随机过程习题第2章.docx
《随机过程习题第2章.docx》由会员分享,可在线阅读,更多相关《随机过程习题第2章.docx(23页珍藏版)》请在冰点文库上搜索。
随机过程习题第2章
2.1设(t)是一马尔可夫过程,又设t1t2
tntn1
tnk。
试证明:
tn/tn1(xn/xn1)
tn/tn1,,tnk(xn/xn1,,xnk)
即一个马尔可夫过程的反向也具有马尔可夫性。
证明:
首先,由条件概率的定义式得
ftn/tn1,,tnk(Xn/Xn1,
tnk(xn,xn1,,xnk)
tnk(xn1,,xnk)
根据马尔可夫性将上式中的分子和分母展开,并化简得
tn/tn1,,tnk(xn/xn1,,xnk)
tnk/tnk1(xnk/xnk1)
ftnk/tnk1(xnk/xnk1)
tn2/tn1(xn2/xn1)ftn1(xn1)
tn1/tn(xn1/xn)ftn(xn)
tn1(xn1)
于是,
tn,tn1(xn,xn1)ftn1(xn1)
2.2试证明对于任何一个马尔可夫过程,
如“现在”的(t)值为已知,则该过程的“过
去”和“将来”是相互统计独立的,即如果有t1t2t3,其中t2代表“现在”,W代
表“过去”,t3代表“将来”,若(t2)X2为已知值。
试证明:
t1,t3/t2(Xi,X3/X2)ft1/t2(Xi/X2)ft3/t2(X3/X2)
证明:
首先,由条件概率的定义式得
MX?
)如呼牛
ft2(X2)
然后,根据马尔可夫性将上式中的分子展开,并化简得
r“,、ft3/t2(X3/x2)ft2/t1(x2/x1)ft1(x1)
ft2(X2)
t3/t2(X3/X2)
ft2(X2)
ft1,t3/t2(x1,X3/x2)
2.3若(t)是一马尔可夫过程,t1t2tmtm1tm2。
试证明:
ftm1,tm2/t1,t2,,tm(xm1,xm2/x1,x2,,xm)ftm1,tm2/tm(xm1,xm2/xm)
证明:
首先,利用性质:
P{AB|C}P{A|BC}P{B|C}得
ftm1,tm2/t1,t2,,tm(xm1,xm2/x1,x2,,xm)
ftm2/t1,t2,tm,tm1(xm2/x1,x2,,xm,xm1)ftm1/t1,t2,,tm(xm1/x1,x2,,xm)
于是,由马尔可夫性得
ftm1,tm2/t1,t2,,tm(xm1,xm2/x1,x2,,xm)
ftm2/tm1,tm(xm2/xm1,xm)ftm1/tm(xm1/xm)
再利用性质P{A|BC}P{B|C}P{AB|C}得
ftm1,tm2/t1,t2,,tm(xm1,xm2/x1,x2,,xm)=ftm1,tm2/tm(xm1,xm2/xm)
2.4若有随机变量序列1,
2,,n,
,且,,,,
12n
之间相互统计独立,n的
概率密度函数为fn(xn)
fn(xn),
E[n]0(n1,2,
)。
定义另一随机变量序列
{n}如下:
1
2
1
12
3
123
n
12n
试证明:
(1)序列1,2
n,具有马尔可夫性;
2)E[n/1
y1,2y2,
n1
yn1]E[n/n1yn1]yn1
(1)证明:
由于1,2
相互统计独立,其n维联合概率密度函数为
12n(y1,y2,,yn)f1(y1)f2(y2)fn(yn)
于是,
.(为也,,Xn)f1(x1)f2(x2x1)fn(xnxn1)
n/n1,,2,1(xn/Xn1,X2,X1)
f1(x1)f2(X2x1)fn(xn1xn2)fn(xnxn1)
fn(Xn1fn(xnxn1)
由于
n1n(xn1,xn)
dXn2
2n(X1,X2,,Xn)dX1dX2
fn(Xn
xn1)
f1(X1)f2(X2X1)
fn(Xn1
xn2)dx1dx2dxn2
n1(xn
1)
dXn2
2)dx1dx2dxn2
n1(X1,X2,,Xn1)dX1dX2
f1(x1)f2(x2x1)fn(xn1xn
所以,
(xn/xn1)fn(xn
xn1)
因此
n/n1,,2,1
(Xn/Xn1X2,X1)
n/n1(Xn/Xn1)
所以,序列
具有马尔可夫性。
(2)证明:
根据条件均值的定义得
E[n/1
y1,2
y2,
n1
yn1]
ynf
n/n1,2,
1(y
n/yn1
y2,yJdyn
ynf
n/n1(yn/
yn
1阳
E[n/
n1yn1]
于是,
由给定的关系
n1
2
n
和E[
n]0
E[n/1
y1,2
y2,,n
1
yn1]
E[nyn1]yn1
2.5设有随机过程(n)(n=1,2,3,…),它的状态空间I:
{x:
0(1)为(0,1)间均匀分布的随机变
的参数T为离散的,T=n(n=1,2,3,…)。
设
量,即
(1)的概率密度为
(1),
(2),…,(m)的联合概率密度为
f1,2,,m(x1,x2,,xm)f
(1),
(2),,(m)(x1,x2,,xm)
1
(0xmxm1X11)
x1x2xm1
f1,2,,m(X1,X2,,Xm)0,其它Xj值
(1)求⑵的边际概率密度f2(x2);
(2)试问该过程是否为马尔可夫过程;
(3)求转移概率密度f2|1(x2|X1),,fm|m1(xm|Xm1)。
31
⑷求P{
(1)—,(3)-}o
43
(1)解:
由给出的
(1),
(2),…,(m)的联合概率密度函数可知
(0x2x11)
x1
其分布区域如右图加黑部分所示
因此,
(2)的边际概率密度函数为
f2(X2)
1丄dX1
X2X1
Inx2
(0
X21)
其它Xi值
(2)证明:
因为
xm)
m|1,2.
m1(xmIx1,x2
xm1)
f1,2,,m(x1,X2,
1,2,,m1(x1,X2,,Xm1)Xm1
(0显然,fm|1,2,m1只与Xm1有关,所以该过程是马尔可夫过程。
(3)解:
由
(2)得
其中,0(4)解:
由给出的
(1),⑵,…,(m)的联合概率密度函数可知
1
(0X3X2X11)
f1,2,3(X1,X2,X3)X1X2
0,其它值
于是,
X1
f1,3(X1,X3)xf(X1,X2,X3)dX2
X3
X1-^dx2
X3X1X2
X1
X3
1
—Inx2
X1
1X1
In1,(0X3X11)
X1X3
0,其它值
所以,
31
P{
(1)-,⑶3}
1/33/41Xl
In—dX1dX3
0X3X1X3
2.6设有一参数离散、状态连续的随机过程(n),n1,2,,它的状态空间为
I:
x;x0,又
(1)的概率密度函数为
eX1x10
J(X1)^(勺)
0其它知值
(1),
(2),,(m)的m维联合概率密度为
f1,2,,m(X1,X2,,Xm)X1X2Xm1exp[(XmXm1Xm1Xm2X2X1X1)]
(X10,x20,,xm0)
f1,2,,m(x1,x2,,xm)0其它xi值
(1)求边际概率密度f1,2,,m1(x1,X2,,xm1)
(2)求
(2)的概率密度;
(3)说明该过程是马尔可夫过程,并求其转移概率密度ftm/tm1(xm/xm1)
(1)解:
由m维联合概率密度可得m-1维联合概率密度
X2X1X1)]dXm
f1,2,,m1(x1,x2,,心1)
0X1X2Xm1exp[(XmXm1XmMm2
⑵解:
同
(1)理可求得:
所以,
x20
0,其它X2值
(3)解:
由条件概率的定义可得
fm/1,2,,m1(Xm/X1,X2,,Xm1)必巴Xm1eXp(XmXm1)
f1,2,,m1(x1,X2,,Xm1)
由此可见,当m-1时刻的状态确定时,m时刻的状态与以前时刻的状态无关。
所以,该过程为马尔可夫过程。
其转移概率密度为
2.7有三个黑球和三个白球。
把六个球任意等分给甲乙两个袋中,并把甲袋中的白球数定义为该过程的状态,则有四种状态:
0,1,2,3。
现每次从甲、乙两袋中各取
一球,然后互相交换,即把从甲袋取出的球放入乙袋,把从乙袋取出的球放入甲袋,经过n次交换,过程的状态为(n)(n=1,2,3,4,…)。
(1)试问此过程是否为马尔可夫链;
(2)计算它的一步转移概率矩阵。
(1)证明:
显然,该过程由当前状态转移到另一个状态的转移概率只与当前状态和转
移到的状态有关,与其它时刻的状态无关。
因此,该过程是为马尔可夫链。
(2)解:
以甲袋中的白球数i作为该过程的状态。
当i0和3时,过程状态由i转移到j概率为
2
3
「(ji
1)
■勺■
P{(n1)j|(n)i}23T
(j
i)
.2
1
i
—J
(ji
1)
3
0,
其它j值
当i=0时,poi1,poj
步转移概率矩阵为:
0
1
0
0
1
4
4
0
9
9
9
P
0
4
4
-
9
9
9
0
0
1
0
2.8设{(n)}是一马尔可夫链,它的状态转移空间为
阵为
(1)计算概率P{(0)0,
(1)1,
(2)1};
⑵计算p0?
o
(1)解:
由马尔可夫性可得
P{(0)0,
(1)1,
(2)1}P{
(2)1|
(1)1}P{
(1)1|(0)0}P{(0)0}
其中,
13
1
1
0,
⑴
1,
⑵
1}
—一
—
16
34
4
3
0
1
3
0
5
7
1
—
—
—
—
—
—
4
4
4
16
16
4
1
1
1
1
1
7
16
13
3
3
3
3
3
36
36
36
1
3
0
1
3
1
13
31
4
4
4
4
12
48
48
P{
(2)1|
(1)1}PT1
(1)3
P{
(1)1|(0)0}P01-
4
于是
P{(0)
(2)解:
二步转移概率矩阵为
1
4
护)1
3
0
所以,
另一种解法是根据切普曼
010
P1p0p
010
(1)试求口2),并证明P
(2)旳;
(2)求口n),n1。
(1)证明:
P
(2)和P(4)分别为
0
1
0
0
1
0
1
p
0
p
p
(2)
1p
0
p
1p
0
p
0
1
0
0
1
0
0
1
0
1
p
0
p
p(4)
口2)护)0
10010010
1p
0p1p0p1p0p
所以,
p
(2)口4)
⑵解:
实际上,
一步转移概率矩阵
P可以经过行列变换为
1p0p1p0p
1p0p
0
0
i
1
0
0
1
1p
p
0
由此可见,这是一个周期为2的马尔可夫链。
所以,当n为奇数时
010
P(n)1p0p
010
n为偶数时
1p0p
P(n)010
1p0p
p1p
P(0p1)
1pp
试用数学归纳法证明
证明:
当n=1时,显然是成立的。
假设
nk
1成立,即
1
1
k1
1
1
k1
—
(2p
1)
—
(2p
1)
p(k1)2
2
2
2
1
1
1)k1
1
1
1)k1
2
(2p
2
2
(2p
2
p(k)p(k1)p
则当nk时
所以结论成立。
2.11设有马尔可夫链,它的状态空间为
I:
{0,1},它的一步转移概率矩阵为
P的两个特征值和对应的特
Q
Q1ab
a
b
1
1
1b
ab
a
b
与矩阵P存在如下关系
10
1
0
Q1PQ
Q1Q
01ab
0
1
ab
1a
b
a
并且
(Q1PQ)nQ1PQQ1PQQ1PQQ1PnQ
于是得
1
P(n)Q
01
0n
Q1
ab
a(1
a
b)nb
aa(1
a
b)n
b
a
b(1
b
n
ab)
a
ab(1
b
a
b)n
a
b
a
b
[方法二]:
利用矩阵的特征值、特征矢量:
首先,由下面的等价关系
PXXPPXPX2XP(n)XnX
可知n是P(n)的特征值,P的特征向量是P(n)的特征向量。
因此,可由P的所有特
解得P1,P2,P3,P4的值与方法一的结果相同
[方法三]:
利用母函数:
首先,转移概率矩阵对应的母函数为
p(n)sn(I
Ps)
1(1a)s
as
G(s)
n1
bs1
(1b)s
1
1(1b)s
as
(1
2
ab)s2(2
ab)s
1bs1
(1a)s
将矩阵G(s)的第一行第一列元素展开成s的级数为
ab
abab
其中,sn项的系数就是P(n)的第一行第一列元素,即
P1
同理可得p2,p3,p4
2.12天气预报问题。
其模型是:
今日是否下雨依赖于前三天是否有雨(即一连三天有
雨;前面两天有雨,第三天是晴天;…),问能否把这个问题归结为马尔可夫链。
如
果可以,问该过程的状态有几个?
如果过去一连三天有雨,今天有雨的概率为0.8;
过去三天连续为晴天,而今天有雨的概率为0.2;在其它天气情况时,今日的天气与昨日相同的概率为0.6。
求这个马尔可夫链的转移矩阵。
解:
此问题本来不是马尔可夫链,但是通过将连续三天的天气情况定义为一个状态,
则可以认为是一个马尔可夫链。
每天的天气状况分为有雨(用“1”表示)和无雨(用“0”表示)两种情况,所以该马尔可夫链有23=8中状态。
将连续四天的天气情况
用丫和N表示。
例如,前三天有雨,第四天无雨,则表示为YYYN。
根据题意可知,如果过去一连三天有雨,今天有雨的概率为0.8;过去三天连续
为晴天,而今天有雨的概率为0.2;即
P{1111}=0.8,P{0001}=0.2,
在其它天气情况时,今日的天气与昨日相同的概率为0.6,即
P{0011}=P{0111}=P{1011}=0.6
P{1100}=P{0000}=P{0100}=P{1000}=0.6
于是可得其它的概率值为
P{0000}=1-P{0001}=0.8,
P{0010}=1-P{0000}=0.2,P{0101}=1-P{0100}=0.4
因此,概率转移矩阵为
0.8
0.2
0
0
0
0
0
0
0
0
0.4
0.6
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.4
0.6
0
0.4
0.6
0
0
0
0
0
0.4
0.6
1
00000000
⑵⑴
(1)111
oop01p10236
另一种方法是利用母函数
由下面的关系
可得
⑴
oo
试求f0(01),
解:
p1q1
0
P(n)0p2
q2
q30
p3
f
(2),
f00,
f(3),f
(1),f
(2),f(3)。
f00,f01,f01,f01。
f0(10)p0(10)
p1
f0(11)p0(11)
q1
f0(02)p0(11)p1(10)p0(12)p2(10)
q100q30
f0(12)p0(10)p0(11)p0(12)p2(11)
p1q100
p1q1
f(3)f00
p0(11)p1(11)p1(10)p0(11)p1(12)p2(10)
(1)
(1)
(1)p02p21p10
p0(12)p2(12)p2(10)
q1p20q1q2q3000
0p3q3
q1q2q3
f(3)
01
p0(10)p0(10)p0(11)p0(10)p0(12)p2(11)
(1)
(1)
(1)p02p20p01
p0(12)p2(12)p2(11)
p1p1q1p1000q3
q10p3
2
0p12q1
1aa
P(0a1,0b1)
b1b
试求P(n)(利用矩阵的特征值、特征矢量方法计算)解:
解算此题有以下三种方法:
[方法一]:
禾I」用矩阵的相似变换:
首先,容易解得矩阵
征向量分别为