系统模拟-.pptVIP

系统模拟 第3讲 授课教师: 左德承 概率论基础 中心极限定理 独立同分布的中心极限定理 随机变量X1，X2，X3，…Xn，…独立分布，具有相同的数学期望和方差 随机变量之和的标准化变量： 概率论基础 分布函数满足 概率论基础 拉普拉斯定理 服从参数为n，p(0p1)的二项分布，对任意x，有 概率论基础 一艘轮船在某海区航海，已知每遭受一次波浪冲击，摇角大于3度的概率为1/3，若船遭受了90000次波浪冲击，问其中有29500～30500次摇角大于3度的概率 概率论基础 随机过程的概念 概率论的“动力学”部分 研究的对象随时间演变的随机现象 不能用随机变量或多维随机变量合理表达 例如：电子元器件的热噪声电压 在任一时刻t的值是一个随机变量，记为V(t) 不同时刻对应不同的随机变量 随着时间的推移，热噪声电压表现为一族随机变量 随机过程的概念 设T是一无限实数集，把依赖于参数t?T的一族（无限多个）随机变量称为随机过程（记为｛X(t)，t?T｝） 对每一个t?T，X(t)是一个随机变量 T为参数集，X(t)为t时刻的状态 随机过程的概念 对于一切t?T，X(t)的所有可能取的一切值的全体称为随机过程的状态空间 样本函数或样本曲线，对随机过程的一次试验（在T上进行的一次全程观测） 可看作是多维随机变量的延伸 随机过程的概念 常以X（t），t?T 随机过程表示 抛掷一枚硬币，样本空间是S＝｛H，T｝，定义 随机过程的概念 随机过程的概念 P(H)=P(T)=1/2 对任意固定的t，X(t)是一定义在S上的随机变量 对不同的t，X(t)是不同的随机变量 所以｛X(t)，t?（-∞，+∞）｝是一族随机变量，即是随机过程 随机过程的概念 随机过程分类 按状态连续和离散 连续型随机过程 离散型随机过程 按时间（参数）连续和离散 连续参数随机过程 离散参数随机过程或离散随机序列 随机过程的统计描述 随机过程的分布函数 给定随机过程｛X(t)，t?T｝，对于每一个固定的t?T，随机变量X(t)的分布函数一般与t有关 称其为随机过程｛X(t)，t?T｝的一维分布函数 一维分布函数族 随机过程的统计描述 为了描述随机过程在不同时刻状态之间的统计联系，一般可对n个不同时刻，引入n维随机变量，其分布函数为 随机过程｛X(t)，t?T｝的n维分布族函数： 随机过程的统计描述 科尔莫戈罗夫定理 有限维分布函数族完全地确定随机过程的统计特性 随机过程的分类本质的分类方法是按其分布特性进行分类 依照过程在不同时刻的状态之间的特殊统计依赖方式，抽象出一些不同类型的模型 独立增量过程、马尔可夫过程、平稳过程等 随机过程的统计描述 随机过程的数及特征 给定随机过程｛X(t)，t?T｝，固定t?T，X(t)是一个随机变量 称μX(t)是随机过程｛X(t)，t?T｝的均值函数，使所有样本函数在时刻t的函数值的平均值 随机过程的统计描述 随机过程的数及特征 二阶原点矩（均方值函数） 二阶中心矩（方差函数） 随机过程的统计描述 随机过程的数及特征 二阶原点混合矩（自相关函数） 二阶混合中心矩（协方差函数） 随机过程的统计描述 例 设A、B是两个随机变量。求随机过程X(t)=At+B的均值函数和二阶混合原点矩。如果A，B相互独立，且A～N(0，1)，B～U(0，2) 随机过程的统计描述 泊松过程 独立增量过程 给定二阶矩过程｛X(t)，t?0｝，对任意选定的正数n和任意选定的 相互独立，则称｛X(t)，t?0｝为独立增量过程 泊松过程 对于独立增量过程，具有在互不重叠的区间上，状态的增量是相互独立的特征 若对任意的实数h和0 ? s+h t+h，X( t+h)-X( s+h)和X( t)-X( s)具有相同的分布，则称增量具有平稳性 增量X( t)-X( s)的分布函数只依赖与时间差t-s,而不依赖于t和 s本身 当增量具有平稳性时，称相应的独立增量过程是齐次的或时齐的 泊松过程 X(0)=0在和方差函数VarX（t）为已知的条件下，可以计算出独立增量过程｛X(t)，t?0｝的二阶中心混合矩CX(s,t) 泊松过程 泊松过程 考虑下列随着时间的推移迟早会重复出现的时间 自电子管阴极发射的电子到达阳极 意外事故或意外差错发生 要求服务的顾客到达服务站 泊松过程 为建立一般模型，可以把电子、错误（故障）、顾客等看作是时间轴上的质点 电子到达阳极、顾客到达服务站等事件的发生相当于质点的出现 抽象，研究的对象是随着时间的推移，陆续出现在时间轴上的许多质点所构成的随机的质点流 泊松过程 以N(t)，t ? 0表示在时间间隔(0，t]出现的质点数 ｛N(t)，t ? 0｝是一状态取非负