随机过程的基本概念 设对每一个参数t∈T.X(t.w)是一随机变量,我们称随机变量族Xr={x(tw) t∈T}为一随机过程(stochastic process)或称随机函数其中TC是一实数集,称为指标集

离散时间的 Markov链预备知识:条件独立性定义设A.B,C为三个随机事件,称事件A关于事件B条件独立,若满足

随机微分方程简介 H空间和均方收敛 设(X,Y)为实随机变量,称=X+i为复随机变量 其中i=√-1.1212=z=(X+i)(X+i)=x2+y2 对于复r.v.,有 EZ=EX+iEY E|(ZZ)

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

随机事件与概率 随机试验概率论的一个基本概念是随机试验.一个试验(或观察)若它的结果预先无法 确定,则称之为随机试验简称为试验ernt)

1.1(3)将AUB拆成互不相交的集合的并:AUB=A(b-)=aub-A,再由 概率的可加性可得 (4)因为BCA,所以A=BUA-B,由此可得。 1.3当A∩B≠中时,(A)共有16个元素。当∩B=中时,o(A)有8个元素。不难写出

第八章 8.1证明:EX(t)=P((t)=1)-p((t)=-1=0,elx(t)2=p(x(t)=1)+p(x(t)= -1)=1<.((s),(s+t))= E((s)X(+t))-EX (s)EX(+t)= (x()x(s+t))=((x(s)=1,x(s+t)=1)+(x(s)=-1,x(s+t)=-1)) ((x(s)=1,x(s+t)=-1)+p(x()=-1,X(s+t)=1).注意到事件(x(s)= 1,X(s+t)=1)=(x(s)=1)(uk(n(s,+t)=2k).故(x(s)=1,X(s+t)= 1)=P(X(s)=1)P(△N(s,8+t)=2k)=(1/)o(ut)e-(k).同理

2.1.下列事件有什么关系?试指出并说明理由 lim,pin(t)-n(s)≥ (1)((t)t) =1-lim,P(N()-N(s)=0; ∵N(t)t =1-lim,-se-4-8) ∵Sn>t≥n)∴n(t)t) 得证 (2)((t)sn) possion过程的性质,可不考虑同一时刻2.16设{nn≥}id.n的概率密度函数为

3.1.(1)因为有限状态的马氏链平稳分布一定存在

1.设N为取值非负整数的随机变量,证设X是非负随机变量,具有分布函数F(x),证