應(yīng)用隨機(jī)過程試題及答案 隨機(jī)應(yīng)用過程題庫考試
應(yīng)用隨機(jī)過程試題及答案
應(yīng)用隨機(jī)過程對(duì)大多數(shù)同學(xué)來說不太容易學(xué)好,同學(xué)們需要努力才能學(xué)好應(yīng)用隨機(jī)過程,下面是陽光網(wǎng)小編給大家整理的應(yīng)用隨機(jī)過程試題及答案,歡迎大家學(xué)習(xí)參考。
應(yīng)用隨機(jī)過程試題及答案
《應(yīng)用隨機(jī)過程》試卷(B) 學(xué)院 理學(xué)院 班級(jí) 姓名 學(xué)號(hào) 題號(hào) 一 二 總分 得分
一.概念簡答題(每題5 分,共40 分)
1. 寫出卡爾曼濾波的算法公式
2. 寫出ARMA(p,q)模型的定義
3. 簡述Poisson 過程的隨機(jī)分流定理
4. 簡述Markov 鏈與Markov 性質(zhì)的概念
5. 簡述Markov 狀態(tài)分解定理
6.簡述HMM 要解決的三個(gè)主要問題 得分
B 卷(共9 頁)第2 頁
7. 什么是隨機(jī)過程,隨機(jī)序列?
8.什么是時(shí)齊的獨(dú)立增量過程?
二.綜合題(每題10 分,共60 分)
1 . 一 維 對(duì) 稱 流 動(dòng) 隨 機(jī) 過 程 n Y , 0 1 0, , n n k k Y Y X ? ? ? ? 1 ( 1) ( 1) ,
2 k k k X p x p x ? ? ? ? ? 具 有 的 概 率 分 布 為 且 1 2 , , ... X X 是相互獨(dú)立的。試求 1 Y 與 2 Y 的概率分布及其聯(lián)合概率分布。
2. 已知隨機(jī)變量 Y 的密度函數(shù)為 其 他 而且,在給定 Y=y 條件 下,隨機(jī)變量X 的條件密度函數(shù)為 ? ? 其 他 試求隨機(jī)變量X 和Y 的聯(lián)合分布密度函數(shù) ( , ) f x y . 得分 B 卷(共9 頁)第3 頁
3. 設(shè)二維隨機(jī)變量( , ) X Y 的概率密度為 ( ,其 他 試求 p{x<3y}
4.設(shè)隨機(jī)過程 ( ) c o s 2 , ( , ) , X t X t t ? ? ? ? ? ? X 是標(biāo)準(zhǔn)正態(tài)分布的.隨機(jī)變量。試求 數(shù)學(xué)期望 ( ) t E X ,方差 ( ) t D X ,相關(guān)函數(shù) 1 2 ( , ) X R t t ,協(xié)方差 1 2 ( , ) X C t t 。 B 卷(共9 頁)第4 頁
5 . 設(shè)馬爾科夫鏈的狀態(tài) 空 間 為 I={0,1}, 一 步 轉(zhuǎn) 移 概 率 矩 陣 為 P= 0 ,求其相應(yīng)的極限分布。
6. 設(shè)I={1,2,3,4},其一步轉(zhuǎn)移概率矩陣P= 1 1 0 0 2 2 1 0 0 0 1 ,試畫出狀態(tài)傳遞圖, 對(duì)其狀態(tài)進(jìn)行分類,確定哪些狀態(tài)是常返態(tài),并確定其周期。 B 卷(共9 頁)第5 頁 河北科技大學(xué)2010——2011 學(xué)年第一學(xué)期 《應(yīng)用隨機(jī)過程》
試卷(B)答案
一.概念簡答題(每題5 分,共40 分)
1. 寫出卡爾曼濾波的算法公式 答:X(k|k-1)=AX(k-1|k-1)+BU(k)…(1) P(k|k-1)=AP(k-1|k-1)A’+Q…(2) X(k|k)=X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1))…(3) Kg(k)=P(k|k-1)H’/(HP(k|k-1)H’+R)…(4) P(k|k)=(I-Kg(k)H) P(k|k-1)…(5)
2.寫出ARMA(p,q)模型的定義 答 : 自 回 歸 移 動(dòng) 平 均 ARMA(p,q) 模 型 為 1 1 2 2 1 1 2 2 t t t p t p t t q t q X X X X ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ,其中,p 和 q 是模型 的自回歸階數(shù)和移動(dòng)平均階數(shù); , ? ? 是不為0 的待定系數(shù); t ? 是獨(dú)立的誤差項(xiàng); t X 是平穩(wěn)、正態(tài)、零均值的時(shí)間序列。
3 簡述Poisson 過程的隨機(jī)分流定理 答:設(shè) t N 為強(qiáng)度為? 的poisson 過程,如果把其相應(yīng)的指數(shù)流看成顧客流,用 與此指數(shù)流相互獨(dú)立的概率p,把每個(gè)到達(dá)的顧客,歸入第一類,而以概率1-p 把 他歸入第二類。對(duì)i=1,2,記 ( ) i t N 為t 前到達(dá)的第i 類顧客數(shù),那么 (1) ( 2 ) { : 0} , { : 0} t t N t N t ? ? 分別為強(qiáng)度為p? 與(1-p)? 的poisson 過程,而且這 兩個(gè)過程相互獨(dú)立。
4 簡述Markov 鏈與Markov 性質(zhì)的概念 答:如果隨機(jī)變量是離散的,而且對(duì)于 0 n ? ? 及任意狀態(tài) 0 1 1 1 1 0 0 1 , , , , , ( | , , , ) ( | ) n n n n n n n i j i i p j i i i p j i ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 都有 ,該隨 機(jī)序列為Markov 鏈,該對(duì)應(yīng)的性質(zhì)為Markov 性質(zhì)。
5. 簡述Markov 狀態(tài)分解定理 答:(1) Markov 鏈的狀態(tài)空間S 可惟一分解為 1 2 S T H H ? ? ? ? ,其中T 為 B 卷(共9 頁)第6 頁 暫態(tài)的全體,而 i H 為等價(jià)常返類。 (2)若 Markov 鏈的初分布集中在某個(gè)常返類 k H 上,則此 Markov 鏈概率為 1 地永遠(yuǎn)在此常返類中,也就是說,它也可以看成狀態(tài)空間為 k H 的不可約Markov 鏈。
6.簡述HMM 要解決的三個(gè)主要問題 答:(1)從一段觀測序列{ , } k Y k m ? 及已知的模型 ( , , ) A B ? ? ? 出發(fā),估計(jì) n X 的最 佳值,稱為解碼問題。這是狀態(tài)估計(jì)的問題。 (2) 從一段觀測序列{ , } k Y k m ? 出發(fā),估計(jì)模型參數(shù)組 ( , , ) A B ? ? ? ,稱為學(xué)習(xí)問 題。這是參數(shù)估計(jì)問題。 (3) 對(duì)于一個(gè)特定的觀測鏈{ , } k Y k m ? ,已知它可能是由已經(jīng)學(xué)習(xí)好的若干模型 之一所得的觀測,要決定此觀測究竟是得自于哪一個(gè)模型,這稱為識(shí)別問題,就 是分類問題。 7. 什么是隨機(jī)過程,隨機(jī)序列? 答:設(shè)T 為[0,+? )或(- ? ,+? ),依賴于t(t? T)的一族隨機(jī)變量(或隨
版權(quán)聲明:本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻(xiàn),該文觀點(diǎn)僅代表作者本人。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容, 請(qǐng)發(fā)送郵件至 yyfangchan@163.com (舉報(bào)時(shí)請(qǐng)帶上具體的網(wǎng)址) 舉報(bào),一經(jīng)查實(shí),本站將立刻刪除