应用随机过程第3章Poisson过程下

(完整版)答案应用随机过程a

山东财政学院 2009—2010学年第 1 学期期末考试《应用随机过程》试卷(A ) （考试时间为120分钟） 参考答案及评分标准 考试方式： 闭卷 开课学院 统计与数理学院 使用年级 07级 出题教师 张辉 一． 判断题（每小题2分，共10分，正确划√，错误划ⅹ） 1. 严平稳过程一定是宽平稳过程。（ⅹ ） 2. 非周期的正常返态是遍历态。（√ ） 3. 若马氏链的一步转移概率阵有零元，则可断定该马氏链不是遍历的。（ⅹ ） 4. 有限马尔科夫链没有零常返态。（√ ） 5．若状态i 有周期d, 则对任意1≥n , 一定有：0)(?nd ii p 。（ⅹ ） 二． 填空题（每小题5分，共10分） 1. 在保险公司的索赔模型中，设索赔要求以平均每月两次的速率的泊松过程到达保险公司，若每次赔付金额是均值为10000元的正态分布，一年中保险公司的平均赔付金额是＿＿240000元＿＿＿。 2．若一个矩阵是随机阵，则其元素满足的条件是：（1）任意元素非负（2）每行元素之和为1。 三． 简答题（每小题5分，共10分） 1． 简述马氏链的遍历性。 答：设) (n ij p 是齐次马氏链{}1,≥n X n 的n 步转移概率，，如果对任意 I j i ∈,存在不依赖于i 的极限0)(?=j n ij p p ，则称齐次马氏链{}1,≥n X n 具有遍历性。 2． 非齐次泊松过程与齐次泊松过程有何不同？

答：非齐次泊松过程与齐次泊松过程的不同在于：强度λ不再是常数，而是与t 有关，也就是说，不再具有平稳增量性。它反映了其变化与时间相关的过程。如设备的故障率与使用年限有关，放射物质的衰变速度与衰败时间有关，等等。 四． 计算、证明题（共70分） 1. 请写出C —K 方程，并证明之. （10分） 解： 2. 写出复合泊松过程的定义并推算其均值公式. （15分） 解：若{}0),(≥t t N 是一个泊松过程，是Λ,2,1,=i Y i 一族独立同分布的随机变量，并且与{}0),(≥t t X 也是独立的， )(t X =∑=t N i i Y 1，那么{}0),(≥t t X 复合泊松过程

泊松过程及其在排队论中的应用

泊松过程及其在排队论中的应用 摘要：叙述了泊松过程的基本定义和概念，并列举了泊松过程的其他等价定义和证明并分析了泊松过程在排队论中的应用，讨论了完成服务和正在接受服务的顾客的联合分布。 关键词：泊松过程；齐次泊松过程；排队论 1. 前言 泊松分布是概率论中最重要的分布之一，在历史上泊松分布是由法国数学家泊松引人的。近数十年来，泊松分布日益显现了其重要性而将泊松随机变量的概念加以推广就得到了泊松过程的概念。泊松过程是被研究得最早和最简单的一类点过程，他在点过程的理论和应用中占有重要的地位。泊松过程在现实生活的许多应用中是一个相当适合的模型，它在物理学、天文学、生物学、医学、通讯技术、交通运输和管理科学等领域都有成功运用的例子。 2. 泊松过程的概念 定义3.2 ：设计数过程{ X(t)，t ≥ 0}满足下列条件： (1) X(0) = 0; (2) X(t)是独立增量过程; (3) 在任一长度为t 的区间中，事件A 发生的次数服从参数0t >λ的泊松分布，即对任意是s, t ≥ 0，有 ! )(})()({n t e n s X s t X P n t λλ-==-+， ,1,0=n 则称计数过程{ X(t)，t ≥ 0}为具有参数0>λ的泊松过程。 注意，从条件(3)知泊松过程是平稳增量过程且t t X E λ=)]([，由于， t t X E )]([= λ表示单位时间内事件A 发生的平均个数，故称λ为此过程的速率或强度。 从定义3.2中，我们看到，为了判断一个计数过程是泊松过程，必须证明它满足条件(1)、(2)及(3)。条件(1)只是说明事件A 的计数是从t = 0时开始的。条件(2)通常可从我们对过程了解的情况去验证。然而条件(3)的检验是非常困难的。为此，我们给出泊松过程的另一个定义。 定义3.3 ：设计数过程{ X(t)，t ≥ 0}满足下列条件： (1) X(0) = 0; (2) X(t)是独立平稳增量过程; (3) X(t)满足下列两式： o(h). 2} X(t)-h)P{X(t o(h),h 1} X(t)-h)P{X(t =≥++==+λ

Poisson过程

第三章Poisson过程 教学目的：（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）了解泊松过程的三种推广。 教学重点：（1）泊松过程两种定义的等价性； （2）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； （3）泊松过程的三种推广。 教学难点：（1）泊松过程两种定义的等价性的证明； （2）泊松过程来到时刻的条件分布； （3）泊松过程的推广。 3.1 Poisson过程 教学目的：掌握Poisson过程的定义及等价定义；会进行Poisson过程相关的概率的计算。 教学重点：Poisson过程的定义与其等价定义等价性的证明；Poisson过程相关的概率的计算。 教学难点：Poisson过程的定义与其等价定义等价性的证明。 Poisson过程是一类重要的计数过程，先给出计数过程的定义 定义3.1：{(),0} 表示从到时刻 N t t N t t≥ 随机过程称为计数过程，如果()0特定事件发生的次数，它具备以下两个特点： 某一A N t取值为整数； (1)() 内事件发生的次数。 (2)()()()-()(,] 时，且表示时间A s t N s N t N t N s s t <≤ 计数过程有着广泛的应用，如：某商店一段时间内购物的顾客数；某段时 间内电话转换台呼叫的次数；加油站一段时间内等候加油的人数等。 如果在不相交的时间区间中发生的事件个数是独立的，则称该计数过程

有独立增量。即当123,t t t <<2132()-()()-()X t X t X t X t 有与是独立的。 若在任一时间区间中的事件个数的分布只依赖于,时间区间的长度则计数 过程有平稳增量。即对一切12120(,]t t s t s t s <>++及，在中事件个数 21()()N t s N t s +-+12(,]t t 与区间中事件的个数21()()N t N t -有相同的分布。 Poission 过程是计数过程，而且是一类最重要、应用广泛的计数过程，它最早于1837年由法国数学家Poission 引入。 .独立增量和平稳增量是某些级数过程的主要性质Poisson 过程是具有独立 增量.和平稳增量的计数过程 定义3.2：{(),0}(0)N t t λλ≥>计数过程称为参数为Poisson 过程，如果 (1)(0)0N =； (2)过程具有独立增量； (3),0,s t ≥对任意的 (()-())P N t s N s n +=! n t t e n λλ-=（） 例3.1：3/h 设顾客到达商店依次人的平均速度到达，Poisson 且服从分布， 9:00,已知商店上午开门试求 (1)9:0010:005从到这一小时内最多有名顾客的概率？ (2)9:3011:30到时仅到一位顾客，而到时总计已达到5位顾客的概率？ (解：见板书。) 注：（1）Poisson 过程具有平稳增量。 （2）随机变量()N t 服从参数为t λ的Poisson 分布，故[()]E N t t λ=（显然，可以认为λ是单位时间内事件发生的平均次数，称λ是Poisson 过程的强度或速率或发生率。）

应用随机过程试题及答案

应用随机过程试题及答案 一．概念简答题（每题5 分，共40 分） 1. 写出卡尔曼滤波的算法公式 2. 写出ARMA（p,q）模型的定义 3. 简述Poisson 过程的随机分流定理 4. 简述Markov 链与Markov 性质的概念 5. 简述Markov 状态分解定理 6．简述HMM 要解决的三个主要问题得分B 卷（共9 页）第2 页7. 什么是随机过程，随机序列？8．什么是时齐的独立增量过程？二．综合题（每题10 分，共60 分） 1 ．一维对称流动随机过程n Y , 0 1 0, , n n k k Y Y X ? ? ? ? 1 ( 1) ( 1) , 2 k k k X p x p x ? ? ? ? ? 具有的概率分布为且1 2 , , ... X X 是相互独立的。试求1 Y 与2 Y 的概率分布及其联合概率分布。 2. 已知随机变量Y 的密度函数为其他而且，在给定Y=y 条件下，随机变量X 的条件密度函数为? ? 其他试求随机变量X 和Y 的联合分布密度函数( , ) f x y . 得分B 卷（共9 页）第3 页 3. 设二维随机变量( , ) X Y 的概率密度为( ,其他试求p{x<3y} 4．设随机过程( ) c o s 2 , ( , ) , X t X t t ? ? ? ? ? ? X 是标准正态分布的随机变量。试求数学期望( ) t E X ，方差( ) t D X ，相关函数1 2 ( , ) X R t t ，协方差1 2 ( , ) X C t t 。B 卷（共9 页）第4 页5 ．设马尔科夫链的状态空间为I={0,1}, 一步转移概率矩阵为

泊松分布及其应用研究

泊松分布及其应用研究 Prepared on 22 November 2020

湖南科技大学 信息与电气工程学院 《课程论文》 题目：泊松分布及其应用研究 专业：通信工程 班级： 13级3班 姓名：黄夏妮 学号： 目录 一、摘要 (1) 二、泊松分布的概念 (2) 三、计数过程为广义的泊松过程 (4) 四、泊松分布及泊松分布增量 (5) 五、泊松分布的特征 (5) 六、泊松分布的应用 (6) 七、基于MATLAB的泊松过程仿真 (8) 八、参考文献 (12)

摘要 作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一。服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系。 在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。并且在某些函数关系起着一种重要作用。例如线性的、指数的、三角函数的等等。同样, 在为观察现象构造确定性模型时, 某些概率分布也经常出现。泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型, 它具有很多性质。为此本文讲述了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。

二、泊松分布的概念： 定义1 设随机变量X 的可能取值为,,2,1,0 且 {}0,,2,1,0,! >===-λλ k e k x k X P k 为常数。 则称X 服从参数为λ的泊松分布,记作X ～ D(λ) 。 定义2 设ε是任意一个随机变量,称 )t (- e t)(it +∞<<∞=Φε是ε的特征函数。 主要结论： 定理1 如果X 是一个具有以λ为参数的泊松分布,则E( X) = λ且D ( X) =λ。 证明 设X 是一随机变量,若 ] X) E( - X [ E{2}存在,则称它为X 的方差,记作D( X) ,即 ] X) E( - X [ E{ X) D(2}=。设X 服从泊松分布D ( X) ,即有: 则()()λλλλλλλλ λ=?=-==- ∞ =--∞ =-∑∑ e e k e k e k X E k k k k 11 0!1! 从而()() () λλλλλλλ λ +=-+-==-∞ =-∞ =--∞ =∑ ∑ ∑2122 2 2 !1!2! e k e k e k k X E k k k k k k 故λλλλ - X) E( - ) X E( X) D(2222=+== 定理2 设随机变量) , ,2 1 n ( x n =服从二项分布,其分布律为 {}n k p p C k x P k n n k n k n n ,,2,1,0,)1( =-==-。 又设0>=λn np 是常数,则{}λλ-∞ →==e k k x P k n n ! lim 。 证明 由λ=n np 得: 显然,当k = 0 时,故λ-n e k} x P{→=。当k ≥1 且k → ∞时,有

应用随机过程答题(2)

--------------------------------------装----------------------------------------订 ---------------------------------------线-------------------------------------- 第 - 1 - 页 共 -3- 页 2005-2006学年秋季学期《 随机分析 》课程期末考试试题B 说明：学生必须将答案全部写在答题纸上，凡写在试题上的一律无效。学生可随身携带计算器。 一、填空题（每小题3分，共计10×3＝30分） 1）随机变量()2~,X N μδ，则其矩母函数()=t g 。 2）(){}0,≥t t N 为以参数2=λ的Possion 过程，则()()}{=2211＝且＝N N P 。 3）设Poisson 过程(){}0,≥t t N 的强度为3，n X 表示过程第1-n 次与第n 次事件的 时间间隔，则}{=n X E ， }{=n X D 。 4）设某刊物邮购部的顾客数是平均速率为6的Poisson 过程，订阅1年、2年、3年的概率分别21， 31和6 1，且相互独立。订阅一年时，可得1元手续费。以()t X 记在[]t ,0得到的总手续费。则()}{=t X E ＝ ，()}{= t X D ＝ 。 5）考虑状态0，1，2的一个Markov 链{}0,≥n X n ，其一步转移概率矩阵为 ????? ??=1.08.01.04.02.04.06.03.01.0P ，初始分布为2.0,5.0,3.0210===p p p ，则 ()====1,0,1210X X X P 。 6）已知状态为1，2，3，4的齐次Markov 链{}0,≥n X n 及其一步转移概率矩阵为

泊松过程与泊松分布的基本知识

泊松过程与泊松分布的基本知识泊松过程是随机过程的一个经典模型，是一种累积随机事件的发生次数的独立增量过程。也就是说，每次事件的发生是相互独立的。那么泊松分布和泊松过程又什么关系呢？可以说泊松分布是描述稀有事件的统计规律，即可以描述一段时间内发生某个次数的概率。而泊松过程呢，就适合刻画“稀有事件流”的概率特性。 比较：泊松分布 泊松过程的主要公式： 其实没多少不一样对不对？不一样的是泊松过程是一个可以查看在时间t内发生次数的概率，这个t是可变的。泊松分布则是给定了时间。 泊松过程的关键在于，它的到达间隔序列Tn，即每两次发生的时间是服从的独立同指数分布的。如果每次发生的间隔时间不服从指数分布，那么这个随机过程就会更一般化，我们成为是更新过程，这也是随机过程的推广。 泊松过程分为齐次泊松过程和非齐次泊松过程，齐次的意思很简单，就是说过程并不依赖于初始时刻，强度函数是一个常数，从上面的公式也看得出来。而非齐次则是变成了,这意味着什么呢？这以为着随着与时间的改变，强度是会改变的，改变服从强度函数，说了这

么久，强度究竟是个什么概念？强度的意思就是泊松过程的该事件发生的频率，或者说快慢，泊松分布中我们知道期望就是,实际含义就是，在一段时间内，发生的次数平均水平是次。 复合泊松过程：泊松过程我们已经知道，用描述一段时间累积发生的次数，但是如果每次发生带来的后果都是不一样的，我们怎么描述这个过程呢？比如，火车站到达的乘客是服从泊松过程的，但是每个乘客携带有不同重量的行李，我们如何刻画在[0,t]时间内行李总重量呢，这个过程就是复合泊松过程。复合泊松过程的均值函数和方差函数一般可以用全期望和全方差公式进行计算，因为简单泊松过程的期望很容易求。 更新过程： 上文已经说到，更新过程作为泊松过程的推广，更具有一般性，那么在讨论更新过程时，我们更多地讨来更新函数，更新函数是更新过程的均值函数m(t)=E[N(t)]，怎么理解呢，就是说需要用t时刻的累积计数的期望特性来表达更新过程。有一条定理： 这个定理是可以证明的，Fn（t）是分布函数，就是说：在t时刻，更新函数值就是在这个时刻，n取遍所有值的分布之和。 那么是否可以这样理解，更新过程和泊松过程的区别就是更新间隔序列不同，那么如果已知了更新间隔序列的概率密度函数，就可以求解该过程的更新函数了，详细的推导就不写了。扔结论出来：对间隔序列概率密度函数做拉氏变换得到Lf(s),然后求 Lm(s)=Lf(s)/s(1-Lf(s)),再对Lm(s)进行逆变换，就得到了m(t),这就是更新函数。

泊松过程

第二讲 泊松过程 1．随机过程和有限维分布族 现实世界中的随机过程例子： 液体中，花粉的不规则运动：布朗运动；股市的股票价格； 到某个时刻的电话呼叫次数； 到某个时刻服务器到达的数据流数量，等。 特征：都涉及无限多个随机变量，且依赖于时间。 定义（随机过程） 设有指标集T ，对T t ∈都有随机变量)(t X 与之对应，则称随机变量族 }),({T t t X ∈为随机过程。 注 一个随机过程是就是一个二元函数E T t X →?Ωω:),(。固定ω，即考虑某个事件相 应的随机变量的值，得到函数R T t X →:),(ω称为样本函数或轨道或一个实现。映射的值域空间E 称为状态空间。 例 随机游动(离散时间，离散状态) 质点在直线上每隔单位时间位置就发生变化，分别以概率p 或概率p -1向正或负向移动一个单位。如果以n S 记时刻n 质点所处的位置，那么就得到随机过程{,0}n S n ≥。这里指标集},1,0{ =T ，状态空间},1,0,1,{ -=E 。 如果记n X 为时刻n ，质点的移动，那么{,1}n X n ≥也是随机过程。 两个过程的区别：{}n S 不独立；{}n X 独立； 两个过程的关系：01 n n k k S S X ==+ ∑ 习题 计算n ES 和n DS （设00S =）。 提示 利用∑== n k k n X S 1 ，其中k X 是时刻k 的移动方式。 习题 设从原点出发，则()/2()/2()/2 ,2()0, 21n k n k n k n n C q p n k i P S k n k i +-+?+===?+=-?。 例 服务器到达的数据流(连续时间，离散状态) 在],0[t 内，到达服务器的数据包个数记为)(t N ，那么}0),({≥t t N 也是个随机过程， 其指标集}{+ ∈=R t T ，状态空间},1,0{ =E 。

应用随机过程习题课二

习题 1. 设随机过程{(,),}X t t ω-∞<<+∞只有两条样本函数 12(,)2cos ,(,)2cos ,X t t X t t x ωω==--∞<<+∞ 且1221 (),()33P P ωω==，分别求： （1）一维分布函数(0,)F x 和(,)4F x π ； （2）二维分布函数(0,;,)4F x y π ； （3）均值函数()X m t ； （4）协方差函数(,)X C s t . 2. 利用抛掷一枚硬币一次的随机试验，定义随机过程 1 2 cos ()2t X t πωω?=??出现正面出现反面 且“出现正面”与“出现反面”的概率相等，各为1 2 ，求 1）画出{()}X t 的样本函数 2）{()}X t 的一维概率分布，1 (;)2F x 和(1;)F x 3）{()}X t 的二维概率分布121 (,1;,)2 F x x 3. 通过连续重复抛掷一枚硬币确定随机过程{()}X t cos ()2 t t X t t π?=? ?在时刻抛掷硬币出现正面 在时刻抛掷硬币出现反面 求：（1）1(,),(1,)2F x F x ； （2）121 (,1;,)2 F x x 4. 考虑正弦波过程{(),0}X t t ≥，()cos X t t ξω=，其中ω为正常数，~(0,1)U ξ. （1）分别求3,,,424t ππππωωωω = 时()X t 的概率密度(,)f t x . （2）求均值函数()m t ，方差函数()D t ，相关函数(,)R s t ，协方差函数(,)C s t . 5. 给定随机过程： ()X t t ξη=+ ()t -∞<<+∞ 其中r. v. (,)ξη的协方差矩阵为1334C ?? = ??? ， 求随机过程{(),}X t t -∞<<+∞的协方差函数. 6. 考虑随机游动{(),0,1,2,}Y n n =

泊松过程的应用

应用随机过程课程论文 题目:浅谈泊松过程及其应用 姓名: 学院:理学院 学号: 2013年7月1 日

浅谈泊松过程及其应用 摘要： 本文论述了泊松过程的有关定义，并对其进行相应的推广，阐述了时齐泊松过程、非时齐泊松过程、复合泊松过程以及条件泊松过程，从中很容易看出它们之间的联系。同时，本文也在排队论、数控机床可靠性、保险、航空备件需求上简单描述了泊松过程的应用。另外，泊松过程在物理学、地质学、生物学、金融和可靠性理论等领域中也有着广泛的应用。 关键词：泊松过程；复合泊松过程；排队论 一、泊松过程 1．时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,()()s t k N s t N s ?≥∈+-是参数为t λ的泊松分布，即 {}()()().! k t t P N t s N t k e k λλ-+-== 则称此随机过程为时齐泊松过程。 2．非时齐泊松过程 定义：一随机过程{}(),0N t t ≥，若满足如下条件： （1） 它是一个计数过程，且(0)0N =; （2） 它是独立增量过程; （3） 0,0,,s t k ?≥∈满足{}()()[()()]()().! k m s m s t m s t m s P N t s N t k e k -++-+-==其中 0()()t m t s ds λ=?，则称此随机过程为具有强度函数为{}(t)>0λ的非时齐泊松过程。 3．复合泊松过程 定义：设{},1i Y i ≥是独立同分布的随机变量序列，{}(),0N t t ≥为泊松过程， 且{}(),0N t t ≥与{},1i Y i ≥独立，记() 1()N t i i X t Y ==∑，则称{}(),0X t t ≥为复合泊松过程。 4．条件泊松过程 定义：设Λ为一正的随机变量，分布函数为(),0G x x ≥，当给定λΛ=的条件下，{}(),0N t t ≥是一个为泊松过程，即0,0,,0s t k λ?≥∈≥， 有{}()()().! k t t P N t s N t k e k λλλ-+-=Λ== 则称{}(),0N t t ≥是条件泊松过程。 注：这里{}(),0N t t ≥不再是增量独立的过程，由全概率公式，可得 {}0()()()().! k t t P N t s N t k e dG k λλλ∞ -+-==?

实验报告——泊松过程

Poisson过程的模拟和检验 一、实验目的 1、理解掌握Poisson过程的理论，了解随机过程的模拟实现技 术； 2、学习并掌握在实际中如何检验给定的随机过程是否为Poisson过程。 二、实验内容 1、利用C语言、MATLAB等工具，结合Poisson过程等相关结论，模拟Poisson过程； 2、查找资料、学习关于Poisson过程假设检验的相关知识，检验上述模拟实现的到达过程是否满足Poisson过程的定义。 三、作业要求 提交实验报告电子版，说明模拟实现的过程，检验原理、步骤等以及实现过程；提交程序源代码。 四、实验原理 1、泊松过程 （1）计数过程 [0，t]内随机事件发生的总数，则随机过程 称为一个计数过程。 且满足： 1

2 3 4 （2）泊松过程 设随机过程 是一个计数过程，满足 1 2 3）对任一长度为t 的区间中事件的个数， Poisson(泊松)过程。 （3 设 t 为止已发生的事 n 表示第n 次与第n-1次事件发生的时间间隔。显然， 定理3.2 设 是参数为 （

则根据上述泊松分布模型可知， n=1,2,...）是独立同分 2、泊松过程检验方法 Kolmogorov-Smirnov检验（柯尔莫哥洛夫-斯摩洛夫），亦称拟合优度检验法，用来检验模拟所得的数据的分布是不是符合一个理论的已知分布。 五、实验过程 1、泊松过程的模拟 （1）实验思路 本实验采用MATLABR2010a编程软件，从构造服从指数分布的时 拟了泊松过程。 （2）实验步骤 a）由函数random(‘exponential’,lamda)构造服从指数分布 b c由此得到泊松过程的模拟。 2、泊松过程的检验 （1）条件设定 H1:实验产生模拟泊松分布数据的总体分布服从泊松分布。

《随机过程及其在金融领域中的应用》习题一答案

习题一 1、设人民币存款利率为5%，每年计息一次，那么大约要多少年时间才能使存款额变为原来的4倍？如果利率变为4%，又要多少年？ 解：设初始投入资金为Q 元，大约需要n 年，其中的利率为r 。 依题意，可得： 公式计算法：Q ?5%?n =Q 1?Q 【PS: Q 1为存款后的利息+本金，Q 为本金】 1) 当r=5%的时候：Q ?5%?n =4Q ?Q 所以：n =35%=60 2) 当r=4%的时候：Q ?5%?n =4Q ?Q 3) 所以：n =34%=75 答：当利率为5％的时候，大约60年可以达到4倍。 利率为4％的时候，大约75年可以达到4倍。 2、如果利率为年复合利率r ，请给出一个公式，用它来估计要多少年才能使存款额变为原来的3倍。 解：【推导过程】当利率为r ，则一年之后存放余额为Q+rQ=(1+r)Q 之后连本带息存款，二年之后存放余额 Q (1+r )+Q (1+r )r =Q(1+r)2 ······ 依次类推n 年后存款达到Q(1+r)n 依据上述公式和P3的(1—4)，可以得到： Q(1+r)n =3Q 且(1+r)n =e nr =>(1+r)n =3且(1+r)n =e nr 且当n 充分大时=>(1+r)n ≈e nr ，则由题意得到Q(1+r)n =3Q =>(1+r )n =3且(1+r )n ≈e nr ,近似e nr ≈3 n ≈ln3r =ln3r 3、考虑期权定价C 问题，设利率为r ，在t=0时刻，某股票价格为100元，在t =1时刻，该股票的价格为200或50，即 100(t =0)↗↘20050 (t =1) 试证明：若C ≠100?50(1+r )?13，则存在一个购买组合，使得在任何情况下都能 带来正的利润现值，即套利发生。【本题默认执行价格为150】

随机过程习题答案

随机过程习题解答（一） 第一讲作业： 1、设随机向量的两个分量相互独立，且均服从标准正态分布。 （a）分别写出随机变量和的分布密度 （b）试问：与是否独立？说明理由。 解：（a） （b）由于： 因此是服从正态分布的二维随机向量，其协方差矩阵为： 因此与独立。 2、设和为独立的随机变量，期望和方差分别为和。 （a）试求和的相关系数； （b）与能否不相关？能否有严格线性函数关系？若能，试分别写出条件。 解：（a）利用的独立性，由计算有： （b）当的时候，和线性相关，即 3、设是一个实的均值为零，二阶矩存在的随机过程，其相关函数为 ，且是一个周期为T的函数，即，试求方差 函数。 解：由定义，有： 4、考察两个谐波随机信号和，其中：

式中和为正的常数；是内均匀分布的随机变量，是标准正态分布的随机变量。 （a）求的均值、方差和相关函数； （b）若与独立，求与Y的互相关函数。 解：（a） （b） 第二讲作业： P33/2．解： 其中为整数，为脉宽 从而有一维分布密度： P33/3．解：由周期性及三角关系，有： 反函数，因此有一维分布： P35/4. 解：(1) 其中 由题意可知，的联合概率密度为：

利用变换：，及雅克比行列式： 我们有的联合分布密度为： 因此有： 且V和相互独立独立。 （2）典型样本函数是一条正弦曲线。 （3）给定一时刻，由于独立、服从正态分布，因此也服从正态分布，且 所以。 （4）由于： 所以因此 当时， 当时， 由（1）中的结论，有： P36/7．证明： (1) (2) 由协方差函数的定义，有：

P37/10. 解：（1） 当i =j 时；否则 令 ，则有 第三讲作业： P111/7．解： （1 ）是齐次马氏链。经过 次交换后，甲袋中白球数仅仅与次交换后的状态有关，和之前的状态和交换次数无关。 （2）由题意，我们有一步转移矩阵： P111/8．解：（1）由马氏链的马氏性，我们有： （2）由齐次马氏链的性质，有： （2）

关于泊松分布及其应用

关于泊松分布及其应用 论文提要： 作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一。服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系。 在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。并且在某些函数关系起着一种重要作用。例如线性的、指数的、三角函数的等等。同样, 在为观察现象构造确定性模型时, 某些概率分布也经常出现。泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型, 它具有很多性质。为此本文讲述了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。 摘要泊松分布做为概率论中的一种重要分布,在管理科学、运筹学及自然科学的某些实际问题中都有着广泛的应用。本文对泊松分布产生的过程、定义和性质做了简单的介绍,分析了泊松分布在生物学研究中的应用。 关键词泊松过程泊松分布应用 摘要：泊松分布作为大量试验中稀有事件出现的频数的概率分布的数

学模型, 它具有很多性质。研究了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。 关键词：泊松分布; 定义；定理；应用；例题；指数失效律; 数学期 望; 方差 一、 泊松分布的概念： 定义1 设随机变量X 的可能取值为,,2,1,0 且 {}0,,2,1,0,! >===-λλ k e k x k X P k 为常数。 则称X 服从参数为λ的泊松分布,记作X ～ D(λ) 。 定义2 设ε是任意一个随机变量,称 )t (- e t)(it +∞<<∞=Φε是ε的特征函数。 主要结论： 定理1 如果X 是一个具有以λ为参数的泊松分布,则E( X) = λ且D ( X) =λ。 证明 设X 是一随机变量,若 ] X) E( - X [ E{2}存在,则称它为X 的方差,记作D( X) ,即 ] X) E( - X [ E{ X) D(2}=。设X 服从泊松分布D ( X) ,即有: 0 , , ,2 ,1 0 k ,! k} X P{>===-λλλ e k k 则()()λλλλλλλλ λ =?=-==- ∞ =--∞ =-∑∑ e e k e k e k X E k k k k 11 0!1! 从而()()() λλλλλλλ λ +=-+-==-∞ =-∞ =--∞ =∑ ∑ ∑212 2 2 2 !1!2! e k e k e k k X E k k k k k k 故λλλλ - X) E( - ) X E( X) D(2222=+==

泊松分布及其应用研究

湖南科技大学 信息与电气工程学院 《课程论文》 题目：泊松分布及其应用研究 专业：通信工程 班级：13级3班 姓名：黄夏妮 学号：1304040322

一、摘要 (1) 二、泊松分布的概念 (2) 三、计数过程为广义的泊松过程 (4) 四、泊松分布及泊松分布增量 (5) 五、泊松分布的特征 (5) 六、泊松分布的应用 (6) 七、基于MATLAB的泊松过程仿真 (8) 八、参考文献 (12)

作为一种常见的离散型随机变量的分布,泊松分布日益显示其重要性,成为概率论中最重要的几个分布之一。服从泊松分布的随机变量是常见的,它常与时间单位的计数过程相联系。 在现实生活中应用更为广泛,如数学建模、管理科学、运筹学及自然科学、概率论等等。并且在某些函数关系起着一种重要作用。例如线性的、指数的、三角函数的等等。同样, 在为观察现象构造确定性模型时, 某些概率分布也经常出现。泊松分布作为大量试验中稀有事件出现的频数的概率分布的数学模型, 它具有很多性质。为此本文讲述了泊松分布的一些性质, 并讨论了这些性质在实际生活中的重要作用。

二、泊松分布的概念： 定义1 设随机变量X 的可能取值为,,2,1,0 且 {}0,,2,1,0,! >===-λλ k e k x k X P k 为常数。 则称X 服从参数为λ的泊松分布,记作X ～ D(λ) 。 定义2 设ε是任意一个随机变量,称 )t (- e t)(it +∞<<∞=Φε是ε的特征函数。 主要结论： 定理1 如果X 是一个具有以λ为参数的泊松分布,则E( X) = λ且D ( X) =λ。 证明 设X 是一随机变量,若 ] X) E( - X [ E{2}存在,则称它为X 的方差,记作D( X) ,即 ] X) E( - X [ E{ X) D(2}=。设X 服从泊松分布D ( X) ,即有: 0 , , ,2 ,1 0 k ,! k} X P{>===-λλλ e k k 则()()λλλλλλλλ λ =?=-==- ∞ =--∞ =-∑∑ e e k e k e k X E k k k k 11 0!1! 从而()() () λλλλλλλ λ +=-+-==-∞ =-∞ =--∞ =∑ ∑ ∑2122 2 2 !1!2! e k e k e k k X E k k k k k k 故λλλλ - X) E( - ) X E( X) D(2222=+== 定理2 设随机变量) , ,2 1 n ( x n =服从二项分布,其分布律为 {}n k p p C k x P k n n k n k n n ,,2,1,0,)1( =-==-。 又设0>=λn np 是常数,则{}λλ-∞ →==e k k x P k n n ! lim 。

应用随机过程学习汇总

应用随机过程学习汇总

————————————————————————————————作者：————————————————————————————————日期：

应用随机过程学习总结 一、预备知识：概率论 随机过程属于概率论的动态部分，即随机变量随时间不断发展变化的过程，它以概率论作为主要的基础知识。 1、概率空间方面，主要掌握sigma代数和可测空间，在随机过程中由总体样本空间所构成的集合族。符号解释： sup表示上确界， inf表示下确界。 本帖隐藏的内容 2、数字特征、矩母函数与特征函数：随机变量完全由其概率分布来描述。其中由于概率分布较难确定，因此通常计算随机变量的数字特征来估算分布总体，而矩母函数和特征函数便用于随机变量的N阶矩计算，同时唯一的决定概率分布。 3、独立性和条件期望：独立随机变量和的分布通常由卷积来表示，对于同为分布函数的两个函数，卷积可以交换顺序，同时满足结合律和分配率。条件期望中，最重要的是理解并记忆E(X) = E[E(X|Y)] = intergral(E(X|Y=y))dFY(y)。 二、随机过程基本概念和类型 随机过程是概率空间上的一族随机变量。因为研究随机过程主要是研究其统计规律性，由Kolmogorov定理可知，随机过程的有限维分布族是随机过程概率特征的完整描述。同样，随机过程的有限维分布也通过某些数值特征来描述。 1、平稳过程，通常研究宽平稳过程：如果X(t1)和X(t2)的自协方差函数 r(t1,t2)=r(0,t-s)均成立，即随机过程X(t)的协方差函数r(t,s)只与时间差 t-s有关，r(t) = r(-t)记为宽平稳随机过程。 因为一条随机序列仅仅是随机过程的一次观察，那么遍历性问题便是希望将随即过程的均值和自协方差从这一条样本路径中估计出来，因此宽平稳序列只需满足其均值遍历性原理和协方差遍历性原理即可。 2、独立增量过程：若X[Tn]– X[T(n-1)]对任意n均相互独立，则称X(t)是独立增量过程。若独立增量过程的特征函数具有可乘性，则其必为平稳增量过程。 兼有独立增量和平稳增量的过程称为平稳独立增量过程，其均值函数一定是时间t的线性函数。

(完整版)随机过程习题和答案

一、1.1设二维随机变量(,)的联合概率密度函数为： 试求:在时,求。 解： 当时，＝ ＝ 1.2 设离散型随机变量X服从几何分布： 试求的特征函数，并以此求其期望与方差。解：

所以： 2.1 袋中 红球，每隔单位时间从 袋中有一个白球，两个任取一球后放回，对每对应随机变量 一个确定的t ?? ? ? ? = 时取得白球 如果对 时取得红球 如果对 t e t t t X t 3 )( . 维分布函数族 试求这个随机过程的一 2.2 设随机过程，其中是常数，与是相互独立的随机变量，服从区间上的均匀分布，服从瑞利分布，其概率密度为 试证明为宽平稳过程。 解：（1） 与无关

（2） ， 所以 （3） 只与时间间隔有关，所以 为宽平稳过程。 2.3是随机变量，且，其中设随机过程U t U t X 2cos )(=求：，.5)(5)(==U D U E .321）方差函数）协方差函数；（）均值函数；（（ 2.4是其中，设有两个随机过程U Ut t Y Ut t X ,)()(32==.5)(=U D 随机变量，且 数。试求它们的互协方差函 2.5， 试求随机过程是两个随机变量设B At t X B A 3)(,,+=的均值),(+∞-∞=∈T t 相互独若函数和自相关函数B A ,.),()(),2,0(~),4,1(~,21t t R t m U B N A X X 及则且立 为多少？

3.1一队学生顺次等候体检。设每人体检所需的时间服从均值为2分 钟的指数分布并且与其他人所需时间相互独立，则1小时内平均有多少学生接受过体检？在这1小时内最多有40名学生接受过体检的概率是多少（设学生非常多，医生不会空闲） 解：令()N t 表示(0,)t 时间内的体检人数，则()N t 为参数为30的 poisson 过程。以小时为单位。 则((1))30E N =。 40 300 (30)((1)40)!k k P N e k -=≤=∑。 3.2在某公共汽车起点站有两路公共汽车。乘客乘坐1,2路公共汽车的强度分别为1λ，2λ，当1路公共汽车有1N 人乘坐后出发；2路公共汽车在有2N 人乘坐后出发。设在0时刻两路公共汽车同时开始等候乘客到来，求（1）1路公共汽车比2路公共汽车早出发的概率表达式；（2）当1N =2N ，1λ=2λ时，计算上述概率。 解： 法一：（1）乘坐1、2路汽车所到来的人数分别为参数为1λ、2λ的poisson 过程，令它们为1()N t 、2()N t 。1 N T 表示1()N t =1N 的发生时 刻，2 N T 表示2()N t =2N 的发生时刻。 1 11 1111111()exp()(1)! N N N T f t t t N λλ-= -- 2 22 1222222()exp()(1)! N N N T f t t t N λλ-= -- 1 2 121 2 1 2 2 1 112,12|1221 1122212(,)(|)()exp() exp() (1)! (1)! N N N N N N N N N T T T T T f t t f t t f t t t t t N N λλλλ--== ----

华工应用随机过程试卷及参考答案

华南理工大学2011—2012 学年第一学期 《应用随机过程》考试试卷（A 卷） （闭卷时间 120 分钟） 院/系年级 __专业姓名学号 1、设X 是概率空间(Ω,F ,P )且 EX 存在， C 是 F 的子σ－域，定义E (XC )如下：（1）_______________ ； （2）_____________________________________________ ； 2、设{N (t ),t ≥ 0}是强度为 λ 的 Poisson 过程，则 N (t )具有_____、 _____增量，且?t >0，h >0充分小，有：P ({N (t + h )? N (t ) = 0})＝ ________，P ({N (t + h )? N (t ) =1})＝_____________； 3、设{W (t ),t ≥ 0}为一维标准 Brown 运动，则?t >0，W (t ) ～____，且与 Brown 运动有关的三个随机过程____________、________ ______________、______________都是鞅（过程）； 4、倒向随机微分方程（BSDE ）典型的数学结构为__________ ______________________________，其处理问题的实质在于 ______________________________________________________。 二、证明分析题（共 12 分，选做一题） 1、设X 是定义于概率空间(Ω,F ,P )上的非负随机变量，并且具有

指数分布，即：P({X ≤ a}) =1?e?λa ，a >0，其中λ是正常数。设λ是 另一个正常数，定义：Z = λλe?(λ?λ)X ，由下式定义：P(A)=∫A ZdP，?A∈F ；（1）证明：P(Ω) =1；（2）在概率测度P 下计算的分布函 数：P({X ≤ a})，a>0； 2、设X0～U (0,1)，X n+1～U (1?X n,1)，n≥1，域流{F n,n≥ 0}满足： F n =σ(X k,0 ≤k≤n)，n≥ 0 ；又设Y0 = X0 ，Y n = 2n ?∏ k n=1 1 X?k X ?1 k ，n ≥1， 试证：{Y n ,n ≥ 0}关于域流{F n,n ≥ 0}是鞅！ 三、计算证明题（共60 分） 1、（12 分）假设X～E(λ)，给定c >0，试分别由指数分布的无记

随机过程试题及答案

一．填空题（每空2分，共20分） 1．设随机变量X 服从参数为λ的泊松分布，则X 的特征函数为it (e -1) e λ。 2．设随机过程X(t)=Acos( t+),-