随机过程第4章习题

合集下载

随机过程 第四章4

随机过程 第四章4
i, j有
lim
n

n
k 1
0, 如 j 为非常返或零常返 f p ij ( k ) ij , 如 j 为正常返 j
练习

1设状态空间S={1,2,3,4}的齐次马氏链,它的 一步转移概率矩阵为
1 2 1 P 2 1 4 0 1 1 2 1 4 0 1 4 0 0 0 2 0 1 4 1 0
1 2
n 1 , p 23 ( n ) 0,
n
极限 lim p i 3 ( n ) 存在 i 2 , 3 , 5
对正常返状态
j ,我们一般不讨论极限 1 n
lim p ij ( n ),
n
而只研究: (1) lim p ij ( nd );2 ) lim (
n

j 0
定理:不可约非周期马 是存在平稳分布,且此 1 ,j u j 证:先证充分性 I
氏链是正常返的充要条 平稳分布就是极限分布

设 j, j I 是平稳分布, j
由于 得

i I
i
p ij ( n )
顺序,

j I
i
1, i 0,故可交换极限与求和
N
1 p kj ( n ) kI k
(1)
下面来证明等号成立, 1


p ik ( n )
kI

N
p ik ( n )
k 0
先令 n ,再令 N 取极限得: 1 1 kI u k
2 1 j , 式为严格大于
n
j lim

i I

随机过程习题集-第四章马尔可夫过程

随机过程习题集-第四章马尔可夫过程

1第四章 马尔可夫过程内容提要1. 马尔可夫过程的概念 (1)马尔可夫过程给定随机过程{}(),X t t T ∈,如果对122,∀≥∀<<<∈n n t t t T ,有11221111{()|(),(),,()}{()|()}n n n n n n n n P X t x X t x X t x X t x P X t x X t x ----<====<=则称{}(),X t t T ∈为马尔可夫过程。

称(){}:,==∈E x X t x t T 为状态空间。

参数集和状态空间都是离散的马尔可夫过程称为离散参数马氏链. 参数连续、状态空间离散的马尔可夫过程称为连续参数马氏链. (2)k 步转移概率设{}(),0,1,2,=X n n 为离散参数马氏链,称()(),(,){|},0,1=+==≥≥i j p n k P X n k j X n i n k为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率,称(),(,)((,)),P =∈i j n k p n k i j E为{}(),0,1,2,=X n n 在时刻n 的k 步转移概率矩阵. 特别地,当1k =时,在时刻n 的一步转移概率和一步转移概率矩阵分别简记为()ij p n 和()n P . (3)初始分布、绝对分布称((0)),,==∈i p P X i i E 为离散参数马氏链{}(),0,1,2,=X n n 的初始分布,记为0P ,称()(){},,==∈j p n P X n j j E 为马尔可夫链{}0n X n ≥的绝对分布,记为P n . (4)离散参数齐次马氏链设{}(),0,1,2,=X n n 是一离散参数马氏链,如果其一步转移概率()ij p n 恒与起始时刻n 无关,记为ij p ,则称{}(),0,1,2,=X n n 为离散参数齐次马氏链。

若{}(),0,1,2,=X n n2是离散参数齐次马氏链,则其k 步转移概率记为(),i j p k ,一步转移概率矩阵和k 转移概率矩阵分别记为P 和().P k(5) 离散参数齐次马氏链的遍历性离散参数齐次马氏链{X (n ) ,n=0,1,2… },若对一切状态i ,j ,存在与i 无关的极限()()lim 0,ij j n p n i j E →+∞=π>∈则称此马氏链具有遍历性.0,1j j j Ej E ππ∈>∈=∑若且则称{},j j E π∈为离散参数齐次马氏链{X (n ) ,n=0,1,2… }的极限分布,或称为最终分布,记为{},j j E ∏=∈π(6)离散参数齐次马氏链的平稳分布离散参数齐次马氏链{X (n ) ,n=0,1,2… },若存在{v j , j ∈E } 满足条件:1)0,2)13)j jj Ej i iji Ev j E vv v p ∈∈≥∈==∑∑则称此马氏链是平稳的,称 { v j , j ∈E } 为此马氏链的平稳分布。

随机过程-第四章 更新过程

随机过程-第四章 更新过程
第四章 更新过程
4.1 更新过程定义
上一章我们看到泊松过程的到达时间间隔是服从独立同分布的指数随机变量。现将其 进行推广,考虑到达时间间隔服从独立同分布,但分布函数任意,这样得到的计数过程称为 更新过程。 设 X n , n 1, 2, 是一列服从独立同分布的非负随机变量,分布函数为 F ( x) ,为避 免显而易见的平凡情形, 假设 F (0) P X n 0 1 。 将 X n 解释为第 n 1 个与第 n 个事件 之间相距的时间,记 E ( X n ) 有 0 。令 Tn
这其中利用了 X n , n 1, 2, 的独立同分布性质,这里 [1 F (b)] (0,1) 。又因为
k
Tmk t Tk T0 t , T2k Tk t ,, Tmk T( m1)k t
而且更新区间(相当于时间间隔)服从独立同分布,即
P 1 因 此 存 在 a 0 , 使 得 P Xn a 0 , 从 而 由 于 F( 0 ) X n 0 , P X n a 1 。而 F (a) P X n a P X n a P X n a
为 避 免 因 可 能 的
N (t ) sup n, Tn t
定义 4.1 更新过程:计数过程 N (t ), t 0 称为更新过程。
在更新过程中我们将事件发生一次叫做一次更新, 从而 X n 就是第 n 1 次与第 n 次更新 相距的时间,Tn 表示第 n 次更新发生的时刻, 而 N (t ) 就是 t 时刻或 t 时刻之前发生的总的更 新次数。更新过程一个典型的例子是机器零件的更换。 我们首先要回答是第一个问题是在有限时间内是否会有无限多次更新发生。答案是不 会发生这种情况的概率为 1。由强大数定律可知

钱敏平龚光鲁随机过程答案(部分)

钱敏平龚光鲁随机过程答案(部分)

钱敏平龚光鲁随机过程答案(部分)随机过程课后习题答案第⼀章第⼆题:已知⼀列⼀维分布{();1}n F x n ≥,试构造⼀个概率空间及其上的⼀个相互独⽴的随机变量序列{(,);1}n n ξ?≥使得(,)n ξ?的分布函数为()n F x 。

解:有引理:设ξ为[0, 1]上均匀分布的随机变量,F(x)为某⼀随机变量的分布函数,且F(x)连续,那么1()F x η-=是以F(x)为分布的随机变量。

所以可以假设有相互独⽴的随机变量12,,...,n θθθ服从u[0, 1]分布,另有分布{()}n F x ,如果令1(,)()n n n F ξθ-?=,则有(,)n ξ?为服从分布()n F x 的随机变量。

⼜由假设条件可知,随机变量{(,),1}n n ξ?≥之间相互独⽴,则其中任意有限个随机变量12(,), (,),...,(,)n i i i ξξξ的联合分布为:11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i x i x i x F x F x F x ξξξ?≤?≤?≤=再令112{,,...,,...},,{|()[0,1],1,2,...}n i i i i w w w w A A x F x i -Ω=∈=∈=,令F 为Ω所有柱集的σ代数,则由Kolmogorov 定理可知,存在F 上唯⼀的概率测度P 使得:11221122{(,),(,),...,(,)}()()()i i n in i i i i in in P i w i w i w F w F w F w ξξξ?≤?≤?≤=则所构造的概率空间为(Ω,F , P)。

第⼋题:令{};1n X n ≥是⼀列相互独⽴且服从(0,1)N (正态分布)的随机变量。

⼜令1n n S X X =++22(1)n S n n ξ+=1(,,)n n F X X σ=试证明:,;1n n F n ξ≥()是下鞅(参见23题)。

随机过程课后题答案

随机过程课后题答案

第一章习题解答1. 设随机变量X 服从几何分布,即:(),0,1,2,k P X k pq k ===。

求X 的特征函数,EX 及DX 。

其中01,1p q p <<=-是已知参数。

解()()jtxjtkk X k f t E eepq ∞===∑()k jtkk p q e∞==∑ =0()1jt kjtk pp qe qe ∞==-∑又200()kkk k q qE X kpq p kq p p p ∞∞======∑∑222()()[()]q D X E X E X P =-=(其中 00(1)nnn n n n nxn x x ∞∞∞====+-∑∑∑)令 0()(1)n n S x n x ∞==+∑则 1000()(1)1xxnn k n xS t dt n t dt x x∞∞+===+==-∑∑⎰⎰202201()()(1)11(1)1(1)xn n dS x S t dt dxx xnx x x x ∞=∴==-∴=-=---⎰∑同理 2(1)2kkkk k k k k k x k x kx x ∞∞∞∞=====+--∑∑∑∑令20()(1)k k S x k x ∞==+∑ 则211()(1)(1)xkk k k k k S t dt k t dt k xkx ∞∞∞+====+=+=∑∑∑⎰)2、(1) 求参数为(,)p b 的Γ分布的特征函数,其概率密度函数为1,0()0,0()0,0p p bxb x e x p x b p p x --⎧>⎪=>>Γ⎨⎪≤⎩(2) 其期望和方差;(3) 证明对具有相同的参数的b 的Γ分布,关于参数p 具有可加性。

解 (1)设X 服从(,)p b Γ分布,则10()()p jtxp bxX b f t ex e dx p ∞--=Γ⎰ 1()0()p p jt b x b x e dx p ∞--=Γ⎰101()()()()(1)p u p p p p p b e u b u jt b x du jt p b jt b jt b∞----==Γ---⎰ 10(())x p p e x dx ∞--Γ=⎰ (2)'1()(0)X p E X f j b∴== 2''221(1)()(0)X p p E X f j b +== 222()()()PD XE X E X b∴===(4) 若(,)i i X p b Γ 1,2i = 则121212()()()()(1)P P X X X X jt f t f t f t b-++==-1212(,)Y X X P P b ∴=+Γ+同理可得:()()iiP X b f t b jt∑=∑-3、设X 是一随机变量,()F x 是其分布函数,且是严格单调的,求以下随机变量的特征函数。

(解答)《随机过程》第四章习题

(解答)《随机过程》第四章习题

第四章 二阶矩过程、平稳过程和随机分析 习题解答1、 设∑=-=Nk k k kn U n X 1)cos(2ασ,其中k σ和k α为正常数,)2,0(~πU U k ,且相互独立,N k ,,2,1 =,试计算},1,0,{ ±=n X n 的均值函数和相关函数,并说明其是否是平稳过程。

解:计算均值函数和相关函数如下0)}{cos(2)cos(2}{)(11=-=⎭⎬⎫⎩⎨⎧-==∑∑==Nk k k k N k k k k n X U n E U n E X E n ασασμ∑∑∑∑∑∑======-=--=--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-⋅⎥⎦⎤⎢⎣⎡-=Ni i i N i i i i i i Ni Nj j j i i j i N j j j j N i i i i X m n U m U n E U m U n E U m U n E m n R 12121111)](cos[)}cos(){cos(2)}cos(){cos(2)cos(2)cos(2),(ασαασαασσασασ因此可知,},1,0,{ ±=n X n 是平稳随机过程。

2、 设有随机过程))(cos()(t t A t X πηω+=,其中0>ω为常数,}0),({≥t t η是泊松过程,A 是与)(t η独立的随机变量,且2/1}1{}1{===-=A P A P 。

(1) 试画出此过程的样本函数,并问样本函数是否连续? (2) 试求此过程的相关函数,并问该过程是否均方连续? 解:(1)样本函数不连续。

(2)令:012≥>t t ,下面求相关函数:)(221)(212210)(1212211212121211212212122112221122121121212cos cos )]}(cos[)]({cos[21!)]([)]}(cos[)]({cos[)1(21))]}()(()(cos[))]()(()(2)({cos[21))]}()(()(cos[))]()(()({cos[21))}(cos())({cos(}{))}(cos())(cos({)}()({),(t t t t k t t k kX e t t e t t t t e k t t t t t t t t t t t t t t t E t t t t t t t t E t t t t E A E t t t t A E t X t X E t t R ----∞=--⋅=⋅-++=⋅-⋅-++-=-+-+-+++=-+-++++=++⋅=++==∑λλλωωωωλωωηηπωηηππηωηηπωηηπωπηωπηωπηωπηω因为:t t t R ωξ2cos ),(=因此该过程是均方连续的随机过程。

应用随机过程第4章随机模拟

应用随机过程第4章随机模拟

4.2 随机数的抽样
› 生成大量不重复的seed序列
产生随机数种 子的原理,是 要产生多少个 随机数种子, 就按一定步长 递增多少次, 然后得到一个 随机数作为种 子。 这个宏有个缺 点,就是当步 长*随机数种子 数量>2**31-1 时,可能得不 到要求得到的 随机数种子数 量。
4.2 随机数的抽样
4.2 随机数的抽样
› 标准分布随机数生成,利用SAS生成标准分布 随机数
› 生成大量不重复的seed序列
– 在实际的应用中,我们经常会遇到需要大量随机数 序列的情况,这时候我们就不能靠手工输入随机数 种子。 – 当SEED=0时,我们可以用这个随机种子产生大量的 随机数序列,但是这里产生的随机数序列并不一定 能保证这些随机数序列不重复。 – 这里介绍一个产生不重复的随机数种子的宏
4.2 随机数的抽样
› 标准分布随机数生成
– SAS随机数函数
4.2 随机数的抽样
› 标准分布随机数生成 › 利用SAS生成标准分布随机数一般有两种方法 – 由随机数函数产生随机数序列 其语法为:var = name(seed,<arg>) – CALL子程序产生随机数序列 其语法为:call name(seed,<arg>,var)。 ー 两种方法的主要区别在于: ー 随机数函数产生随机数序列时,其序列的值只由 第一个随机数种子的值决定,而用CALL子程序时, 每一次调用随机函数,都会重新产生新的随机数 种子。
4.2 随机数的抽样
› 标准分布随机数生成 – 伪随机数生成算法 – 在SAS系统中, – 常数a=397,204,094 – m = 2^31-1=2,147,483,647(是一个素数) – c=0 – 种子R(0)必须是一个整数并且其值介于1到m-1之 间。 – 这里c=0的数据生成器被称为multiplicative congruential generator,被广泛地应用。

随机过程-习题-第4章

随机过程-习题-第4章

随机过程-习题-第4章-02(总9页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面,使用请直接删除设有图题4-19所示的电路,其中W 0(t )为输入的随机过程,W 0(t )为标准维纳过程(即中的z (t ),且其1=β);其输出为)(t ξ=W 0(t )-W 0(t -1)。

求)(t ξ的均值和相关函数。

图题4-19解:由于W 0(t )为标准维纳过程,则E [W 0(t )]=0。

因此0)]1()([)]([00=--=t W t W E t E ξ)(t ξ的相关函数为)]}1()()][1()({[),(2020101021----=t W t W t W t W E t t R ξ)(t W假设t 1<t 2。

当t 1<t 2-1时,[t 1-1, t 1]和[t 2-1, t 2]是两个互不交叠的区间,由标准维纳过程为独立增量过程的性质可得0)]}1()([)]1()({[),(2020101021=----=t W t W E t W t W E t t R ξ当t 1>t 2-1时,[t 1-1, t 1]和[t 2-1, t 2]是两个交叠的区间。

分别用A ,B ,C 表示区间[t 1-1,t 2-1]、[t 2-1,t 1]和[t 1,t 2]。

于是)](1[)1,min(2)1()]1()([2)]1([)]([})]1()({[][][][][][][][]E[)])(E[(),(1221212010220120220102221t t t t t t t W t W E t W E t W E t W t W E B E C E B E B E C E A E B E A C B B A t t R --=---+=---+=--==+++=++=ββββξ即⎪⎩⎪⎨⎧<<-=1||,01|||]|1[),(21τττβξt t R其中,12t t -=τ。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

}
}
Rξ (t1 , t2 ) = ∑ Pr ⎡ ⎣η ( t1 ) − η ( t2 ) = k ⎤ ⎦ ( −1) cos ⎡ ⎣ω ( t1 + t2 ) ⎤ ⎦ + cos ⎡ ⎣ω ( t1 − t2 ) ⎤ ⎦
k k =0 ∞ ∞
{
}
=∑
k =0
(λ (t
1
− t2 ) ) k!
k k
e − λ (t1 −t2 ) ( −1) cos ⎡ ⎣ω ( t1 + t2 ) ⎤ ⎦ + cos ⎡ ⎣ω ( t1 − t2 ) ⎤ ⎦
=
1 [ cos[ x2 (t1 − t2 )] − cos[ x2 (t1 + t2 )]] dx2 6∫ 0
1 ⎡ sin(t1 − t2 ) sin(t1 + t2 ) ⎤ − ⎢ ⎥ 6 ⎣ t1 − t2 t1 + t2 ⎦
1
=
第4题 设 ξ (t ) 是实正态分布平稳随机过程,它的数学期望为 0,如定义
第四章 二阶矩过程、平稳过程和随机分析
平稳随机过程 第1题 设有一泊松过程 {N (t ), t ≥ 0} ,求: (1) P{N (t1 ) = k1 , N (t 2 ) = k 2 } , 用 t1 , t 2 的函数表示之; (2) 该过程的均值和相关函数。 (3)问该过程是否为平稳过程? 解(1) : 解(2) : 解(3) : 解(待补充)
解(1) :
E {ξ1} = ∫ xdx =
0
1
1 2 1 3
E ξ1 = ∫ x 2 dx =
2 0
{ }
1
1
E[η (t )] = E[ξ1 ]E[sin(ξ 2t )]
=
1 sin x2tdx2 2∫ 0
1 = [1 − cos t ] / t 2
解(2) :
E [η (t1 )η (t2 )] = E [ξ1ξ1 ]E [sin(ξ 2t1 )sin(ξ 2t2 )]
⎧2 x (0 ≤ x < 1) 对于 当给定 ξ ( n-1) = x 时 ξ ( n ) 的条件概率密度均与分布 n = 1,2,3, L, f 0 ( x) = ⎨ ⎩0 (其他)
于 (1 - x, 1) 之间。问 ξ ( n ), n = 0,1,2,L , 是否满足严平稳的条件? 解(待补充)
第9题 设有两状态时间离散的马尔可夫链 ξ ( n ), n = 0,1,2,L , ξ ( n ) 可取 0 或 1,它的一步转移概
⎛q p ⎞ 率 矩 阵 为 ⎜ 1 1 ⎟ , 其 中 p1 + q1 = 1, ⎜p q ⎟ ⎝ 2 2⎠ P{ξ (0) = 0} = p 2 + q 2 = 1,
3
1 juZ sin(ω t +θ ) e 2π
Φξ (u ) 于t无关, ξ (t ) 的各阶矩于t无关,它是严格平稳的。
解(待补充)
第7题 设有一相位调制的正弦信号,其复数表示式为 ξ (t) =e
j(ω t+θ(t))
−∞<t <∞,其中 ω为常数,
ω >0 , θ (t) 是 一 个 二 级 严 平 稳 过 程 。 设 ψt t (u1,u2 ) 是 过 程 的 二 维 特 征 函 数 , 即
考虑到ψ 0τ (1,0 ) = E e
{
}
{
jθ ( 0 )
}= 0
mξ (t ) =0,均值为常数
再求自相关函数
Rξ (t1 , t2 ) = E ξ ( t1 ) ξ ( t2 )
j ωt +θ t − j ω t +θ t = E e ( 1 ( 1 ))e ( 2 ( 2 ))
{
{
}

j θ ( t ) −θ ( t ) = e jω ( t1 −t2 ) E e ( 1 2 )
{
}
}
= e jω ( t1 −t2 )ψ 0,τ (1, −1) = Rξ ( t1 − t2 )
故过程 ξ (t ) 是宽平稳过程,且 Rξ (t1 , t 2 ) = = e
4
jω ( t1 −t2 )
ψ t ,t (1, −1)
1 2
第8题 设 有 一 时 间 离 散 的 马 尔 可 夫 过 程 ξ ( n ), n = 0,1,2,L , ξ (0) 具 有 概 率 密 度 函 数
= E e j (ωt +θ ( t ) ) = e jωt
{
} ⋅ E {e ( ) }
jθ t
= e jωt ∫ e jx dF ( x, t )
由于 θ (t ) 是一个二阶严平稳过程,故
mξ ( t ) = e jωt ∫ e jx dF ( x, t ) = e jωt ∫ e jx dF ( x ) = e jωt ⋅ E e jθ ( 0)
− λτ − λτ
前者 t1,t2 两点位于同一脉冲上,后者位于不同的相互独立的脉冲上, 故相应的二元概率密度是,定义τ= t1 − t2
e − λτ δ ( x1 − x2 )
解(2) :
1 2πδ 2
exp(−
2 2 x2 1 x2 + x12 − λτ ) + (1 − e ) exp( − ) 2δ 2 2πδ 2 2δ 2
12
ψt t (u1,u2) = E{ej[u θ(t )+u θ(t )]} 同时对于任何 − ∞ < τ < ∞, ψ 0τ (1,0) = 0 ,试证明过程 ξ (t ) 是宽平
1 1 2 2 12
稳过程,并求它的相关函数 Rξ (t1 , t 2 ) 。 解: 先求均值,
mξ ( t ) = E {ξ ( t )}
{
}
考虑到 A 和η (t ) 是相互统计独立的
5
E (A 2 ) = Rξ (t1 , t2 )

1 2 1 2 × 1 + × (− 1) = 1 2 2
1 E{cos[ω (t1 +t 2 ) + π (η (t1 ) + η (t 2 ))] + cos[ω (t1 − t 2 ) + π (η (t1 ) − η (t 2 )]} 2
且 P{ξ (0) = 1} =
p1 p1 + p 2

p2 试证明该过程为严平稳过程。 p1 + p 2
解(提示) : 给出初始时刻的概率分布,给出任意时刻的概率分布,证明它们示相同的; 给出任意 N 个时刻的概率分布,证明它们具有平移不变性。
随机分析 第 10 题 设有相位调制的正弦波过程 ξ (t ) = A cos(ωt + πη (t )) ,其中 ω为常数,ω >0,{η (t ), t ≥ 0} 是泊松过程,A 是对称伯努利随机变量,即 P{ A = 1} = 1 , P{ A = −1} = 1 , ,A 和η (t ) 是相互统 2 2 计独立的,试画出其样本函数,样本函数是否连续?求 ξ (t ) 的相关函数 Rξ (t1 , t 2 ) ,问该过程 是否均方连续? 解: 求 ξ (t ) 自相关函数:
E[η (t1 )η (t2 )] = E[ Z 2 ]E[sin(t1 + θ ) sin(t2 + θ )]

1 E[cos(t1 − t2 ) − cos(t1 + t2 + 2θ )] 6 1 τ = t1 − t2 = cos(t1 − t2 ) 6
= Rξ (τ )
故 ξ (t ) 是宽平稳的 解(2) : t=0时,sin(t + θ ) = sin θ 以 1/2 的概率取 2 2 ,以 1/2 的概率取 − 2 2 ,而 Z 均 匀分布于(-1,1) ,∴
Rξ (t1 , t2 )
= E A cos (ωt1 + πη ( t1 ) ) ⋅ A cos (ωt2 + πη ( t2 ) )
=
{
}
1 E { A2 } E cos ⎡ ⎣ω ( t1 + t 2 ) + π (η ( t1 ) + η ( t2 ) ) ⎤ ⎦ 2 + cos ⎡ ⎣ω ( t1 − t2 ) + π (η (t1 ) − η ( t2 ) ⎤ ⎦
ξ (t ) 的取值均匀分布于 (=
π
4
时,sin(t + θ ) = sin(
+ θ ) 以 1/2 的概率取 1,以 1/2 的概率取 0,而 Z 均匀分
布于(-1,1) ,∴ ξ (t ) 以 1/2 的概率均匀分布于(-1,1) ,以 1/2 的概率取值为 0。 它的一维概率分布与t有关,∴它不是严格平稳的
2
但不满足严平稳的条件(不满足一级严平稳的条件) 。 解(1) : 首先计算随机变量 z 的均值和方差
E {Z } = ∫
1 xdx = 0 −1 2 1 1 1 E {Z 2 } = ∫ x 2 dx = −1 2 3
1
接着计算的均值函数和相关函数
E[η (t )] = E[ Z ]E[sin(t + θ )] = 0
条件数学期望
E (Y | xi ) = ∑ y j p j / i = ∑ y j p{ Y = y j | X = xi }
j j
全期望公式
E ( X ) = E{E [X / Y ]} = ∑ p Y = y j E (X / y j )
j
[
]
注意到
η ( t1 ) = m, η ( t2 ) = n η ( t1 ) − η ( t2 ) = k , η ( t1 ) + η ( t2 ) = η ( t1 ) − η ( t2 ) + 2η ( t2 ) = k + 2n
相关文档
最新文档