Главная страница
Навигация по странице:

  • Лекция 1 3 . Предэкзаменационная консультация.

  • Решение избранных задач Задача 1.

  • Литература Миллер Б. М., Панков А. Р. Теория случайных процессов в примерах и задачах. М. Физматлит, 2002. 320 с


    Скачать 31.39 Kb.
    НазваниеЛитература Миллер Б. М., Панков А. Р. Теория случайных процессов в примерах и задачах. М. Физматлит, 2002. 320 с
    Дата17.02.2023
    Размер31.39 Kb.
    Формат файлаdocx
    Имя файлаEx_1.docx
    ТипЛекция
    #942593






    «Теория случайных процессов».

    Лектор: Борисов Андрей Владимирович, проф. каф. 804

    Borisych@me.com

    Рекомендуемая литература:

    1. Миллер Б.М., Панков А.Р. Теория случайных процессов в примерах и задачах. М.: Физматлит, 2002. - 320 с.

    2. Ширяев А.Н. Вероятность. М.: Наука, 1989.

    3. Боровков А.А. Теория вероятностей. М.: URSS, 2009.

    4. Булинский А.В., Ширяев А.Н. Теория случайных процессов. М.: Физматлит, 2005.


    Лекция 13. Предэкзаменационная консультация.


    1. Общие сведения и советы

    2. Решение избранных задач


    Общие сведения и советы


    1. В билете 4 задачи. Рациональное решение каждой составляет не более полстраницы рукописного текста.

    2. Все задачи новые. Искать решение в Интернете бессмысленно.

    3. Все задачи базируются на теоретических сведениях, представленных в лекциях.



    Решение избранных задач
    Задача 1. Пусть – стандартный винеровский процесс, 0 < t1 < t2 – некоторые фиксированные моменты времени. Найти плотность распределения случайной величины X = min(w( +t1), w( +t2)), где – момент первого пересечения процессом положительного порога x.
    Решение:

    Из определения момента следует, что w( )=x, а из свойств винеровского процесса следует, что w( +t) = x+v(t), где v(t) – также стандартный винеровский случайный процесс. Отсюда следует, что



    Вновь из свойств винеровского процесса следует, что , а также . Поэтому по формуле полной вероятности искомая плотность распределения X является двухкомпонентной «смесью» упомянутых выше гауссовских плотностей:


    Задача 2. Пусть - последовательность центрированных случайных величин: , где – известное неслучайное натуральное число. Имеет ли последовательность СК-предел? Ответ обосновать.
    Решение:
    Согласно лемме Лоэва тогда и только тогда, когда существует



    Рассмотрим два частных предела и Легко видеть, что

    в то время как Таким образом, имеются два частных предела, которые не совпадают. Значит, не существует, т.е. не сходится в СК-смысле.
    Задача 3. Пусть стандартный пуассоновский процесс, q(t) = p(t) – tp(1) – пуассоновский мост. Является ли он сильно непрерывным на ?
    Решение:

    – стандартный пуассоновский процесс, имеющий кусочно-постоянные траектории. Поэтому , поэтому q(t) не является сильно непрерывным на .
    Задача 4. Пусть - стационарный случайный процесс. Будет ли стационарным процесс Y(t) =1/(2h)( X(t+h)-X(t-h)), где h – известное неслучайное число. Ответ обосновать. В случае, если Y(t) будет стационарным найти частотную характеристику соответствующего преобразования и дисперсию.
    Решение:

    Одним из способов ответить на первый вопрос является непосредственная проверка условий M[X(t)] = Const, и cov(X(t),X(s))=k(t-s). Однако, в данном случае экономичнее попытаться вычислить частотную характеристику.



    откуда следует, что функция не зависит от t, т.е. действительно является частотной характеристикой. Если функция будет зависеть от t, то Y(t) – результат стационарного преобразования стационарной случайной функции. Он также будет стационарной случайной функцией, если Y(t) будет иметь конечную дисперсию. Найдем ее:


    Задача 5. В начальный момент времени имеется N частиц. Рассматривается дискретное время. За один шаг по времени каждая частица, независимо от остальных может распасться с вероятностью p. Доказать, что число Xt частиц, не распавшихся до момента времени t образуют марковскую цепь. Найти матрицу переходных вероятностей цепи на t-м шаге.

    Решение:
    Возьмем произвольный натуральный момент времени t и невозрастающий набор натуральных значений



    Тогда по условию задачи (независимое поведение отдельных частиц, геометрическое распределение времени жизни) получаем



    Это и есть элементы матрицы переходных вероятностей:


    В данной матрице Pij = P{Xt=N-j+1|Xt=N-i+1}.


    написать администратору сайта