随机过程第三章习题答案(精品pdf)
(优选)随机过程第三章
性质3.1 若随机过程X(t)是 m s 连续的，则
它的数学期望也必定连续，即：
lim E[X (t t)] E[X (t)]
t 0
证 设 Y X (t t) X (t) 是一个随机变量
D [Y ] E [Y 2] E2[Y ]
E [Y 2 ] D [Y ] E2[Y ] E2[Y ]
RX (t t,t t) RX (t t,t) RX (t,t t) RX (t,t)
∴有
lim
t 0
E
X
0
RX
(t
t
,
t
t
)
RX
(t
t
,
t
)
RX
(t,
t
t
)
RX
(t
,
t
)
对于右边极限式，自相关函数 t1,t2 是的函数。
欲使右边极限为零，则需 RX (t1,t2) 中,t1 t2 t ，才能 保证随机过程均方连续。
§3.2 随机过程的连续性
定义：若随机过程X(t)满足lim E [ | X (t t) X (t) |2] = 0， t 0
则称随机过程X(t)于t时刻在均方意义下连续（简称
m s 连续）。
另一方面，由定义知
E
X
(t
t)
X
(t)
2
E X (t t)X (t t) X (t t)X (t) X (t)X (t t) X (t)X (t)
n,m
xn xm 2 0
则必然存在一个随机变量x，使得
。
xn m s x
洛夫准则（又称均方收敛准则）：随机变量
序列 {xn, n 0,1,2,L }均方收敛于x的充要条件是
第3章 随机过程及答案
互相关函数 R (t1 , t 2 ) E[ (t1 )(t 2 )]
式中 (t) 和 (t) 分别表示两个随机过程。 R(t1, t2)又称为自相关函数。
10
3.2 平稳随机过程 3.2.1 平稳随机过程的定义
12
数字特征：
E (t ) x1 f1 ( x1 )dx1 a
R( t1 , t 2 ) E[ ( t1 ) ( t1 )]
x1 x2 f 2 ( x1 , x2 ; )dx1dx2 R( )
可见，（1）其均值与t 无关，为常数a ； （2）自相关函数只与时间间隔 有关。
P ( f ) 0
P ( f ) P ( f )
这与R()的实偶性相对应。
23
例题
[例3-2] 求随机相位余弦波(t) = Acos(ct + )的功率谱密度。 [解] 在[例3-1]中，我们已经考察随机相位余弦波是一个平稳 过程，并且求出其相关函数为
1 (t ) 2 (t )
n (t )
0
t
3
角度2：随机过程是随机变量概念的延伸。
在一个固定时刻t1上，不同样本的取值{i (t1), i = 1, 2, …, n} 是一个随机变量，记为 (t1)。
样本空间
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。
S1 x1(t)
t
T /2
T / 2
x( t ) x( t )dt
aa R( ) R( )
(解答)《随机过程》第三章习题
（1）试求随机过程{Z (t); t 0}的均值函数 E{Z (t)}和二阶矩 E{Z 2 (t)} ；
（2）试证明： pn (t)u n exp{(1 2 )t } exp{1ut 2u 1t }。 n
P{X (s) i}
P{N (s) 2(i 1)}
P{N (s) 2(i 1)}P{N (t s) 2( j i)} [(t s)]2( ji) e(ts) ; ( j i, t s)
P{N (s) 2(i 1)}
[2( j i)]!
lim
h0
Pt
2
h 2
S2
t2
h 2 ,t5 h2
h 2
S5
t5
h
2
5 2
t2 (t5
t2 )2 et5
,
0 t2 t5
（2）由于{N (t) 1} {S1 t} ，由泊松过程与指数分布的关系可知，在{S1 t} 条件 下， S1 的分布密度函数为
（3）由于{N (t) 1} {S1 t S2} ，令： 0 t1 t t2 ，取充分小的 h1, h2 0 ，
使得： t1 h1 t1 t t2 h2 t2 ，由
t1 h1 S1 t1, t2 h2 S2 t2 N t1 h1 0, N t1 N t1 h1 1,
3、 设{N1 (t); t 0}和{N 2 (t); t 0} 是相互独立的 Poisson过程,其参数分别为 1 和 2 ．若 N0 (t) N1 (t) N 2 (t) ，问: （1） {N0 (t); t 0} 是否为 Poisson 过程，请说明理由； （2） {N0 (t); t 0} 是否为平稳过程，请说明理由。 解：（1）由于 N 0 (t) 的状态空间为 S {,1, 0,1,} ，因此 N 0 (t) 不是计数过程，更
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。
随机过程习题及部分解答【直接打印】
随机过程习题及部分解答习题一1. 若随机过程()(),X t X t At t =-∞<<+∞为，式中A 为（0，1）上均匀分布的随机变量，求X (t )的一维概率密度(;)X P x t 。
2. 设随机过程()cos(),X t A t t R ωθ=+∈，其中振幅A 及角频率ω均为常数，相位θ是在[,]ππ-上服从均匀分布的随机变量，求X (t )的一维分布。
习题二1. 若随机过程X (t )为X (t )=At t -∞<<+∞，式中A 为（0,1）上均匀分布的随机变量，求12[()],(,)X E X t R t t2. 给定一随机过程X (t )和常数a ，试以X (t )的相关函数表示随机过程()()()Y t X t a X t =+-的自相关函数。
3. 已知随机过程X (t )的均值M X (t )和协方差函数12(,),()X C i t t ϕ是普通函数，试求随机过程()()()Y t X t t ϕ=+是普通函数，试求随机过程()()()Y t X t t ϕ=+的均值和协方差函数。
4. 设()cos sin X t A at B at =+，其中A ，B 是相互独立且服从同一高斯（正态）分布2(0,)N σ的随机变量，a 为常数，试求X (t )的值与相关函数。
习题三1. 试证3.1节均方收敛的性质。
2. 证明：若(),;(),X t t T Y t t T ∈∈均方可微，a ,b 为任意常数，则()()aX t bY t +也是均方可微，且有[()()]()()aX t bY t aX t bY t '''+=+3. 证明：若(),X t t T ∈均方可微，()f t 是普通的可微函数，则()()f t X t 均方可微且[()()]()()()()f t X t f t X t f t X t '''=+4. 证明：设()[,]X t a b 在上均方可微，且()[,]X t a b '在上均方连续，则有()()()b aX t dt X b X a '=-⎰5. 证明，设(),[,];(),[,]X t t T a b Y t t T a b ∈=∈=为两个随机过程，且在T 上均方可积，αβ和为常数，则有[()()]()()b b baaaX t Y t dt X t dt Y t dt αβαβ+=+⎰⎰⎰()()(),b c baacaX t dt X t dt X t dt a c b =+⎰⎰⎰≤≤6. 求随机微分方程()()()[0,](0)0X t aX t Y t t X '+=∈+∞⎧⎨=⎩的()X t 数学期望[()]E X t 。
（完整版）随机过程习题答案
（完整版）随机过程习题答案随机过程部分习题答案习题22.1 设随机过程b t b Vt t X ),,0(,)(+∞∈+=为常数，)1,0(~N V ，求)(t X 的⼀维概率密度、均值和相关函数。
解因)1,0(~N V，所以1,0==DV EV ，b Vt t X +=)(也服从正态分布，b b tEV b Vt E t X E =+=+=][)]([ 22][)]([t DV t b Vt D t X D ==+=所以),(~)(2t b N t X ，)(t X 的⼀维概率密度为),(,21);(222)(+∞-∞∈=--x ett x f t b x π，),0(+∞∈t均值函数 b t X E t m X ==)]([)(相关函数)])([()]()([),(b Vt b Vs E t X s X E t s R X ++==][22b btV bsV stV E +++=2b st +=2.2 设随机变量Y 具有概率密度)(y f ，令Yt e t X -=)(，0,0>>Y t ，求随机过程)(t X 的⼀维概率密度及),(),(21t t R t EX X 。
解对于任意0>t，Yt e t X -=)(是随机变量Y 的函数是随机变量，根据随机变量函数的分布的求法，}ln {}{})({);(x Yt P x e P x t X P t x F t Y ≤-=≤=≤=-)ln (1}ln {1}ln {tx F t x Y P t x Y P Y --=-≤-=-≥= 对x 求导得)(t X 的⼀维概率密度xtt x f t x f Y 1)ln ();(-=，0>t)(][)]([)(dy y f e eE t X E t m yt tY X相关函数+∞+-+---====0)()(2121)(][][)]()([),(212121dy y f e e E e e E t X t X E t t R t t y t t Y t Y t Y X 2.3 若从0=t 开始每隔21秒抛掷⼀枚均匀的硬币做实验，定义随机过程=时刻抛得反⾯时刻抛得正⾯t t t t t X ,2),cos()(π试求：（1）)(t X 的⼀维分布函数),1(),21(x F x F 和；（2）)(t X 的⼆维分布函数),;1,21(21x x F ；（3）)(t X 的均值)1(),(X X m t m ，⽅差 )1(),(22X Xt σσ。
随机过程第三章
3. 物理可实现的系统 稳定系统条件: h(t ) dt 因果系统条件: t 0, h(t ) 0
5
3.2 随机信号通过连续时间系统的分析
在给定系统的条件下，输出信号的某个统计特性 只取决于输入信号的相应的统计特性。 根据输入随机信号的均值、相关函数和功率谱密 度，再加上已知线性系统单位冲激响应或传递函 数，就可以求出输出随机信号相应的均值、相关 函数和功率谱密度 分析方法：时域分析法 ；频域分析法。
24
3.3 希尔伯特变换和解析过程
一、希尔伯特变换
25
希尔伯特变换相当于一个正交滤波器
1 ˆ (t ) x(t ) * x t
H ( )
+j 0 -j
j 0 H ( ) j 0
26
h(t ) 1/ t
| H ( ) |
2 ( ) 2
14
结论1：若输入是 X(t) 宽平稳的，则系统输出Y(t) 也是宽平稳的，且输入与输出联合宽平稳。
若输入X(t)为宽平稳随机过程，则有： mX (t ) mX 常数 RX (t1 , t2 ) RX ( ) ＝t 2 t1
RX (0) E[ X 2 (t )]
mY mX h( )d
6
3.2.1 时域分析法 1、输出表达式（零状态响应，因果系统） 2、输出的均值 3、系统输入与输出之间的互相关函数 4、系统输出的自相关函数 5、系统输出的高阶距
7
3.2.1 时域分析法 1、输出表达式（零状态响应，因果系统） 2、输出的均值 3、系统输入与输出之间的互相关函数 4、系统输出的自相关函数 一个确定性函数 5、系统输出的高阶距
y(t t0 ) L[ x(t t0 )]
随机过程答案
随机过程第三章与第四章习题解答3.1 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 =。
4030(30)((1)40)!k k P N e k -=≤=∑。
3.2 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 。
1N T 表示1()N t =1N 的发生时刻，2N T 表示2()N t =2N 的发生时刻。
1111111111()exp()(1)!N NN T f t t t N λλ-=-- 2221222222()exp()(1)!N NN T f t t t N λλ-=--1212121221112,12|12211122212(,)(|)()exp()exp()(1)!(1)!N N N N N NNN N T T T T T f t t f t t f t t t t t N N λλλλ--==---- 12212121112211122210012()exp()exp()(1)!(1)!NNt N N N N P T T dt t t t t dt N N λλλλ∞--<=----⎰⎰（2）当1N =2N 、1λ=2λ时，12121()()2N N N N P T T P T T <=>=法二：（1）乘车到来的人数可以看作参数为1λ+2λ的泊松过程。
令1Z 、2Z 分别表示乘坐公共汽车1、2的相邻两乘客间到来的时间间隔。
则1Z 、2Z 分别服从参数为1λ、2λ的指数分布，现在来求当一个乘客乘坐1路汽车后，下一位乘客还是乘坐1路汽车的概率。
212211122210()exp()exp()z p P Z Z dz z z dz λλλλ∞=<=--⎰⎰112λλλ=+。
故当一个乘客乘坐1路汽车后，下一位乘客乘坐2路汽车的概率为1-p 212λλλ=+上面的概率可以理解为：在乘客到来的人数为强度1λ+2λ的泊松过程时，乘客分别以112λλλ+概率乘坐公共汽车1，以212λλλ+的概率乘坐公共汽车2。
随机过程(林元烈)第三讲习题参考答案
(2) 定义
T = min{n : n ≥ 0, X n ∈ {0, N }, X 0 = k} , TN = min{n : n ≥ 0, X n = N , X 0 = k} , VN = P(TN < +∞ X 0 = k ) = P( X T = N ) ,
可知 T和TN 是关于 { X n , n ≥ 0} 的停时, 且 PN (k ) = V N . 因为 {e −2 aX n , n ≥ 0} 是鞅, 且 ①因为两边带有吸收壁的有限状态马氏链的中间状态为瞬时 态, 所以 P(T < ∞) = 1 . ② E e −2 aX T ≤ E e 0 = 1 < ∞ ③ lim n →∞ E e −2 aX T ⋅ I{T > n} ≤ lim n →∞ P (T > n) = 0 满足停时定理的条件, 所以 E (e −2 aX T ) = E (e −2 aX 0 ) = e −2 ak ,
N
∑e
k =0
N
− 2 ak
k k π X n (1 − π X n ) N − k CN
= =
∑∑ P( X
i =2 j = 2 3 3
3
(1 − e ) ∑
−2a N k =0
k − 2 ak 1 − e − 2 aX n CN e N
(
N k
) (e
− 2 aX n N
− e −2a
)
N −k
∵ π(2) = (1 9 2 9 2 3)
∴ E ( X 3 X 2 = 1)＝
∑i ⋅ p
i =1
3
DX n = EX n − (EX n ) = 2409 3844
2 2
随机信号与系统课第三章习题部分答案
第三章 习题3-1 设某一随机过程的样本为{x 1，x 2，…，x k }，设k 时刻的样本均值和方差分别为21111(),(1)1kkk ik i k i i x x s x x k k k ====-≠-∑∑和 假定新的观测值为x k+1，试推导样本均值x k+1和样本方差s k+1的更新公式。
解：111k k k kx x x k +++=+. ∵ 121111()k k i k i s x x k +++==-∑，而211()1k k i k i s x x k ==--∑，所以 112211111222111111122112211()()111211 ()()()()11111 0()()(1)(1) k k k k k k k i i k i i k k k k k k k k k i k i k k i i i k k k k kkx x x x s x x x k k k k x x x x kx x x x x x x k k k k k k k k k s x x x x k k k +++++==++++===+++-=-=--++--+=---++-+++-=-+-+-++∑∑∑∑∑2111 ().1k k k k s x x k k +-=+-+∴ 更新公式为11111k k k k x x x k k ++=+++, 21111()1k k k k k s s x x k k ++-=+-+.3-2 设某一随机过程样本由x k =a+bk+v k 描述，其中，v k ～N （0，σ2）；a 和b 是待定的未知参数。
试求估计量a ˆ，b ˆ的CR 下界。
解：未知参数向量为θ=[a ，b ]T 。
首先计算Fisher 信息矩阵，即222222ln (|)ln (|)[][]()ln (|)ln (|)[][]p x p x E E a a b p x p x E E b a b ⎡⎤∂∂--⎢⎥∂∂∂⎢⎥=⎢⎥∂∂⎢⎥--⎢⎥∂∂∂⎣⎦θθI θθθ （3.1.31） 依题意，似然函数可写成22/22111(|)exp[()](2π)2NkN k p x xa bk σσ==---∑θ对上式等号两边取自然对数，并分别对A 和B 求偏导，得到21ln (|)1()Nkk p x xa bk a σ=∂=--∂∑θ21ln (|)1()Nkk p x xa bk kb σ=∂=--∂∑θ容易验证，以上二式的数学期望为零，满足正则条件（3.1.25）。
随机过程 北大何书元 课后习题集答案
PD .com
PD .com
or www.
or www.
F-XChange Edit Click to BUY NOW! tracker-software
F-XChange Edit Click to BUY NOW! tracker-software
PD .com
PD .com
or www.
or www.
F-XChange Edit Click to BUY NOW! tracker-software
PD .com
PD .com
or www.
or www.
F-XChange Edit Click to BUY NOW! tracker-software
F-XChange Edit Click to BUY NOW! tracker-software
F-XChange Edit Click to BUY NOW! tracker-software
F-XChange Edit Click to BUY NOW! tracker-software
PD .com
PD .com
or www.
or www.
F-XChange Edit Click to BUY NOW! tracker-software
PD .com
PD .com
or www.
or www.
F-XChange Edit Click to BUY NOW! tracker-software
F-XChange Edit Click to BUY NOW! tracker-software
PD .com
PD .com
or www.
《随机过程及其在金融领域中的应用》习题三答案
E YmYn E Ym Yn Ym Ym2 E Ym E Yn Ym E Ym2
mp np mp mp 1 p m2 p2 mnp2 mp mp2
Cov Ym,Yn mnp2 mp mp2 mnp2 mp 1 p
Xt 是齐次独立增量过程，当 Xa 0 时有 cX t1,t2 DX min t1,t2
2 X mint1,t2
cY
t1 , t2
k2cX
t1 , t2
k 2 2 X mint1,t2
则 Yt
的协方差函数为 k 2
2 X mint1,t2
P Xt1 x, Xt2 x
1
P Xt1 x, Xt2 x
P Xt1 x, Xt2 x
RY t1,t2 E Y Yt1 t2 0 0 P Xt1 x, Xt2 x 01 P Xt1 x, Xt2 x 1 0 P Xt1 x, Xt2 x 11 P Xt1 x, Xt2 x P Xt1 x, Xt2 x
答：
E
Yn
E
n
Xj
n
E
Xj
np ，Var Yn
n
Var
Xj
j1 j1
j 1
E
X
j
p,
E
X
2 j
p
，Var
Yn
n
p
p2
Cov Ym,Yn E Ym E Ym Yn E Yn E YmYn mnp2
随机过程第三章作业答案
Yk-1 ]] ≤ b ⋅ ∑ E[I{T ≥ k} ]
k =0
= b ⋅ ∑ P(T ≥ k) = b(1 + E[T]) < ∞，即E[W] < ∞
E[X k X k-1 ]=E[E[X k X k-1|X 0 X1 =E[X k-1E[X k |X 0 X1
2 2 ]-E[X k-1 ] ∴ E[Yk2 ]=E[X k n n
X k-1 ]] X k-1 ]]=E[X 2 k-1 ]
2 2 于是∑ Var(Yk ) = ∑ (E[X k ]-E[X 2 k-1 ]) = E[X n ]=Var(X n ) k =1 k =1
q X n ]]=E[( ) Xn+1 |X n ] p
6证明： k=1时，E[(X k -X k-1 )(Yk -Yk-1 )]=E[(X1 -X 0 )(Y1 -Y0 )]=E[X1Y1 ] k>1时，E[(X k -X k-1 )(Yk -Yk-1 )]=E[(X k Yk -X k-1Yk -X k Yk-1 +X k-1Yk-1 )] 又E[X k Yk-1 ]=E[E[X k Yk-1|Z0 ,Z1 E[X k-1Yk ]=E[E[X k-1Yk |Z0 ,Z1
= Zn ⋅ (0.5 ⋅ log 3 3+0.5 ⋅ log 3 1) = Zn ∴{Zn，n ≥ 1}关于{X n，n ≥ 1}的鞅。 事件{T=n}仅取决于σ （X1 ,X 2 X n）,∴ T是停时，但不能用停时定理。 验证性说明：假设停时定理成立，则E[ZT ]=E[Zk ]=E[log 3 (1 + X k )]=1； 但由T=min{n:Zn =0}知ZT =0，即E[ZT ]=0，推出矛盾。 证明：验证停时定理1的三个条件； 条件1：P(T=∞)= lim ( 1 ) n = 0；即P(T<∞)=1，成立。 2 n →∞ 条件2：E[|ZT |]=E[|∏ log 3 (1 + X k )|]； ∵ log 3 (1+X k )=1或0， ∴ E[|ZT |]<∞，成立。
《信息与通信工程中的随机过程》习题解答 第3章
相关系数为： ρ = E {UV } = E { X 2 − Y 2 } = E { X 2 } − E { X 2 } = 0 由此得到，U 和V 的联合概率密度为：
1 − e fU ,V (u, v ) = 4π
u 2 +v 2 4
② 有①的结论，容易得到：
fU (u ) =
fV (v ) =
1 4π
2⎪ ⎫
⎪ ⎪ ⎬ ⎪ ⎪ ⎪ ⎭
第 5 页 共 10 页
《随机过程》作业标准答案·第 1 章
所以： 又：
dX (t ) = A。 dt
2⎪ ⎧ ⎫ ⎪ A A 2 ⎪ ⎪ 2 ⎪ ⎪ (t + τ ) + B(t + τ ) − t − Bt ⎪ ⎪ ⎪ 2 ⎪ 2 lim E ⎨ − (At + B ) ⎬ ⎪ τ →∞ ⎪ τ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎭ 2⎪ ⎧ ⎫ ⎪ A ⎪ ⎪ 2 ⎪ ⎪ τ + At τ + B τ − (At + B )τ ⎪ ⎪ 2 ⎪ ⎪ = lim E ⎨ ⎬ ⎪ τ →∞ ⎪ τ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎩ ⎭ 2 ⎧ ⎫ τ 1 ⎪ ⎪ 2 2 E { A2 } = 0 = lim E ⎪ ⎨ Aτ ⎪ ⎬ = lim ⎪ τ →∞ ⎪ ⎪4 ⎪ τ →∞ 4 ⎩ ⎭
所以：
⎧ X1 = Y1 ⎪ ⎪ ⎪ ⎪ X2 = − Y1 + Y2 ⎪ ⎪ ⎨ ⎪ " ⎪ ⎪ ⎪ X =− Yn −1 + Yn ⎪ ⎪ ⎩ n
系数矩阵为下三角矩阵，容易求得 Jocobi 行列式为： J = 1 。所以： fY Y "Y (y1, y2 , ", yn ) = J fX X "X (y1, y2 − y1, ", yn − yn −1 ) 1 2 n 1 2 n = fX (y1 )fX (y2 − y1 )" fX (yn − yn −1 )
(完整版)随机过程习题答案
随机过程部分习题答案习题22.1 设随机过程b t b Vt t X ),,0(,)(+∞∈+=为常数，)1,0(~N V ，求)(t X 的一维概率密度、均值和相关函数。
解 因)1,0(~N V，所以1,0==DV EV ，b Vt t X +=)(也服从正态分布，b b tEV b Vt E t X E =+=+=][)]([ 22][)]([t DV t b Vt D t X D ==+=所以),(~)(2t b N t X ，)(t X 的一维概率密度为),(,21);(222)(+∞-∞∈=--x ett x f t b x π，),0(+∞∈t均值函数 b t X E t m X ==)]([)(相关函数)])([()]()([),(b Vt b Vs E t X s X E t s R X ++==][22b btV bsV stV E +++=2b st +=2.2 设随机变量Y 具有概率密度)(y f ，令Yt e t X -=)(，0,0>>Y t ，求随机过程)(t X 的一维概率密度及),(),(21t t R t EX X 。
解 对于任意0>t，Yt e t X -=)(是随机变量Y 的函数是随机变量，根据随机变量函数的分布的求法，}ln {}{})({);(x Yt P x e P x t X P t x F t Y ≤-=≤=≤=-)ln (1}ln {1}ln {tx F t x Y P t x Y P Y --=-≤-=-≥= 对x 求导得)(t X 的一维概率密度xtt x f t x f Y 1)ln ();(-=，0>t均值函数⎰∞+--===0)(][)]([)(dy y f e eE t X E t m yt tY X相关函数⎰+∞+-+---====0)()(2121)(][][)]()([),(212121dy y f e e E e e E t X t X E t t R t t y t t Y t Y t Y X2.3 若从0=t 开始每隔21秒抛掷一枚均匀的硬币做实验，定义随机过程⎩⎨⎧=时刻抛得反面时刻抛得正面t t t t t X ,2),cos()(π 试求：（1）)(t X 的一维分布函数),1(),21(x F x F 和；（2）)(t X 的二维分布函数),;1,21(21x x F ；（3）)(t X 的均值)1(),(X X m t m ，方差 )1(),(22X Xt σσ。
随机过程作业和答案第三章
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解：由已知可得, 其⼀步转移概率如下：故⼀步转移概率为3、做⼀系列独⽴的贝努⾥试验，其中每⼀次出现“成功”的概率为p ( 0解：由已知得：故为马尔科夫链，其⼀步转移概率为616161616161616161616161616161616161P6,,2,1,6/1,,8,7,,0)1,( i i i j i j i i i j ij n n P 或)1(6,,2,1;6,,2,1, n n n j n n n n i ,,2,1,0 E )(0,1;)0(0,1)1,1(0,,1,,2,1101,1, j P P j P P i i j P q P P P x j j ij i i i i ⽽时，当 1000000 0000000001Pp q p q p qm m m m m m i n X l n X i n X i n X i n X l n X P )(0)()(,,)(,)(0)(2211mm m m m m in X k l n X i n X i n X i n X k l n X P )()()(,,)(,)()(22114、在⼀个罐⼦中放⼊50个红球和50个蓝球。
通原第三章随机过程课后题答案
第三章 随机过程错误！未定义书签。
．设()()()cos 2c 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 R τ，()X P f 。
(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 解：无论是(1)还是(2)，都有()()()cos 20c E Y t E X t E f t πθ=+=⎡⎤⎡⎤⎡⎤⎣⎦⎣⎦⎣⎦()()()()()()()()()()()()()()()()cos 2cos 22cos 2cos 221cos 2cos 422211cos 2cos 42222Y c c c c c c X c c c X c X c c R E Y t Y t E X t f t X t f t f E X t X t E f t f t f R E f f t f R f R E f t f ττπθτπθπττπθπθπττπτπθπττπττπθπτ=+⎡⎤⎣⎦=++++⎡⎤⎣⎦=++++⎡⎤⎡⎤⎣⎦⎣⎦=+++⎡⎤⎣⎦=+++⎡⎤⎣⎦在(1)的条件下，θ的概率密度函数为[)10,2()2 0 else p θπθπ⎧∈⎪=⎨⎪⎩于是()()201cos 422cos 42202c c c c E f t f f t f d ππθπτπθπτθπ++=++=⎡⎤⎣⎦⎰因此()()1cos 22Y X c R R f ττπτ=()()()()()22cos 224X c j f j f Y Y X c X c R f P f R e d e d P f f P f f πτπττπττττ∞∞---∞-∞==-++=⎰⎰在(2)的条件下()()()()11cos 2cos 42222Y X c X c c R R f R f t f ττπττπθπτ=+++表明()Y t 是循环平稳过程。