随机过程课件1.ppt

一、确定性数学发展概述 二、随机数学发展概述 随机过程的起源及发展 Brown运动: 1827 年，Brown在显微镜下发现花粉的无规则运动, 将此奇怪现象公诸于世, 无人能解释原因. 1900年，法国数学家Bachelier给出 一维Brown运动粗略模型, 其博士论文为《投机的理论》, 研究证券价格的涨落，开创近代金融数学的先河，但他的结果几十年之后才得到认可. 1905年,Einstein 首次进行量化分析, 认是花粉运动源自分子无规则热运动, 每秒碰撞 次. Wiener 1918年发表系列论文, 成功解决这一问题, 故称Wiener—Einstein过程. Markov过程: 十九世纪末用矩阵研究马氏链, 开始随机过程理论. Erlang 因研究电话问题得到了Poisson过程 , 创立了排队论. Feller研究了生灭过程. 平稳过程: 从辛欣研究大数定律开始，1934年完成. 鞅论: 莱维(Levy)1930－1955年创立. 杜悖( J. Doob )研究停时. 随机积分: 伊藤清, 87年获Wolf奖, 97年有人因研究Ito微分方程的解而获诺贝尔经济奖. 3.随机事件 基本事件 ： （一）（0－1）分布 （二） 伯努利试验与二项分布 （三）泊松分布 （四）均匀分布 （五）指数分布 （六）正态分布 参考书目1 参考书目2 参考书目3 三、矩母函数 1．定义 为X的矩母函数 2．原点矩  的求法 称 的数学期望 利用矩母函数可求得X的各阶矩，即对 逐次求导并计算在 点的值： 3．和的矩母函数 定理1 设相互独立的随机变量 的 矩母函数分别为 ， ，…， ， 则其和 的矩母函数为 … 例4 解 而正态分布的矩母函数为 设X与Y是独立的正态随机变量,各自的均值 为 与 , 方差为 与 ,求X+Y的矩母函数。 所以 练习 设随机变量X服从参数为 的指数分布，求X的矩母函数。 解: X的概率密度为 四、特征函数 1 .复随机变量 2.数学期望 3 .特征函数 设X，Y为二维（实）随机变量，则称 为复随机变量. 设X为随机变量，称复随机变量 的数学期望 为X的特征函数，其中t是实数。 还可写成 4．特征函数与分布函数的关系 特征函数与分布函数相互唯一确定。 特别 当 存在时，有 5．特征函数的性质 性质1 对任何实数t， 证 性质2 证 性质3 证 设a，b为任意实数， ，则Y的特征函数 有 性质4 则和 设相互独立的随机变量 的特征函数分别为 ， ，…， 的特征函数为 … 例5 解 由于 所以 设随机变量X服从参数为 的泊松分布， 求X的特征函数。 例6 设随机变量X服从[a，b]上的均匀分布，求X的特征函数。 解 X的概率密度为 所以 练习 设随机变量X服从[0，2]上的均匀分布，求X的特征函数。 解 X的概率密度为 所以 例7 解 X的分布律为 所以 设X ~B( n, p),求X的特征函数 1．几乎必然收敛（或以概率1收敛） 如果 则称 随机变量序列 以概率1收敛于X，或称 几乎必然收敛于X，记作 第四节 收敛性 为随机变量序列 如果 2．依概率收敛 则称随机变量序列 依概率收敛于X，记作 对于任意给定的正数 ,有 为随机变量序列 如果 3．均方收敛 且 随机变量序列 以均方收敛于X. 对于所有的 有 则称 如果 4．依分布收敛 随机变量序列 以分布收敛于X，记作 则称 设 ， 分别为随机变量 及X 的 分布函数 对于的每一个连续点x，有 收敛性之间的关系 均方收敛与几乎必然收敛不存在确定的关系。 注 为事件A出现的情况下，事件B的条件概率，或简称事件B关于事件A的条件概率。