳的 解(2) : t=0时,sin(t + θ ) = sin θ 以 1/2 的概率取 2 2 ,以 1/2 的概率取 − 2 2 ,而 Z 均 匀分布于(-1,1) ,∴
Rξ (t1 , t2 )
= E A cos (ωt1 + πη ( t1 ) ) ⋅ A cos (ωt2 + πη ( t2 ) )
=
{
}
1 E { A2 } E cos ⎡ ⎣ω ( t1 + t 2 ) + π (η ( t1 ) + η ( t2 ) ) ⎤ ⎦ 2 + cos ⎡ ⎣ω ( t1 − t2 ) + π (η (t1 ) − η ( t2 ) ⎤ ⎦
ξ (t ) 的取值均匀分布于 (=
π
4
时,sin(t + θ ) = sin(
+ θ ) 以 1/2 的概率取 1,以 1/2 的概率取 0,而 Z 均匀分
布于(-1,1) ,∴ ξ (t ) 以 1/2 的概率均匀分布于(-1,1) ,以 1/2 的概率取值为 0。 它的一维概率分布与t有关,∴它不是严格平稳的
2
但不满足严平稳的条件(不满足一级严平稳的条件) 。 解(1) : 首先计算随机变量 z 的均值和方差
E {Z } = ∫
1 xdx = 0 −1 2 1 1 1 E {Z 2 } = ∫ x 2 dx = −1 2 3
1
接着计算的均值函数和相关函数
E[η (t )] = E[ Z ]E[sin(t + θ )] = 0
条件数学期望
E (Y | xi ) = ∑ y j p j / i = ∑ y j p{ Y = y j | X = xi }
j j
全期望公式
E ( X ) = E{E [X / Y ]} = ∑ p Y = y j E (X / y j )
j
[
]
注意到
η ( t1 ) = m, η ( t2 ) = n η ( t1 ) − η ( t2 ) = k , η ( t1 ) + η ( t2 ) = η ( t1 ) − η ( t2 ) + 2η ( t2 ) = k + 2n