7.1 基本概念与性质 7.2 Gauss:过程 7.3 Brown运动的鞅性质 7.4 Brown运动的Markov性 7.5 Brown运动的最大值变量及反正弦律 7.6 Brown运动的几种变化 7.7 高维Brown运动

第八章 Gauss过程与 Brown运动 8.1多维正态分布 设X是n维随机变量,称X服从n维正态分布,如果它的特征函数为 (t)=exp{jtu-t},并记为~N(u,2)。易知,EX=u,Var(X)=如 果≠0,则的分布密度为f(x)=1exp2x-a)2-(x-)

第八章 Gauss过程与 Brown运动 8.1多维正态分布 设X是n维随机变量,称X服从n维正态分布,如果它的特征函数为 (t)=exp{jtu-t},并记为~N(u,2)

Brown运动 预备知识:随机变量序列的四种收敛性 回忆实数序列的收敛性定义: {an,n≥}, lim an=a n→∞ V>0,3n≥1,当k≥n时,恒有|ak-ak

·8.1 关于随机游动的积分 ·8.2 关于Brown运动的积分 ·8.3 Ito积分过程 ·8.4 Ito公式

引进反Brown运动,反鞅等概念,并利用Lyapunov函数方法,讨论了如下形式的It?型倒向随机微分方程$\\left\\{\\begin{array}{l}{\\rm{d}}{y_t}=b ({y_t},t) dt-\\sigma ({y_t},t) d{w_t},t\\in[0,T]\\\\y (T)=\\zeta{\\rm{a}}{\\rm{.s}}\\end{array}\\right.$的随机稳定性,得到了判据

8.1 关于随机游动的积分 8.2 关于Brown运动的积分 8.3 Ito积分过程 8.4 Ito公式 8.5 随机微分方程 8.5 Black-Scholes模型

一、胶体稳定性 稳定溶胶的因素： 1. 动力稳定性（扩散力）：扩散，Brown运动，有利稳定粒径越小、介质粘度越大，越使溶胶稳定

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

§4.1 基本概念与性质 §4.2 Brown运动的鞅性质 §4.3 Brown:运动的最大值变量及反正弦律 §4.4 Brown运动的几种变化