数理统计与随机过程(涂然)-第1课

随机过程poisson过程 中科大

Poisson 过程 1.考虑电子管中的电子发射问题.设单位时间内到达阳极的电子数目N 服从参数为λ的Poisson 分布,而每个电子携带的能量各自不相关且与N 独立,并均服从于区间[1,2]上的均匀分布.记单位时间内阳极接收的能量为S .求S 的期望和方差. 2.设{X (t ),t ≥0}为一个独立增量过程,且X (0)=0,分别记V (t ),R (t,s )为{X (t ),t ≥0}的方差函数和协方差函数,证明:R (t,s )=V (min {t,s }). 3.设N (t )是一强度为λ的Poisson 过程,s,t >0,试求: (a)P(N (s )=k |N (s +t )=n )=?k =1,...,n ; (b)E[N (s )N (s +t )]=? (c)Cov(N (s ),N (s +t ))=? (d)E[N (s +t )|N (s )]的期望和分布; (e)E[W k |N (t )=n ]=?E[W k ]=?(W k 为第k 个事件发生的时刻) 4.某路口蓝车,白车和黄车的到达分别为强度λ1,λ2和λ3的Poisson 过程,且相互独立.试求:(a)第一辆蓝车到达的平均时间和第一辆车到达的平均时间; (b)蓝车首先到达的概率; (c)蓝车先于黄车但落后于白车的概率; (d)在相继到达的两辆蓝车之间,恰有k 辆车到达的概率以及数学期望; (e)在t 0处观察到一辆黄车,在接下来恰有k 辆蓝车连续到达的概率以及数学期望. 5.设要做的试验的次数服从参数为λ的Poisson 分布,试验有n 个可能的结果,每次试验出现第j 个结果的概率为p j ,∑n j =1p j =1.若各次试验相互独立,并以X j 记第j 个结果发生的次数,试求E[X j ]、Var[X j ],j =1,...,n .又问X j 服从什么分布？且X 1,...,X n 是否相互独立？为什么？ 6.某人甲负责订阅杂志.设前来订阅杂志的人数服从强度为6的Poisson 过程,每人分别以概率1/2,1/3,1/6订阅1季,2季,3季杂志,且各人的选择相互独立.现以N i (t )表示(0,t ]时段内订阅i 季杂志的人数,i =1,2,3. 1

《概率论与随机过程》第1章习题

《概率论与随机过程》第一章习题 1. 写出下列随机试验的样本空间。 （1） 记录一个小班一次数学考试的平均分数（设以百分制记分）。 （2） 同时掷三颗骰子，记录三颗骰子点数之和。 （3） 10只产品中有3只是次品，每次从其中取一只（取出后不放回），直到将3只次品都取出，记录 抽取的次数。 （4） 生产产品直到得到10件正品，记录生产产品的总件数。 （5） 一个小组有A ，B ，C ，D ，E5个人，要选正副小组长各一人（一个人不能兼二个职务），观察选 举的结果。 （6） 甲乙二人下棋一局，观察棋赛的结果。 （7） 一口袋中有许多红色、白色、蓝色乒乓球，在其中任意取4只，观察它们具有哪几种颜色。 （8） 对某工厂出厂的产品进行检查，合格的盖上“正品”，不合格的盖上“次品”，如连续查出二个次 品就停止检查，或检查4个产品就停止检查，记录检查的结果。 （9） 有A ，B ，C 三只盒子，a ，b ，c 三只球，将三只球装入三只盒子中，使每只盒子装一只球，观察 装球的情况。 （10） 测量一汽车通过给定点的速度。 （11） 将一尺之棰折成三段，观察各段的长度。 2. 设A ，B ，C 为三事件，用A ，B ，C 的运算关系表示下列事件。 （1） A 发生，B 与C 不发生。 （2） A 与B 都发生，而C 不发生。 （3） A ，B ，C 都发生。 （4） A ，B ，C 中至少有一个发生。 （5） A ，B ，C 都不发生。 （6） A ，B ，C 中至多于一个发生。 （7） A ，B ，C 中至多于二个发生。 （8） A ，B ，C 中至少有二个发生。 3. 设{}10,2,1, =S ,{}4,3,2=A ，{}5,4,3=B ，{}7,6,5=C ，具体写出下列各等式 （1）B A 。 （2）B A ?。 （3）B A 。 （4） BC A 。 （5）)(C B A ?。 4. 设{}20≤≤=x x S ，??????≤<=121x x A ，? ?????<≤=234 1x x B ，具体写出下列各式。 （1）B A ?。 （2）B A ?。 （3）B A 。 （4） B A 。 5. 设A ，B ，C 是三事件，且41)()()(===C P B P A P ，0)()(==CB P AB P ，81)(=AC P ，求A ， B ， C 至少有一个发生的概率。 6. 在1500个产品中有400个次品，1100个正品，任意取200个。 （1） 求恰有90个次品的概率。 （2） 至少有2个次品的概率。 7.（1）在房间里有500个人，问至少有一个人的生日是10月1日的概率是多少（设一年以365天计算）？ （2）在房间里有4个人，问至少有二个人的生日在同一个月的概率是多少？

随机过程

《随机过程》课程教学大纲 课程编号：02200021 课程名称：随机过程 英文名称：Stochastic Processes 课程类别：选修课 总学时：72 讲课学时：68 习题课学时：4 学分: 4 适用对象：数学与应用数学、信息与计算科学专业 先修课程：数学分析、高等代数、概率论与数理统计 一、课程简介 随机过程是研究客观世界中随机演变过程规律性的学科，它的基本知识和方法不仅为数学、概率统计专业所必需，也为工程技术、生物信息及经济领域的应用和研究所需要。本课程介绍随 机过程研究领域的一些基础而重要的知识和技能。 二、课程性质、目的和任务 随机过程是概率论的后续课程，具有比概率理论更加实用的应用方面，处理问题也更加贴近实际情况。通过这门课程的学习，使学生了解随机过程的基本概念，掌握最常见而又有重要应用 价值的诸如Poisson过程、更新过程、Markov过程、Brown运动的基本性质，能够处理基本的随 机算法。提高学生利用概率理论数学模型解决随机问题的能力。通过本课程的学习，可以让数学 专业的学生很方便地转向在金融管理、电子通讯等应用领域的研究。 三、课程基本要求 通过本课程的学习，要求学生掌握随机过程的一般概念，知道常见的几类随机过程的定义、背景和性质；掌握泊松过程的定义与基本性质，了解它的实际背景，熟悉它的若干推广；掌握更 新过程的定义与基本性质、更新函数、更新方程，了解更新定理及其应用，知道更新过程的若干 推广；掌握离散时间的马尔可夫链的基本概念，熟练掌握转移概率、状态分类与性质，熟悉极限 分布、平稳分布与状态空间的分解，了解分枝过程；掌握连续时间的马尔可夫链的定义、柯尔莫 哥洛夫方程；掌握布朗运动的定义与基本性质，熟悉随机积分的定义与基本性质，了解扩散过程 与伊藤公式，会求解一些简单的随机微分方程。 四、教学内容及要求 第一章预备知识 §1.概率空间；§2.随机变量和分布函数；§3.数字特征、矩母函数和特征函数；§4. 条件概率、条件期望和独立性；§5.收敛性 教学要求：本章主要是对概率论课程的复习和巩固，为后续学习做准备。 第二章随机过程的基本概念和类型

概率统计与随机过程复习提纲

概率统计与随机过程 课程编号：H0600071S学分： 4 开课学院：理学院课内学时：64 课程类别：学科基础课课程性质：必修 一、课程的性质和目的 课程性质：本课程是我校有关专业的学科基础课 目的：通过本课程的学习，使学生系统地掌握概率论、数理统计和随机过程的基本理论和基本方法，为后续各专业基础课和专业课的学习提供必要的数学理论基础。另外，通过本课程的系统教学，特别是讲授如何提出新问题、思考分析问题，培养学生的抽象思维能力、逻辑推理能力以及解决实际问题的能力，从而逐步培养学生的创新思维能力和创新精神。 二、课程教学内容及基本要求 （一）课程教学内容及知识模块顺序 第一章概率论的基本概念 8学时 （1）随机试验 （2）样本空间、随机事件 （3）频率与概率 （4）等可能概型（古典概型） （5）条件概率 （6）独立性 教学基本要求： 了解随机现象与随机试验，了解样本空间的概念，理解随机事件的概念，熟练掌握事件之间的关系与运算。了解事件频率的概念，理解概率的统计定义。了解概率的古典定义，会计算简单的古典概率。了解概率的公理化定义，熟练掌握概率的基本性质，会运用这些性质进行概率计算。理解条件概率的概念、概率的乘法定理与全概率公式，会应用贝叶斯(Bayes)公式解决比较简单的问题。理解事件的独立性概念。理解伯努利(Bernoulli)概型和二项概率的计算方法。 第二章随机变量及其分布 6 学时 （1）随机变量 （2）离散型随机变量及其分布律 （3）随机变量的分布函数 （4）连续型随机变量及其概率密度 （5）随机变量的函数的分布 教学基本要求： 理解随机变量的概念，了解分布函数的概念和性质，会计算与随机变量相联系的事件的概率。理解离散型随机变量及其分布律的概念，熟练掌握0-1分布、二项分布和泊松(Poisson)分布。理解连续型随机变量及其概率密度的概念，熟练掌握正态分布、均匀分布和指数分布。会根据自变量的概率分布求简单随机变量函数的概率分布。

完整word版,2007-2008第一学期数理统计与随机过程(研)试题-2007

北京工业大学2007-2008学年第一学期期末 数理统计与随机过程(研) 课程试题 学号 姓名 成绩 注意：试卷共七道大题，请将答案写在答题本上并写明题号与详细解题过程。 考试时间120分钟。考试日期：2008年1月10日 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 问：该日生产的零件的平均重量是否正常（取显著性水平050.=α）？ 二、 （15分）在数 14159263.=π的前800位小数中, 数字93210,,,,, 各出现的次数记录如下 检验这10个数字的出现是否是等概率的?（取显著性水平050.=α） 三、（15分）下表给出了在悬挂不同重量（单位：克）时弹簧的长度（单位：厘米） 求y 关于x 的一元线性回归方程，并进行显著性检验. 取显著性水平050.=α， 计算结果保留三位小数. 四、（15分）三个工厂生产某种型号的产品，为评比质量，分别从各厂生产的产品中随机抽取5只作为样品，测得其寿命（小时）如下：

在单因素试验方差分析模型下，检验各厂生产的产品的平均寿命有无显著差异？取显著性水平050.=α, 计算结果保留三位小数. 五、（15分）设}),({0≥t t N 是强度为3的泊松过程， 求（1）})(,)(,)({654321===N N N P ； （2）})(|)({4365==N N P ； （3）求协方差函数),(t s C N ，写出推导过程。 六、（15分）设{,}n X n T ∈是一个齐次马尔可夫链，其状态空间{0,1,2}I =，一步 转移概率矩阵为 121414201335250P ?? ? = ? ??? （1）求}|,,,,{202021054321======X X X X X X P ； （2）求}|{122==+n n X X P ； （3）证明此链具有遍历性（不必求其极限分布）。 七、（15分）设有随机过程 )sin()cos()(t B t A t X ππ+=，其中A 与B 相 互独立且都是均值为零，方差为2σ的正态随机变量， （1）分别求)(1X 和)(4 1 X 的一维概率密度； （2）问)(t X 是否是平稳随机过程？ 标准答案（仅供参考） 一、（10分）已知在正常生产的情况下某种汽车零件的重量（克）服从正态分布 ),(254σN ，在某日生产的零件中抽取10 件，测得重量如下： 54.0 55.1 53.8 54.2 52.1 54.2 55.0 55.8 55.1 55.3 如果标准差不变，该日生产的零件的平均重量是否有显著差异（取05.0=α）？ 解：按题意，要检验的假设是 54:0=μH ，因2σ未知，故用-t 检验法，由05.0=α，查t 分布表得临界 值2622290250.)(.=t ，由样本值算得 382514654.,.==t x

《应用随机过程》教学大纲

《应用随机过程》课程教学大纲 课程代码：090541007 课程英文名称：Applications Stochastic Processes 课程总学时：40 讲课：40 实验：0 上机：0 适用专业：应用统计学 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 随机过程是现代概率论的一个重要的组成部分，其理论产生于上世纪初期，主要是由物理学、生物学、通讯与控制、管理科学等方面的需求而发展起来的。它是研究事物的随机现象随时间变化而产生的情况和相互作用所产生规律的学科。随机过程的理论为许多物理、生物等现象提供诸多数学模型，同时为研究这类现象提供了数学手段。本课程为统计学专业的专业课程，通过本课程的学习，掌握随机过程的基本概念、基本理论、内容和基本方法，了解随机过程的重要应用，为后继课程学习提供知识准备，另一方面，随机过程的发展也是人们认识客观世界的一个重要组成部分，它有助于学生辩证唯物主义世界观的培养。 （二）知识、能力及技能方面的基本要求 1.基本知识：通过本科程的学习，使学生掌握，要求学生掌握随机过程的基本概念、二阶矩过程的均方微积分、马尔可夫过程的基本理论、平稳过程的基本理论、鞅和鞅表示、维纳过程、Ito定理、随机微分方程等理论和方法。 2.基本能力：通过本课程的学习，使学生能较深刻地理解随机过程的基本理论、思想和方法，并能应用其解决实践中遇到的随机问题，从而提高学生的数学素质，加强学生开展科研工作和解决实际问题的能力。 3.基本技能：掌握建立随机数学模型、分析和解决问题方面的技能，为进一步自学有关专业应用理论课程作好准备。 （三）实施说明 本大纲是根据沈阳理工大学关于制订本科教学大纲的原则意见专门制订的。在制订过 程中参考了其他学校相关专业应用随机过程教学大纲。 本课程思维方式独特，还需要学生有较高的微积分基础，教学中应注意概率意义的解 释和学生基础情况的把握，处理好抽象与具体，偶然与必然、一维与多维，理论与实践的关系。本课程内容分概率论与数理统计两部分，在教学中应充分注意两者之间的联系，重视基本概念，讲清统计思想。 （四）对先修课的要求 本课的先修课程：数学分析，高等代数，概率论。 （五）对习题课的要求 由于本课程内容多学时少，习题课在大纲中未作安排，建议教师授课过程中灵活掌 握；对于学生作业中存在的问题，建议通过课前和课后答疑解决。通过习题课归纳总结章节知识解决重点难点内容。 （六）课程考核方式 1.考核方式：考试 2.考核目标：在考核学生基本知识、基本原理和方法的基础上，重点考核学生解决实际问题的能力。 3.成绩构成：本课程的总成绩主要由两部分组成：平时成绩20-30％；期末成绩70-80％; 平时成绩构成：出勤，测验，作业。其中测验为开卷，随堂测验。

《概率论与随机过程》课程自学内容小结

大学2015～2016学年秋季学期本科生 课程自学报告 课程名称：《概率论与随机过程》 课程编号：07275061 报告题目：大数定律和中心极限定理在彩票选号的应用学生： 学号： 任课教师： 成绩： 评阅日期：

随机序列在通信加密的应用 2015年10月10日 摘 要：大数定律与中心极限定理是概率论中很重要的定理，较多文献给出了不同条件下存在的大数定律和中心极限订婚礼，并利用大数定律与中心极限定理得到较多模型的收敛性。但对于他们的适用围以及在实际生活中的应用涉及较少。本文通过介绍大数定律与中心极限定理，给出了其在彩票选号方面的应用，使得数学理论与实际相结合，能够让读者对大数定律与中心极限定理在实际生活中的应用价值有更深刻的理解。 1. 引言 在大数定律与中心极限定理是概率论中很重要的定理，起源于十七世纪，发展到现在，已经深入到了社会和科学的许多领域。从十七世纪到现在，很多国家对这两个公式有了多方面的研究。长期以来，在大批概率论统计工作者的不懈努力下，概率统计的理论更加完善，应用更加广泛，如其在金融保险业的应用，在现代数学中占有重要的地位。 本文主要通过对大数定律与中心极限定理的分析理解，研究探讨了其在彩票选号中的应用，并给出了案例分析，目的旨在给出大数定律与中心极限定理应用对实际生活的影响，也对大数定律与中心极限定理产生更深刻的理解。 2. 自学容小结与分析 2.1 随机变量的特征函数 在对随机变量的分析过程中，单单由数字特征无法确定其分布函数，所以引入特征函数。特征函数反映随机变量的本质特征，可唯一的确定随机变量的分布函数、随机变量X 的特征函数定义为： 定义1 ][)()(juX jux e E dx e x p ju C ==? +∞ ∞ - (1) 性质1 两两相互独立的随机变量之和的特征函数等于各个随机变量的特征函数之积。 性质1意味着在傅立叶变换之后，时域的卷积变成频域的相乘，这是求卷积的简便方法。类比可知求独立随机变量之和的分布的卷积，可化为乘法运算，这样就简便了计算，提高了运算效率。 性质2 求矩公式：0)(|) ()(][=-=u n u x n n n du C d j X E (2) 性质3 级数展开式：!)(][!|)()()(0 00n ju X E n u du u C d u C n n n n n n n n X ∑∑∞ ==∞ === (3) 2.2 大数定律与中心极限定理 定义2 大数定律：设随机变量相互独立，且具有相同的μ=)(k X E 和,...2,1,)(2 ==k X D k σ, 则0∈>?,有

【免费下载】第一学期数理统计与随机过程研试题答案

北京工业大学2009-20010学年第一学期期末数理统计与随机过程(研) 课程试卷一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平）？050.=α解：这是单个正态总体),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0μ-=已知80=x ，8=s ，n ＝28，850=μ，计算得n s x T /0μ-=31.328/88580=-=查t 分布表，05.0=α，自由度27，临界值.052.2)27(025.0=t 由于，故拒绝0H ，即在显著水平05.0=α下不能认为该班的英语 052.2>T 2622.2>成绩为85分.二、某图书馆每分钟借出的图书数有如下记录:借出图书数 k 0 1 2 3 4 5 6≥7频数 f 8 16 17 10 6 2 1 0试检验每分钟内借出的图书数是否服从泊松分布? （取显著性水平） 050.=α解：由极大似然估计得.2?==x λ在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。则有估计 }{k X P ==i p ? ,7,0,!2}{?2===-k k e k X P k =0?p 三、某公司在为期10年内的年利润表如下： 年份 1 2 3 4 5 6 7 8910利润 1.89 2.19 2.06 2.31 2.26 2.39 2.61 2.58 2.82 2.9 通过管线敷设技术，不仅可以解决有设备高中资料试卷相互作用与相互关系，根据生产工艺高中资料试卷要求，对电力保护装置调试技术，电力保护高中资料试卷配置技术是指机

数理统计与随机过程试题

一、（10分）某工程部队的工程师向领导建议，他提出的一项新工艺在不降低工程质量和影响工程进度的同时，还将节省机器运转的开支。假如采用旧工艺时机器每星期运转开支平均是1000元，又假定新旧工艺机器每星期运转开支X 都是服从正态分布，且具有标准差250元。使用新工艺后观察了9个星期，其机器运转开支平均每星期是750元。试在01.0=α的水平下，检验工程师所述是否符合实际，即新工艺是否能节省开支。 （3554.3)8(005.0=t ，8965.2)8(01.0=t ，57.2005.0=u ，33.201.0=u ） 二、（12分）设母体 X 服从正态分布),(2σμN ，X 是子样),,,(21n X X X Λ的平均数， ∑=-=n i i n X X n S 1 2___ 2 )1（是子样方差，又设),(~21σμN X n +，且与n X X X ,,,21Λ独立，求： （1）X E ，X D ，2 n ES ，2n DS ；（2）统计量 1 1 1+--+n n S X X n n 的分布。 三、（13分）一个罐中装有黑球和白球，其中黑球、白球的个数均未知，如何用统计的方法估计其中黑球与白球的比例。（建立模型并给出两种估计方法） 四、（15分）以下为温度对某个化学过程的生产量的影响的数据： 已知 X 和Y 之间具有线性依赖关系。 （1）写出其线性回归模型，并估计参数βα,； （2）讨论回归系数的性质（分布）。 五、（10分）设有一随机过程)( t X ，它的样本函数为周期性的锯齿波。下图（a ）、（b ）画出了二个样本函数图。各样本函数具有同一形式的波形，其区别仅在于锯齿波的起点位置不同。设在0=t 后的第一个零值点位于0τ，0τ是一个随机变量，它在) , 0 ( T 内均匀分布，即 ?????≤≤=其它值 00 1 )( 0T t T t f τ

应用随机过程教学大纲

《应用随机过程A》课程教学大纲 课程编号： L335001 课程类别：专业限选课适用专业：统计学专业 学分数：3学分学时数： 48学时 应修（先修）课程：数学分析、概率统计、微分方程、高等代数 一、本课程的地位和作用 应用随机过程是数学与应用数学专业的专业限选课程，是统计学专业的专业课程之一。随机过程是研究客观世界中随机演变过程规律性的学科，随机过程的研究对象为随时间变化的随机现象，即随时间不断变化的随机变量，通常被视为概率论的动态部分。随着科学技术的发展，它已广泛地应用于通信、控制、生物、地质、经济、管理、能源、气象等许多领域，国内外许多高等工科院校在研究生中设此课程，大量工程技术人员对随机分析的方法也越来越重视。通过本课程的学习，使学生初步具备应用随机过程的理论和方法来分析问题和解决问题的能力。 二、本课程的教学目标 使学生掌握随机过程的基本知识，通过系统学习，学生的概率理论数学模型解决随机问题的能力得到更加进一步的提高，特别在经济应用上，通过本课程的学习，可以让数学专业的学生很方便地转向在金融管理、电子通讯等应用领域的研究。 三、课程内容和基本要求 ?”记号标记既（用“*”记号标记难点内容，用“?”记号标记重点内容，用“* 是重点又是难点的内容。） 第一章预备知识 1．教学基本要求 （1）掌握概率空间, 随机变量和分布函数, 矩母函数和特征函数的概念和相关性质。 （2）掌握条件概率, 条件期望和独立性的概念和相关性质。 （3）了解概率中收敛性的概念和相互关系。 2．教学内容 （1）概率空间 （2）▽随机变量和分布函数

（3）▽*数字特征、矩母函数和特征函数 （4）▽*条件概率、条件期望和独立性 （5）收敛性 第二章随机过程的基本概念和类型 1．教学基本要求 （1）掌握随机过程的定义。 （2）了解有限维分布族和Kolmogorov定理。 （3）掌握独立增量过程和独立平稳增量过程概念。 2．教学内容 （1）基本概念 （2）▽*有限维分布和Kolmogorov定理 （3）▽随机过程的基本类型 第三章 Poisson过程 1．教学基本要求 （1）了解计数过程的概念。 （2）掌握泊松过程两种定义的等价性。 （3）掌握泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布。（4）了解泊松过程的推广。 2．教学内容 （1）▽ Poisson过程 （2）▽* 与Poisson过程相联系的若干分布 （3）* Poisson过程推广 第四章更新过程 1．教学基本要求 （1）掌握更新过程的定义和基本性质。 （2）掌握更新函数、更新方程。 （3）了解更新定理及其应用，更新过程的若干推广。 （4）了解更新过程的若干推广。 2．教学内容

学期数理统计与随机过程(研)试题(答案)

北京工业大学2009-20010学年第一学期期末 数理统计与随机过程(研) 课程试卷 学号 姓名 成绩 注意：试卷共七道大题，请写明详细解题过程。 考试方式：半开卷，考试时只允许看教材《概率论与数理统计》 浙江大学 盛 骤等编第三版（或第二版）高等教育出版社。可以看笔记、作业，但不允许看其它任何打印或复印的资料。考试时允许使用计算器。考试时间120分钟。考试日期：2009年12月31日 一、随机抽取某班28名学生的英语考试成绩，算得平均分数为80=x 分，样本标准差8=s 分，若全年级的英语成绩服从正态分布，且平均成绩为85分，问：能否认为该班的英语成绩与全年级学生的英语平均成绩有显著差异（取显著性水平050.=α）？ 解：这是单个正态总体 ),(~2σμN X ，方差2σ未知时关于均值μ的假设检验问题，用T 检验法. 解 85:0=μH ，85:1≠μH 选统计量 n s x T /0 μ-= 已知80=x ，8=s ，n ＝28，850=μ， 计算得n s x T /0μ-= 31 .328/885 80=-= 查t 分布表，05.0=α，自由度27，临界值052.2)27(025.0=t . 由于052.2>T 2622.2>，故拒绝 0H ，即在显著水平05.0=α下不能认为 该班的英语成绩为85分.

050.= 解：由极大似然估计得.2?==x λ 在X 服从泊松分布的假设下，X 的所有可能的取值对应分成两两不相交的子集A 0, A 1,…, A 8。 则}{k X P =有估计 =i p ?ΛΛ,7,0, !2}{?2 ===-k k e k X P k =0?p

随机过程第一次大作业(THU)

基于主成分分析的人脸识别 目录 基于主成分分析的人脸识别 (1) 1 引言 (2) 1.1 PCA简介 (2) 一、主成分的一般定义 (3) 二、主成分的性质 (3) 三、主成分的数目的选取 (4) 1.2 人脸识别概述 (4) 2 基本理论及方法 (5) 3 人脸识别的具体实现 (6) 3.1 读入图像数据库 (6) 3.2 计算特征空间 (7) 3.3 人脸识别 (9) 4 对实验算法的综合评价 (11) 5 结论 (11) 6、参考文献 (11) 7、附录 (12) 1、代码说明： (12) 2、实验感想 (12) 摘要：本文利用基于主成分分析(Principal ComponentAnalysis，PCA)进行人脸识别。该过程主要分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。本方法具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。 关键词：人脸识别；PCA；识别方式

1 引言 PCA 是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合，根据矩阵的行数与列数的区别于差异，PCA 又可以划分为D —PCA （Distributed PCA [1]和C —PCA （Collective PCA ）[2]。 1.1 PCA 简介 PCA 方法，也被叫做特征脸方法(eigenfaces)，是一种基于整幅人脸图像的识别算法，被广泛用于降维，在人脸识别领域也表现突出。一个N ×N 的二维脸部图片可以看成是N 的一个一维向量，一张112×92的图片可以看成是一个10，304维的向量，同时也可以看成是一个10，304维空间中一点。图片映射到这个巨大的空间后，由于人脸的构造相对来说比较接近，因此，可以用一个相应的低维子空间来表示。我们把这个子空间叫做“脸空间”。PCA 的主要思想就是找到能够最好地说明图片在图片空间中的分布情况的那些向量。这些向量能够定义“脸空间”，每个向量的长度为N ，描述一张N ×N 的图片，并且是原始脸部图片的一个线性组合。对于一副M*N 的人脸图像，将其每列相连构成一个大小为D=M*N 维的列向量。D 就是人脸图像的维数，也即是图像空间的维数。设n 是训练样本的数目；X j 表示第j 幅人脸图像形成的人脸向量，则所需样本的协方差矩阵为： S r =1()()N T j i j x u x u =--∑ (1) 其中u 为训练样本的平均图像向量： u =1 1n j j x n =∑(2) 令A=[x 1-u x 2-u ……x n -u],则有S r =AA T ,其维数为D*D 。

浙江大学《概率论、数理统计与随机过程》课后习题答案张帼奋主编第七章数理统计习题__奇数

注意： 这是第一稿（存在一些错误） 第七章数理统计习题__奇数.doc 1、解 由θ θθμθ 2 ),()(0 1===? d x xf X E ，204103)(2 221θθθ=-==X D v ，可得θ的矩估计量为X 2^ =θ，这时θθ==)(2)(^X E E ，n n X D D 5204)2()(2 2 ^ θθθ= ? ==。 3、解 由)1(2)1(2)1(2)(21θθθθμ-=-+-==X E ，得θ的矩估计量为： 3 2 62121^ =-=- =X θ。 建立关于θ的似然函数：482232)1(4)1())1(2()()(θθθθθθθ-=--=L 令014 8))1ln(4ln 8()(ln =--=?-+?=??θ θθθθθθL ， 得到θ的极大似然估计值：32^=θ 5、解 由33)1(3)1(3)(222+-=-+-+=p p p p p p X E ，所以得到p 的矩估计量为 ^ 32p = = 建立关于p 的似然函数：32 10)1()2 )1(3()()2)1(( )(22n n n n p p p p p p p L ---= 令0)(ln =??p p L ，求得到θ的极大似然估计值：n n n n p 222 10^++= 7、解 （1）记}4{<=X P p ，由题意有}4{}4{}4{-≤-<=<=X P X P X P p 根据极大似然估计的不变性可得概率}4{<=X P p 的极大似然估计为： 4484.05.0)6 4 ()64( 5.0)25 /2444( )25 /2444( 22^ =-Φ=-Φ-=--Φ--Φ=s s p （2）由题意得：)6 24 ( )25 /244( }{}{105.012-Φ=-Φ=≤=>-=-A s A A X P A X P ，于是经查表可求得A 的极大似然估计为0588.12^ =A

数理统计与随机过程复习题

数理统计与随机过程复习资料第1章抽样与抽样分布 1. 设母体，是来自母体的一个子样，若 问C为何值时，CY服从t分布，并给出其自由度。 2. 设母体,是来自母体的一个容量为6的子样，设 ，求常数C，使CY服从分布。

3. 设是来自总体的简单样本，记为前个样本的均值和方差，试求 证：。 第2章参数估计 1. 设母体（二项分布），其中：N已知，p是未知参数。求p的最大似 然估计量。并确定所得估计量的无偏性和相合性。

2. 设母体（二项分布），求参数N，p的矩估计量。 3. 设为母体的一个子样，，当为何值时，Y为的无偏估计量且方差最 小。 4. 设为母体的一个子样，，当满足什么条件时，Y为的无偏估计量， 并求方差。

5. 设为母体的一个子样，求常数C，使为的无偏估计。 6. 设母体X的密度函数为 a与b为参数，求a与b的矩估计。

7. 设母体（正态分布），其中：和为参数。求和的最大似然估计量。 并确定所得估计量的无偏性；若是有偏，进行修正。 8.设母体X的分布密度为 ，其中，求参数的最大似然估计量。 9. 设母体（均匀分布），为参数，为母体的一个子样，，求参数的置 信概率的置信区间。

10. 设母体（正态分布），其中为未知参数，为母体的一个子样，求母 体平均数的置信概率为的置信区间。 11. 两台机床加工同一种零件，分别抽取6个和9个零件，测量其长度计 算得到.。假定各台机床零件长度服从正态分布。求两个母体方差比的置信区间（=0.95）。 12.设是取自总体的一个样本，总体X的密度函数为 （1）求的矩估计和极大似然估计； （2）的矩估计和极大似然估计是否为无偏的。

应用随机过程——马尔可夫过程的应用

应用随机过程——马尔可夫过程的应用 李文雯，黄静冉，李鑫，苏建武 （国防科学技术大学电子科学与工程学院，湖南，长沙，410072） 摘要：现实生活中，语音处理、人脸识别以及股市走势预测等实际问题都具有马尔可夫性，即未来的走势 和演变仅仅与当前的状态有关而不受过去状态的影响。本文运用这一性质建立了以上三个问题的马尔可夫 链模型并做出了相应分析。 Abstract: In practical, phonetic processing, face recognition and the prediction of trend in stock market all have the MarKov property, that is, the evolvement and trend in the future are just in relationship with present state but not influenced by the past. In this article, we use the property setting up MarKov chain models of the three problems mentioned above and make some corresponding analysis. 关键词：马尔可夫过程语音处理人脸识别股市走势预测 Keyword: MarKov Process Phonetic processing Face recognition Prediction of trend in stock market 一、引言 马尔科夫过程(MarKov Process)是一个典型的随机过程。设X(t)是一随机过程，当过程 在时刻t0所处的状态为已知时，时刻t(t>t0)所处的状态与过程在t0时刻之前的状态无关， 这个特性成为无后效性。无后效的随机过程称为马尔科夫过程。我们称时间离散、状态离散 的马尔科夫过程为马尔科夫链。马尔科夫链中，各个时刻的状态的转变由一个状态转移的概 率矩阵控制。我们将采用马尔可夫链建模的方法，就马尔可夫模型在语音处理、人脸识别以 及股市走势预测等几个方面的应用进行探讨。 二、马尔可夫过程的应用举例 1、股票市场走势预测 对一支股票来说，令x(n)表示该股票在第n天的收盘价，x(n)是一个随机变量，(x(n)， n≥0)是一个参数离散的随机过程。假设股票价格具有无后效性与时问齐次性，这样一来我 们就可以用马尔可夫过程的研究方法预测未来某交易日收盘价格落在每个区间的概率。 以某股份18个收盘交易日的收盘价格为资料 序号 1 2 3 4 5 6 7 8 9 收盘价12.99 13.15 13.78 13.83 12.54 13 13.2 12.96 12.6 序号10 11 12 13 14 15 16 17 18 收盘价13.7 13.58 13.58 13.58 13.49 13.7 14.03 13.77 13.82 这组数据中的最大值为14.03，最小值为12.54，因此可以将这个取值范围划分为 [12.54,12.9125],[12.9125,13.285],[13.285,13.6575],[13.6575,14.03]。故将观测数据划分如下： 价格状态 A B C D 价格区间 [12.54,12.9125] [12.9125,13.285][13.285,13.6575][13.6575,14.03] 频数 2 5 4 7 根据以上的状态划分，可以对状态转移的情况进行统计如下：

随机过程及其应用-清华大学

4.1(等待时间的和)设诚恳按照参数λ的Poisson 过程来到公交站，公交车于时刻t 发出，那么在],0[t 时间段内到达的乘客等待时间总和的期望应该如何计算那？ 对于某一个乘客而言，假设其到达时间为k t ，那么他等待时间就是 k t t -所以乘客总的等待时间为∑=-=) (0)()(t N k k t t t S 使用条件期望来处理平均等待))(|)(())((n t N t E E t S E == 对于某已成了而言，其到达时刻k t 随机],0[t 内均匀分布的随机变量。但在车站上，乘客是先后到达次序排队，所以在n t N =)(的条件下， n t t t ,...,,21形成了独立均匀分布的顺序统计量。不过就他们的和n t t ++...1而言，可以那他们看着顺序统计量，也可以把他们看着不排顺序的n 各独立的],0[t 内均匀分布的随机变量，所以 2))((2)2)(())((2 2)())(|)((2 0t t N E t t t N E t E E nt nt nt t E nt n t N t E E n k k λ= ===- =-==∑=从而有 4.2(数值记录)设},{N n X n ∈是一独立同分布的非负期望随机变量序列。定义风险率)(t λ如下) (1) ()(t F t f t -= λ 这里)()(t F t f 和分别是k X 的概率密度分布和分布函数。定义随机过程 )(t N 如下}),,..,max(:{#)(01t X X X X n t N n n n ≤>=- 这里A #表示集合A 中的元素个数。如果把)(t N 中的时间t 看做时间，那么)(t N 是一个非齐次Poisson 过程。事实上，由于k X 彼此独立，所以)(t N 具有独立增量性。很明显0)0(=N ，于是只需要检查一个时间微元内)(t N 的状态。

数理统计与随机过程讲义

第四章 假设检验 假设检验是一种重要应用价值的统计推断形式，是数理统计的分支。从发展历史上有重要的节点为 1 ：Pearson 的拟合优度的2χ检验 1900 2：Fisher 的显著性检验 1920 3：Neyman-Pearson 一致最优检验 1928 4：Wald 的判决理论 1950 5：Bayes 方法 （二战之后发展的学派） §4.1 基本术语 关于随机变量的分布、数字特征等，每一种论断都称为统计假设，分为参数假设和非参数假设，例如),(~2σu N X ，假设1,1:==σu H 就称为参数假设；给定一组样本值，假设:H ~X 正态分布，对于分布进行论断，为非参数假设。 无论上面那种假设，都是给出一个对立的假设，比如),(~2σu N X ，那么假设1,1:0==σu H 的对立假设就是1,1:1≠≠σu H ，我们就把0H 称为基本假设，或者原假设，而1H 就称为对立（备选）假设。 为了分别那个假设是对的，需要判断假设真伪，就是对假设做出“否”还是“是”的程序就是检验，这个检验常用否定域形式给出，按照一定规则把样本值集合分成两个部分V V ?，当样本值落入子集V 认为0H 不真，那么V 是0H 的否定域，V 为0H 的接受域。 那么这样就产生了两种错误： 第一类错误α ：本来0H 是真，但是却否定了，弃真； 第二类错误β ：本来0H 不真，但是却接受为真，叫取伪。 选定一种检验方法，我们希望上述两种错误概率都小。但是给定样本容量，使得两种错误任意小是不可能的，我们主要研究两大类检验方法：

1：样本容量给定，控制第一类错误，使得错误概率有一个上界α，叫做检验的显著性水平，根据这种原则建立的检验就是α水平显著性检验； 2：样本容量给定，控制第一类错误α水平固定，还使得第二类错误最小，就是接受不真实假设的概率最小，否定不真实假设的概率就称为检验功效1-β，使得功效最大，，根据这种原则建立的检验就是α水平最大功效检验,或者最佳检验。 §4.2参数假设检验 设X 符合分布),(θx F ，未知参数θΘ∈参数空间，空间分成两部分0Θ和 Θ-0Θ，二者交集为空。 主要对于正态分布参数的统计假设的显著性检验方法。 1）针对不同问题，提出基本假设与备选假设 0H ：θ0Θ∈ 1H ：θ0Θ-Θ∈ 如果参数空间仅仅是由0θθ=和1θθ=两个点组成的，那么我们称简单假设，否则是复合假设。 2）给定检验的显著性水平α，其大小依据不同问题不同，比如火箭、飞机等可靠性问题，α要越小越好，对于一般生产问题，太小了则意味着生产时间和成本的增加； 3）建立对于基本假设的统计量和否定域； 4）取样，计算统计量值，落入否定域则判读0H 为假，否则为真。 例子：某种药片制剂中国家规定成分A 的含量X 必须为10%，现在抽取5个片剂试样，测得A 的含量为 10.9% 9.45% 10.38% 9.61% 9.92% 假设)%,10(~20σ=u N X ，按照显著性水平α=0.05进行检验是否与规定10%相符？ 解：建立基本假设0H ：0u u =，这里显著性水平α=0.05，样本容量为5，样本值如上。 如何确定统计量呢？样本均值X 可以求出，但是这里方差未知，用无偏估 计量* 2n S 来代替2σ，那么统计量 = t )1(~/* 20--n t n S u X n

(完整版)2012-2013《概率论与随机过程试题》期末考试试题答案

北京邮电大学2012——2013学年第1学期 《概率论与随机过程试题》期末考试试题答案 考试注意事项：学生必须将答题内容（包括填空题）做在试题答题纸上，做在试卷纸上一律无效。在答题纸上写上你的班号和选课单上的学号，班内序号! 一. 单项选择题和填空题：（每空3分，共30分） 1.设A 是定义在非空集合Ω上的集代数,则下面正确的是 .A （A ）若A B ∈∈A,A ,则A B -∈A ; （B ）若A A B ∈?A,,则B ∈A ; （C ）若12n A n =∈?A,,,,则 1 n n A ∞=∈A ; （D ）若12n A n =∈?A,,,,且123A A A ??? ,则 1 n n A ∞ =∈A . 2. 设(),ΩF 为一可测空间，P 为定义在其上的有限可加测度，则下面正确的是 .c （A ）若A B ∈∈F,F ,则()()()P A B P A P B -=-； （B ）若12n A n =∈?F,,,,,且123A A A ??? ，则1 li ( )()m n n n n P A A P ∞→∞ ==； （C ）若A B C ∈∈∈F,F,F,，则()()()()P A B C P A P AB P A BC =++； （D ）若12n A n =∈?F,,,,,且,i j A i j A =??=/，1 1 ( )()n n n n P P A A ∞ ∞===∑. 3.设f 为从概率空间(),P ΩF,到Borel 可测空间(),R B 上的实可测函数，表达式为100 0()k A k f kI ω==∑，其中1000 ,, i j n n i j A A A ==??=Ω/=，则fdP Ω=? ；