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

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

第一章概率论基础知识 1.事件、概率和概率空间 1.1随机事件的运算和概率 1.2代数(城)和Bore集

第一章概率论基础知识 1.事件、概率和概率空间 1.1随机事件的运算和概率 1.2代数(城)和Bore集

第一节 引 言 第二节 随机微分方程的求解 第三节 随机微分方程的主要形式 第四节 股票价格对数正态分布的特性

第一节 概 率 第二节 随机变量及其分布 第三节 随机变量的数字特征 第四节 矩母函数和特征函数 第五节 条件期望 第六节 指数分布 第七节 收敛性和极限定理

2.1 随机过程基本概念及其数学描述 2.2 谱密度与相关函数 2.3 线性系统在随机输入下的响应 2.4 白噪声产生方法及其仿真 2.5 古典辨识方法 2.6 小结及习题

信息论：是一门应用概率论、 随机过程、数理统计和近世代 数的方法，来研究广义的信息 传输、提取和处理系统中一般 规律的科学；它的主要目的是 提高信息系统的有效性和可靠 性，最优化；其主要内容（或 分支）包括：香农理论、编码 理论、维纳理论、检测和估计 理论、信号设计与估计理论、 调制理论和随机噪声理论

❖ 随机变量 ❖ 随机变量的数字特征 ❖ 参数估计 ❖ 回归分析 ❖ 随机过程 ❖ 随机过程的数字特征 ❖ 随机过程的谱密度

柯尔莫哥洛夫,AH(1930~1987) 苏联科学家,1903年4月生于俄国顿巴夫,1987年10月卒 于 苏联莫斯科.1920年入莫斯科大学学习,1931年任莫斯科大 学教授后任该校数学所所长,1939年任苏联科学院院士,他 对开创现代数学的一系列重要分支做出了重大贡献. 柯尔莫哥洛夫建立了在测度论基础上的概率论公理系统,奠 定了近代概率论的基础,他也是随机过程论的奠基人之一 1980年由于他在调和分析、概率论、遍历理论等方面的出 色 工作获沃尔夫奖