《应用随机过程》第九版Sheldon M.Ross习题答案
应用随机过程课后习题解答 毛用才 胡奇英
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 0()()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---⎰ 1(())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。
随机过程_第一章
则称P为（Ω，F）上的概率，（Ω，F，P）称 为概率空间，P（A）为事件A的概率。
由此定义出发，可推出概率的其它一些性质：
(4) P(F) 0;
(5) 若A, B F , A B, 则P( B A) P( B) P( A), 且P( B) P( A)
FY ( y ) P(Y y ) P( X , Y y ) F (, y )
分别称FX(x)和FY(y)为 F ( x, y ) 关于X和关于Y的 边缘分布函数。
离散型随机变量（X，Y）边缘分布律计算如下
P( X xi ) pi pij
, i 1,2,
设X，Y是两个随机变量，若对任意实数x，y有
P( X x, Y y) P(( X x) (Y y)) P( X x)P(Y y)
则称X，Y为相互独立的随机变量。
若X，Y为相互独立随机变量，则有
F ( x, y ) FX ( x) FY ( y ) f ( x, y ) f X ( x ) f Y ( y )
注：所谓某个事件在 试验中是否出现，当且仅 当该事件所包含的某个样本点是否出现，因此 一个事件实际上对应于的一个确定的子集。 事件的概率论运算 Ω子集的集合论运算。
样本空间 W 也是一个事件， 称 W 为必然事件，
空集 F 称为不可能事件。
注：由于事件是集合，故集合的运算（并、交、 差、上极限、下极限、极限等）都适用于事件。
定义1.5 设（ Ω ，F，P）是概率空间，X=X(e) ＝（X1(e),…,Xn(e)）是定义在Ω上的n维空间Rn中 取值的向量函数。如果对于任意x=(x1,…,xn) ∈Rn， {e:X1(e) ≤x1,…,Xn(e) ≤xn} ∈F，则称X=X(e)为n维 随机变量。称
随机过程习题答案及知识点
协方差矩阵及n 维正态分布1、设n 维随机变量）（n X X ,,,X 21⋯的二阶混合中心距：[][];,,2,1,},)()({),(,n j i j X E j X X E X E X X Cov c i i j i j i ⋯=--==都存在，则称矩阵⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯=∑nn c c c c c c c c c n2n12n 22211n 1211为n 维随机变量）（n X X ,,,X 21⋯的协方差矩阵，它是一对称矩阵。
2、n 维正态分布定义：若n 维随机变量）（n X X ,,,X 21⋯的概率密度可以表示成以下的形式：⎭⎬⎫⎩⎨⎧-∑--∑==⋯-)()(21ex p )(det )2(1)(),,,(f 12/12/21U X U X X f x x x T n n π其中，Tn T T n X E X E X E U x x x X ))(,),(),((),,,(,),,,(21n 2121⋯=⋯=⋯=μμμ∑是）（n X X ,,,X 21⋯的协方差矩阵，则称n 维随机变量）（n X X ,,,X 21⋯为n 维正态随机变量，记为),(~),,,X (21∑⋯=μN X X X n ，),,,(f 21n x x x ⋯为n 维正态概率密度函数。
N 维正态随机变量的性质（1） n 维正态随机变量）（n X X ,,,X 21⋯的每一个分量都是正态变量；反之，若nX X ,,,X 21⋯都是正态随机变量，且相互独立，则）（n X X ,,,X 21⋯是n 维正态随机变量。
（2） n 维随机变量）（n X X ,,,X 21⋯服从n 维正态分布的充要条件是n X X ,,,X 21⋯的任意的线性组合n n X l X l X l +⋯++2211服从一维正态分布；（3） 若）（n X X ,,,X 21⋯服从n 维正态分布，设n Y Y ,,,Y 21⋯是),,3,2,1(X n j j ⋯=的线性函数，则n Y Y ,,,Y 21⋯也服从正态分布。
《随机过程及其在金融领域中的应用》习题六答案
②
k 1
k
t Pik
t zk
kk
k 1
t Pik
t zk
z
z
k 1
k
t Pik
t zk
z t
z
Pik
t
zk
z
t
G t, z
z
③
k1 t Pik1 t zk k 1 t Pik1 t zk m t Pim t zm1
概率分布。 答：
P01 t
1
P00
t
+
+
e +t
1 2
1 e2t
,
P00
t
1 2
1+e2t
，P11
t
1 2
1+e2t
，P10
t
1 2
1 e2t
记 Pk t P N t k x0 0
解得 0
M
，
j
CMj
j
Mj
,
j
1, 2,
,M
（2）
0
30 90
10
1 310
,
j
C1j0
60 j 90
30 10 j 90
拓扑学尤承业答案
拓扑学尤承业答案【篇一：点集拓扑学】工业大学数学学院预备知识1.点集拓扑的定义《点集拓扑学》课程是一门现代数学基础课程，属数学与应用数学专业的理论课。
是数学与应用数学专业的主干课。
点集拓扑学（point set topology），有时也被称为一般拓扑学（general topology），是数学的拓扑学的一个分支。
它研究拓扑空间以及定义在其上的数学构造的基本性质。
这一分支起源于以下几个领域：对实数轴上点集的细致研究，流形的概念，度量空间的概念，以及早期的泛函分析。
它的表述形式大概在1940年左右就已经成文化了。
通过这种可以为所有数学分支适用的表述形式，点集拓扑学基本上抓住了所有的对连续性的直观认识。
2.点集拓扑的起源点集拓扑学产生于19世纪。
g.康托尔建立了集合论，定义了欧几里得空间中的开集、闭集、导集等概念，获得了欧几里得空间拓扑结构的重要结果。
1906年m.-r.弗雷歇把康托尔的集合论与函数空间的研究统一起来，建立了广义分析，可看为拓扑空间理论建立的开始。
3.一些参考书籍（1）《拓扑空间论》，高国士，科学出版社，2000年7月第一版（2）《基础拓扑讲义》，尤承业，北京大学出版社，1997年11月第一版（3）《一版拓扑学讲义》，彭良雪，科学出版社，2011年2月第一版2第一章集合论初步在这一章中我们介绍有关集合论的一些基本知识．从未经定义的“集合”和“元素”两个概念出发给出集合运算、关系、映射以及集合的基数等方面的知识等。
这里所介绍的集合论通常称为“朴素的集合论”，这对大部分读者已经是足够了．那些对集合的理论有进一步需求的读者，例如打算研究集合论本身或者打算研究数理逻辑的读者，建议他们去研读有关公理集合论的专著。
1.1 集合的基本概念集合这一概念是容易被读者所理解的，它指的是由某些具有某种共同特点的个体构成的集体。
例如我们常说“正在这里听课的全体学生的集合”, “所有整数的集合”等等．集合也常称为集。
（完整版）随机过程习题答案
（完整版）随机过程习题答案随机过程部分习题答案习题22.1 设随机过程b t b Vt t X ),,0(,)(+∞∈+=为常数，)1,0(~N V ，求)(t X 的⼀维概率密度、均值和相关函数。
解因)1,0(~N V，所以1,0==DV EV ，b Vt t X +=)(也服从正态分布，b b tEV b Vt E t X E =+=+=][)]([ 22][)]([t DV t b Vt D t X D ==+=所以),(~)(2t b N t X ，)(t X 的⼀维概率密度为),(,21);(222)(+∞-∞∈=--x ett x f t b x π，),0(+∞∈t均值函数 b t X E t m X ==)]([)(相关函数)])([()]()([),(b Vt b Vs E t X s X E t s R X ++==][22b btV bsV stV E +++=2b st +=2.2 设随机变量Y 具有概率密度)(y f ，令Yt e t X -=)(，0,0>>Y t ，求随机过程)(t X 的⼀维概率密度及),(),(21t t R t EX X 。
解对于任意0>t，Yt e t X -=)(是随机变量Y 的函数是随机变量，根据随机变量函数的分布的求法，}ln {}{})({);(x Yt P x e P x t X P t x F t Y ≤-=≤=≤=-)ln (1}ln {1}ln {tx F t x Y P t x Y P Y --=-≤-=-≥= 对x 求导得)(t X 的⼀维概率密度xtt x f t x f Y 1)ln ();(-=，0>t)(][)]([)(dy y f e eE t X E t m yt tY X相关函数+∞+-+---====0)()(2121)(][][)]()([),(212121dy y f e e E e e E t X t X E t t R t t y t t Y t Y t Y X 2.3 若从0=t 开始每隔21秒抛掷⼀枚均匀的硬币做实验，定义随机过程=时刻抛得反⾯时刻抛得正⾯t t t t t X ,2),cos()(π试求：（1）)(t X 的⼀维分布函数),1(),21(x F x F 和；（2）)(t X 的⼆维分布函数),;1,21(21x x F ；（3）)(t X 的均值)1(),(X X m t m ，⽅差 )1(),(22X Xt σσ。
9第九章答案
课后答案网
6 7 8 9 2 3 3 3 3 1 2 3 1 3 1 2 2 2 3 1 5.90 4.68 5.90 5.63
(1) 试作最优生产条件的直观分析，并对 3 因素排出主次关系. (2) 给定α=0.05,作方差分析与(1)比较. 【解】(1) 对试验结果进行极差计算，得表 9-5-1. 表 9-5-1
4 4 2 ij 4
i =1
S E = ST − S A =151350.8, F=
故灯丝材料对灯泡寿命无显著影响. 表 9-1-1 方差分析表
w.
S A /(r − 1) 44360.7 / 3 = = 2.15 S E /(n − r ) 151350.8 / 22 , F0.05 (3, 22) = 3.05 > F .
方差来源 因素影响 误差 总和
kh da
后
表 9-2-1 方差分析表
S A /(r − 1) 167.7 = = 0.465 S E /(n − r ) 360.8
平方和 S 335.35 13685
答 案
自由度 2
w.
均方和 S 167.68 360.80
i =1
网
SA = ∑
1 2 T..2 =186112.25-185776.9=335.35, Ti. − ni n
2 3 4 5 6 7 8
kh da
课
1 1 1 2 2 2 2
A B C D 试验指标 品种 施氮肥量 氮、磷、钾肥比例 插植规格 产量 1 1（科 6 号） 1(20) 1(2∶2∶1) 1(5×6) 19.0 2 1 2(25) 2(3∶2∶3) 2(6×6) 20.0 3 2(科 5 号) 1 1 2 21.9 4 2 2 2 1 22.3 5 1(科 7 号) 1 2 1 21.0 6 1 2 1 2 21.0 7 2(珍珠矮) 1 2 2 18.0 8 2 2 1 1 18.2 (1) 试作出最优生产条件的直观分析，并对 4 因素排出主次关系. (2) 给定α=0.05,作方差分析，与(1)比较. 【解】被考察因素有 4 个：A，B，C，D 每个因素有两个水平，所以选用正交表 L8（27） ，进 行极差计算可得表 9-6-1. 表 9-6-1 列号 A B C D 水平 1 3 7 试验结果 2 4 5 6 试验号 1 1 1 1 1 1 1 1 19.0
布朗运动理论简介
f (x1 , x2," , xn ) = ⎧ 1 ⎡x 2 (x − x )2 ⎫ (x − xn−1)2 ⎤ 1 ⎪ ⎪ ⎥ exp ⎨ − ⎢ 1+ 2 +" + n ⎬ (7) ⎢ ⎥ t t t t t 2 − − ⎭ n n−1 2 1 ⎩ ⎣ 1 ⎦ ⎪ ⎪ (2π)n / 2[t1(t2 − t1)"(tn − tn−1)]1/ 2
连续,在 t > 0 连续,
3 布朗运动的变形形式
O
X(t) 的任一样本函数 x(t) 在 t > 0 连续,但
却处处不可导(图 2).
t
布朗运动的变形可以导出其他的随机过程,他们 有各自特定的性质,在数学建模中也有广泛的应用,设
图 2 X(t) 的一个样本函数
X(t) 是标准的布朗运动,下面是布朗运动常用的一些
t > 0 时刻开始,每隔 ∆t 时间,粒子等概率的向左或者
向右移动大小为 ∆ x 距离 , 设 t 时 刻粒子的位置为 X(t) , 则 X(t) 可 以表示为
←⎯⎯⎯ → O
p = 1/ 2
x
图1
随机游走
X(t) =∆ x(X 1 + X 2 + " + X[t /∆ t ])
(1)
f (x, t) =
中,并且令 ∆t → 0 ,得到
∂f (x, t) ∂2 f (x, t) =D ∂t ∂x 2
(2)
(6)
上式中 , D 为扩散系数 , D = 2 RT / Nf , R, N 均为常 数, f 是反映液体性质的常量, T 是温度. 可以验证式
(5) 是方程 (6) 的解 , 已经证明 , 若 X(t) 在 t = 0 连续 (依概率连续)的条件下式(6)的解是唯一的.