2004级硕士生概率论和随机过程考试大纲.docVIP

硕士生“概率论与随机过程”考试大纲 撰稿人：唐碧华 第一部分：概率论（55%） 第一章：概率空间（15%） 深刻理解集代数、σ-代数、单调类、?-系和?-系的概念，掌握其区别和联系； 了解包含某一集合类的最小σ-代数、最小单调类、最小?-系的概念； 了解集函数的有限可加性、σ-可加性和测度的有限可加性、σ-可加性的区别，并深入了解集函数与测度的性质； 理解外测度和?*可测集的定义和性质，了解测度扩张和完备化的基本概念； 了解 n维L-S测度的构造方法和L测度的特殊性； 深刻理解概率空间的定义，并掌握其性质； 理解条件概率的定义，会灵活运用乘法公式； 了解两事件相互独立与互不相容的概念，能推广到n维的情形。 第二章：随机变量和可测函数、随机变量的分布（15%） 深刻理解可测函数和随机变量的概念，掌握它们的区别和联系； 理解可测函数的结构性质，掌握其运算性质； 3、理解二维离散型和连续型随机变量的联合分布和边缘分布，联合分布函数和边缘分布函数，联合分布密度和边缘分布密度等基本概念，掌握其求法； 就离散型、连续型情形理解条件分布函数的定义，就连续型情形掌握求其条件分布密度函数的方法和技巧； 深刻理解随机变量的独立性，并掌握其判别方法。 就一维和二维情形，掌握随机变量函数的分布及分布密度函数的求法。 第三章：随机变量的数字特征（10%） 理解可测函数积分的定义和性质； 深刻理解随机变量的数字特征的定义，并熟练掌握其求法。 了解数学期望的L-S积分表示； 深刻理解条件数学期望的定义，掌握其求法； 了解随机变量函数的条件数学期望的求法； 掌握并能够灵活地使用Chebyshev不等式和Cauchy-Schwarz不等式。 第四章：随机变量的特征函数（10%） 深刻理解特征函数的定义，熟练掌握两点分布、二项分布、泊松分布、均 匀分布及正态分布特征函数的计算； 理解特征函数的性质，并了解特征函数与分布函数的一一对应关系； 了解n维正态分布的特征函数的定义，掌握n维随机变量服从正态分布的 充要条件，理解n维正态随机变量的线性不变性。 第五章：收敛定理（5%） 1、充分理解四种收敛性的定义，掌握其基本关系。 第二部分：随机过程（45%） 第六章：随机过程的概念及统计特征（10%） 深刻理解随机过程的基本概念，掌握样本函数、状态空间的定义； 了解随机过程一维分布函数、分布密度的定义，知道推广到n维的情形； 掌握随机过程的数字特征：均值函数、方差函数、自相关函数、自协方差 函数、互相关函数、互协方差函数。熟练掌握均值函数和相关函数的求法； 了解二阶矩过程、正交增量过程、马尔可夫过程、独立增量过程、平稳增量过程、正态随机过程、泊松过程、维纳过程、平稳过程的定义及性质； 知道两随机过程互不相关和相互正交的概念。 第七章：随机分析（5%） 深刻理解均方收敛的概念，掌握利用均方收敛准则判别随机过程的均方收敛性； 了解随机变量序列几乎处处收敛、依概率收敛、依r阶矩收敛及依分布收敛的定义，知道这四种收敛性之间的关系； 了解均方连续、均方可导、均方可积的概念及判别准则。 第八章：平稳随机过程（7%） 解宽平稳过程（以下简称平稳过程）的概念，了解其与严平稳过程的差别；就各种情形能熟练地判断已知随机过程是否为平稳过程； 理解两随机过程联合平稳的概念，会求互相关函数； 理解平稳过程的相关函???的谱分解，知道功率谱密度和相关函数构成一对付氏变换函数，并能利用此关系相互求解； 了解平稳过程的谱分解概念； 理解平稳过程的各态历经性，根据均值和相关函数的各态历经性，能判别平稳过程是否具备各态历经性。 第九章：马尔可夫链（15%） 深入理解马氏链、一步转移概率矩阵的概念，掌握随机矩阵的定义，会就实际问题求出一步转移概率矩阵； 理解初始概率和绝对概率（初始概率向量和绝对概率向量）的概念，能利用C-K方程求n步转移概率矩阵和绝对概率向量； 理解马氏链的状态常返（正常返、零常返）、非常返及遍历状态的概念，了解闭集的定义和不可约马氏链的性质，掌握其判别法。已知状态空间和一步转移概率矩阵能熟练地判别状态的常返、非常返性，并能将状态空间进行分解； 理解马氏链的遍历性，掌握平稳分布的求法，知道平稳分布与各状态平均返回时间的关系。 第十章：连续时间的马尔可夫链（8%） 了解连续时间的马尔可夫链的概念，深刻理解转移概率的定义和性质； 理解柯尔莫哥洛夫前进方程和后退方程，就实际问题掌握其转移概率矩阵和Q矩阵的求法； 理解初始概率和绝对概率（初始概率向量和绝对概率向量）的概念，并掌握其求法。