1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅

2.1随机过程的基本概念和例子 定义2.1.1:设(,F,P)为概率空间,T是某参数集,若对每一个t∈T,(tw 是该概率空间上的随机变量,则称X(t,w)为随机过程(Stochastic Process 随机过程就是定义在同一概率空间上的一族随机变量。随机过程X(tw)可 以看成定义在TxQ上的二元函数,固定wo∈Ω,即对于一个特定的随机试验, 称X(t,wo)为样本路径(Sample Path),或实现(realization),这是通常所观测到的 过程;另一方面,固定t∈T,X(to,w)是一个随机变量,按某个概率分布随机 取值

记忆特性随机过程 一、纯粹独立随机过程 二、独立增量过程 三、Markov过程

平稳随机过程 一、严平稳随机过程 定义 二、宽平稳随机过程 定义 三、相互关系

第二章随机过程的一般概念 2.1随机过程的基本概念和例子 定义2.1.1:设(,F,P)为概率空间,T是某参数集,若对每一个t∈T,(tw 是该概率空间上的随机变量,则称X(t,w)为随机过程(Stochastic Process 随机过程就是定义在同一概率空间上的一族随机变量

高斯过程,也称正态随机过程,是通信领域中最重要的一种过程。在实践中 观察到的大多数噪声都是高斯过程。 定义 若随机过程5(1)的任意n维(n=1,2,)分布都是正态分布,则称它为高 斯随机过程或正态过程

第六章二阶矩过程与随机分析初步 6.1二阶矩过程 定义6.1.1:若随机过程X(t),t∈T有EX()2<∞,则称X()为二阶矩过程。 以L2记所有二阶绝对矩有限的随机变量全体。由 Schwarz不等式:x,yl2, ExyExy2,对于二阶矩过程其均值函数(t)=EX(1),协方差函数 r(s,t)=e(x(s)-u(s)(()-u(),相关函数(st)=Ex(s)X()总是存在的

一、随机变量、随机向量是状态观察的结果 二、随机过程是过程观察的结果 三、对随机过程采样得到随机变量和随机向量

2.1随机过程的基本概念和统计特性 2.2平稳随机过程 2.3高斯随机过程 2.4随机过程通过线性系统 2.5窄带随机过程 2.6正弦波加窄带高斯噪声

第一节 随机过程的定义及其分类 第二节 随机过程的分布及其数字特征 第三节 复随机过程 第四节 几种重要的随机过程简介