随机过程的分类 一、按照概率分布特性分类 二、具有特殊的概率分布 三、按照记忆特性分类 四、按照统计平稳特性分类 五、按照功率谱密度分类 六、按照遍历特性分类

• 第一学段 初步的数据统计活动 • 第二学段 简单数据统计过程 随机现象发生的可能性

一、认识随机系统 1 举例,p.13-14 2 要点:随机系统的关键在于输出的不可预知性,但对输出的范围是清楚的。因此给出样本空间是关键 3 认识样本空间

一、齐次马尔可夫链的概念 一个随机过程{Xn,n=0,1,2,…}就是一族随机变量,而X能 取的各个不同的值,则称为状态。如果一个随机过程{Xn,n=0,1 2,…},由一种状态转移到另一种状态的转移概率只与现在处于什么状 态有关,而与在这时刻之前所处的状态完全无关

参数连续状态离散的马氏过程的转移概率 定义:设X={X(1),t≥0}是取值于状态空间S的随机过程,S是 有限或无限可列的,如果对于任意的正整数n,任意的

第一章随机过程的一般概念 1.1随机过程的定义 (一)概率空间设已给点所成的集=(),以及中 的一些子集A所成的集,如果具有下列性质,就称它是一个σ代数:

5G标准下的蜂窝网络正在向异构化、超密集化的方向发展，传统的基于六边形网格模型的研究方法较为理想化且并不精确，越来越不适用于如今的异构网络.针对这个问题，目前常用的方法是使用基于随机几何的泊松点过程来研究异构网络的基站部署，这种方法假设基站的空域分布完全随机，因此得到了覆盖概率的理论下界.但是由于宏蜂窝边缘（盲区）以及热点地区（忙区）等特殊区域中，站点的分布可能形成簇，此时，基于泊松点过程的空域分布将不再准确.针对这个问题，本文使用泊松簇过程研究三层异构蜂窝网络的基站部署与规划.首先，提出基于泊松簇过程的基站部署系统模型，讨论了基于簇分布的基站形成过程；其次，在充分分析用户受到的聚集干扰基础上，采用基于瞬时信干噪比的小区选择机制，推导出了中断概率模型，并讨论了三种特殊条件下的中断概率；最后，通过仿真对比分析了基于泊松簇过程与泊松点过程的中断概率的差异以及信干噪比阈值变化时的中断概率的变化曲线，证明了基于簇的空域基站部署具有更低的中断概率

要点: 1.在相同条件下,试验可重复进行; 2.试验的一切结果是预先可以明确的,但每次试验前无法预先断言究竟会出现哪个结 果

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

3.1停时(可选时) 设(Q,F,P)为基本概率空间,参数集T或为R=[0∞)或为Z+={012}, 令,t∈T为一簇上升的o-域,即对一切s,t∈T,s<,7ccF 定义3.1.1:取值于R=RU{+∞}或Z=Z+∞}上的随机变量称为(相对 于-域F)停时(可选时)(stopping time or optional time),如果对每个 t∈R,{w:t(w)≤t}={st}e,(或者对每个n∈,≤n}n) 对于离散时间的停时有另外一个刻划:为停时若对每个