预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

t ,如果t时取得红球 《随机过程期末考试卷》变量X(t)3,则这个随机过程的 et,如果t时取得白球 状态空间。 1.设随机变量X服从参数为的泊松分布,则X的 6.设马氏链的一步转移概率矩阵P=(p),n步转移矩 特征函数为。ij 阵P(n)(p(n)),二者之间的关系为。 ij 2.设随机过程X(t)=Acos(t+),-<t<其中为正常 7.设X,n0为马氏链,状态空间I,初始概率 数,A和是相互独立的随机变量,且A和服从在区n pP(X=i),绝对概率p(n)PXj,n步转移概率 间0,1上的均匀分布,则X(t)的数学期望i0jn p(n),三者之间的关系为。 为。ij 8.设{X(t),t0}是泊松过程,且对于任意tt0则 3.强度为λ的泊松过程的点间间距是相互独立的随机21 变量,且服从均值为的同一指数分布。P{X(5)6|X(3)4}______ 9.更新方程t解的一般形式 4.设W,n1是与泊松过程X(t),t0对应的一个等KtHtKtsdFs n0 待时间序列,则W服从分布。为。 n 5.袋中放有一个白球,两个红球,每隔单位时间从10.记 tEX,对一切a0,当t时,Mt+aMt。 袋中任取一球,取后放回,对每一个确定的对应随机n 得评卷二、证明题(本大题共4道小题,每题8分,共32 人分)分人分) 1.设A,B,C为三个随机事件,证明条件概率的乘法公1.设齐次马氏链的一步转移概率矩阵为 式:P(BCA)=P(BA)P(CAB)。1/32/30  P1/302/3,求其平稳分布。 2.设{X(t),t?0}是独立增量过程,且X(0)=0,证明 01/32/3 {X(t),t?0}是一个马尔科夫过程。 2.设顾客以每分钟2人的速率到达,顾客流为泊松流, 3.设X,n0为马尔科夫链,状态空间为I,则对任意 n求在2分钟内到达的顾客不超过3人的概率。 整数n0,1l<n和i,jI,n步转移概率p(n)p(l)p(n-l), ijikkj kI 称此式为切普曼—科尔莫哥洛夫方程,证明并说明其3.设明天是否有雨仅与今天的天气有关,而与过去的天 意义。气无关。又设今天下雨而明天也下雨的概率为,而 今天无雨明天有雨的概率为;规定有雨天气为状态 4.设N(t),t0是强度为的泊松过程,Y,k=1,2,是一 k 0,无雨天气为状态1。设,求今天有雨 列独立同分布随机变量,且与N(t),t0独立,令0.7,0.4 N(t)且第四天仍有雨的概率。 X(t)=Y,t0,证明:若E(Y2<),则EX(t)tEY。 k11 k=1 评卷三、计算题(本大题共4道小题,每题8分,共32 4.设有四个状态的马氏链,它的一步转移概12 I=0,1,2,34.5.t,t,;e,e2。6.P(n)Pn。 33 1100 22 117.p(n)pp(n)。 率矩阵00jiij P=22iI 1111 4444 ta 00018.18e69。KtHtKtsdMs10. 0 (1)画出状态转移图; 二.证明题 (2)对状态进行分类; 1. (3)对状态空间I进行分解。P(ABC)P(ABC)P(AB) 证明:左边=P(CAB)P(BA)= P(A)P(AB)P(A) 评卷四、简答题(本题6分)右边 人 2. 证明:当0tttt时, 简述指数分布的无记忆性与马尔科夫链的无后效性的12n P(X(t)xX(t)=x,X(t)=x,X(t)=x)= 关系。1122nn P(X(t)-X(t)x-xX(t)-X(0)=x,X(t)-X(0)=x,X(t)-X(0)=x) 一.填空题nn1122nn = 11 1.为e(eit-1)。2.(sin(t+1)-sint)。3. 2 P(X(t)-X(t)x-x),又因为示。 nn P(X(t)xX(t)=x)=P(X(t)-X(t)x-xX(t)=x)= nnnnnn4. P(X(t)-X(t)x-x),故 nn 证明:由条件期望的性质EX(t)EEX(t)N(t),而 P(X(t)xX(t)=x,X(t)=x,X(t)=x)= 1122nnN(t) EX(t)N(t)nEYN(t)n i P(X(t)xX(t)=x)i=1 nn nn 3.=EYN(t)n=EY=nE(Y),所以 