随机过程-数学建模.pptVIP

随机过程与数学建模;随机性和确定性是一对矛盾，它们既对立又统一。一般的问题 不是能明确划分的，常常两种性质都有，用不同的假设来处理。;平均看一个病人的时间显然是35分钟，3.5小时应该看6人。;2.随机过程初步知识;定义 设{X(t),t0}是一个随机过程，取定t,X(t)是一个随机变量，它的分布函数;随机过程的数字特征，对于;定义：如果对任意的正整数n及任意的t1,t2,…,tn∈T,随机变量X(t1),X(t2),…X(tn)相互独立，称过程是独立过程。;性质2 独立增量过程的有限维分布由一维分布和增量分布确定。;4.泊松过程;泊松过程是非常重要的一种随机过程，应用很广。下面我们仔细学习这个过程。考虑在[0,t)内：;;证：{T1t}表示第一次事件在t之后出现，于是{N(t)=0}，反之 也是，那么{T1t}= {N(t)=0}，进而P{T1t}=P{N(t)=0} 。;几何分布是离散型的无记忆型分布。 伯努利实验场合首次成功出现所在的次数服从几何分布。 P{η=k}=qk-1p,k=1,2,…;性质7 设{N(t),t≧0}为参数为λ的泊松过程，{τn,n=1,2,…}为事 件点序列，则τn～Г(n,λ),即概率密度为;更新计数过程：设{N(t),t≧0}是一个计数过程，如果它的点间间距Tn,n=1,2,…相互独立同分布，称为更新计数过程。这是泊松过程的一个推广。;性质：E[X(t)]=λtE(Y)=E[N(t)] ·E(Y),这是非常直观的式子； D[X(t)]=λtE(Y2)=E[N(t)] ·E(Y2)。;离散参数马氏链是一个重要的基础理论部分，有很多结果。;定义3 如果连续参数马氏链{X(t),t≧0}的转移概率pij(s,t) 与时间起点s无关，即 pij(s,t)=P{X(t+s)=j∣X(s)=i}= pij(t) 则称{X(t),t≧0}为连续参数齐次马氏链。类似地 P(t)=(pij(t)) i,j∈E 称为齐次马氏链的转移矩阵。;定义5 齐次马氏链{X(t),t≧0}，如果转移概率极限存在， 与i无关,则称此链为遍历的马氏链。 此链具有遍历性。 若 则称{πj,j∈E}是齐次马氏链{X(t),t≧0}的极 限分布。;连续参数齐次马氏链{X(t),t≧0},状态空间为E={0,1,2,…}， 转移概率函数 pij(t) =P{X(t+s)=j∣X(s)=i}满足如下性质：;性质4 齐次马氏链{X(t),t≧0}的状态有限,E={0,1,…,s}， 如果存在t00,使得对一切i,j∈E都有pij(t0)0,则此链为遍 历的齐次马氏链。即 存在且与i无关，并且极限分布是唯一的平稳分布。;定义;定义;定义;定义;定义;定义;定义;定义;定义