2025年大学《数理基础科学》专业题库- 随机过程的数学建模

2025年大学《数理基础科学》专业题库——随机过程的数学建模考试时间：______分钟总分：______分姓名：______一、1.设{X(t),t≥0}是一个随机过程，若对于任意t1,t2∈[0,∞)和任意h>0，有P{X(t2+h)-X(t2)|X(t1),X(t1+h),...,X(t2-h)}=P{X(t2+h)-X(t2)|X(t1)}则称{X(t),t≥0}满足什么性质？请解释该性质的含义。2.写出离散时间齐次马尔可夫链的一步转移概率的定义。若一个马尔可夫链的转移概率矩阵P=[[p11,p12],[p21,p22]]，且p11=0.7,p21=0.4，求状态1到状态1的二步转移概率P(1,1,2)。3.设{X(t),t≥0}是参数为λ(>0)的泊松过程。解释泊松过程的独立增量性和均匀分布增量性。计算P{X(2)=3,X(5)=5}。二、4.定义随机过程的均值函数和自相关函数。设随机过程{X(t)=Acos(ωt+Θ),t≥0}，其中A是常数，ω是常数，Θ是在[0,2π]上均匀分布的随机变量，求X(t)的均值函数μX(t)和自相关函数RXX(t1,t2)。5.解释平稳过程的概念。一个随机过程{X(t),t∈T}的均值函数为μX(t)=a(常数)，自相关函数RXX(t1,t2)=σ²e^(-|t1-t2|)，其中σ²>0。证明该过程是宽平稳过程。6.写出维纳过程的定义及其主要性质（至少写出三条）。三、7.解释马尔可夫链的平稳分布的概念。设有一个二态齐次马尔可夫链，其状态空间为{1,2}，转移概率矩阵为P=[[0.8,0.2],[0.3,0.7]]。求该马尔可夫链的平稳分布π=(π1,π2)。8.写出连续时间齐次马尔可夫过程的定义。设一个连续时间齐次马尔可夫过程的状态空间为{1,2,3}，转移速率矩阵（Q矩阵）为Q=[[-λ1,λ1,0],[0,-λ2,λ2],[0,0,-λ3]]，其中λ1,λ2,λ3(>0)为参数。求从状态1到状态3的转移概率P(1,3;t)。9.什么是生灭过程？请给出其状态转移速率矩阵的一般形式，并说明其中元素的含义。四、10.解释随机微分方程y(t)=a(t)y(t)dt+b(t)dW(t)中各个符号的含义，其中W(t)是标准布朗运动。11.写出伊藤引理的数学表达式（针对Itō型随机积分）。设Z(t)=sin(t)+t^2*W(t)，其中W(t)是标准布朗运动，利用伊藤引理计算dZ(t)。12.设一个系统在t时刻的状态X(t)服从参数为λ的泊松过程，系统每次失效后需要修复时间T服从参数为μ的指数分布，且失效与修复时间相互独立。建立该系统的状态转移的随机过程模型，并描述其含义。五、13.试述随机过程在排队论中的应用。以一个简单的M/M/1排队系统为例，说明如何使用随机过程（特别是泊松过程和指数分布）来建模顾客到达和服务过程，并分析其稳态性质（如平均队列长度）。14.随机过程在金融数学中有哪些应用？请选择其中一项应用（如期权定价、风险管理等），简述其应用背景，并说明随机过程（如几何布朗运动）在其中扮演的角色。15.结合你所学知识，论述随机过程的数学建模在解决实际问题中的价值。请举例说明一个具体的应用领域，并阐述在该领域中随机过程建模的作用和意义。试卷答案一、1.马尔可夫性质（或马氏性）。含义：随机过程未来的状态只依赖于当前状态，与过去的历史状态无关。2.P(1,1,2)=P(1,2)*P(2,1)=p11*p21=0.7*0.4=0.28。3.独立增量性：X(t2)-X(t1)与X(t1)-X(t0)等增量相互独立。均匀分布增量性：对于0≤s<t，随机变量X(t)-X(s)服从参数为λ(t-s)的泊松分布。P{X(2)=3,X(5)=5}=P{X(5)-X(2)=2}*P{X(2)=3}=P{X(3)=2}*P{X(2)=3}=[e^(-3λ)*(3λ)^2/2!]*[e^(-2λ)*(2λ)^3/3!]=(6λ^5*e^(-5λ))/(2!*3!)=(λ^5*e^(-5λ))/12。二、4.均值函数μX(t)=E[X(t)]。自相关函数RXX(t1,t2)=E[X(t1)X(t2)]。E[X(t)]=E[Acos(ωt+Θ)]=Acos(ωt)E[cos(Θ)]=Acos(ωt)*1=Acos(ωt)。E[X(t1)X(t2)]=E[Acos(ωt1+Θ)*Acos(ωt2+Θ)]=A²E[cos(ωt1+Θ)cos(ωt2+Θ)]=A²E[1/2*(cos(ω(t1-t2))+cos(ω(t1+t2)+2Θ))]=A²/2*[cos(ω(t1-t2))+E[cos(ω(t1+t2)+2Θ)]]。因为Θ~U(0,2π)，E[cos(ω(t1+t2)+2Θ)]=0。所以RXX(t1,t2)=A²/2*cos(ω(t1-t2))。5.平稳过程：若均值函数μX(t)=E[X(t)]是常数，自相关函数RXX(t1,t2)只与时间差τ=t1-t2有关，即RXX(t1,t2)=RXX(τ)，则称{X(t),t∈T}是平稳过程。证明：μX(t1)=a,μX(t2)=a。RXX(t1,t2)=E[X(t1)X(t2)]=E[X(t1+t2)X(t1-t2)]（令τ=t1-t2）。当t1=t2时，RXX(t1,t1)=E[X(t1)²]=σ²+a²=σ²（因为E[X(t1)X(t2)]=a²+σ²）。当t1≠t2时，设τ=t1-t2≠0。RXX(t1,t2)=E[X(t1+t2)X(t1-t2)]=E[X(t1+t2)²]=σ²+a²=σ²。因此，RXX(t1,t2)=σ²e^(-|t1-t2|)只与τ=t1-t2有关，所以该过程是宽平稳过程。6.定义：若随机过程{X(t),t∈T}的状态空间为离散（有限或无限）集合，且对于任意t1,t2∈T(t1<t2)和任意t0∈T，{X(t2),X(t1),...,X(t0)}服从马尔可夫链的转移概率分布，则称{X(t),t∈T}是一个马尔可夫过程。性质：(1)马尔可夫性（无后效性）。(2)通常具有独立增量性（对于连续时间马尔可夫过程）。(3)状态空间和参数集可以是离散或连续的。（维纳过程的状态空间是连续的，时间参数是连续的）。三、7.平稳分布π=(π1,π2,...)是一个概率分布，满足πP=π，且Σπi=1。求解π1*0.8+π2*0.3=π1，π1*0.2+π2*0.7=π2，π1+π2=1。解得π1=3/7,π2=4/7。所以π=(3/7,4/7)。8.定义：状态空间为离散（有限或无限）集合，参数集为连续时间t≥0的随机过程{X(t),t≥0}，满足马尔可夫性，且在t1<t2时刻的增量X(t2)-X(t1)只依赖于状态差n=X(t2)-X(t1)和时间差t=t2-t1，且满足P{X(t2)-X(t1)=n|X(t1)=i}=e^(-λ(t-t1))*[λ(t-t1)]^n/n!(n=0,1,2,...)。转移概率P(1,3;t)=P{X(t)=3|X(0)=1}。由Q矩阵知，从状态1只能到状态2，不能直接到状态3。P(1,3;t)=0。9.定义：一个随机过程{X(t),t≥0}，其状态空间为离散集{0,1,2,...}（通常表示系统处于第k个状态），且对于任意t1<t2<t3<...<tn和任意t0，增量{X(t2)-X(t1),X(t3)-X(t2),...,X(tn)-X(tn-1)}是相互独立的随机变量序列，并且每个增量服从相同的分布。其状态转移速率矩阵Q=[[q00,q01,q02,...],[q10,q11,q12,...],[q20,q21,q22,...],...]，其中qij(i≠j)表示从状态i到状态j在单位时间内的转移速率（或称为强度），qi0=-qi1-qi2-...-qij表示从状态i离开的总速率。矩阵Q的主对角线元素为负，其余元素通常为非负。四、10.y(t)：随机过程（或系统状态变量）。a(t)：漂移系数（控制项系数）。b(t)：扩散系数（噪声项系数）。W(t)：标准布朗运动（或维纳过程），是驱动噪声。dW(t)：W(t)的微分（或增量），满足E[dW(t)]=0,E[dW(t)²]=dt,E[dW(t)u(t)]=0(对任意连续函数u(t))。11.Itō引理：若X(t)是满足一定条件的适应过程，f(t,X(t))是关于t和X(t)的二阶连续偏导数存在的twice-differentiable函数，则d(f(t,X(t)))=∂f/∂tdt+∂f/∂xdX(t)+1/2*∂²f/∂x²(dX(t))²。Z(t)=sin(t)+t^2*W(t)。f(t,x)=t^2*x。∂f/∂t=2tx,∂f/∂x=t^2,∂²f/∂x²=2t。dZ(t)=d(sin(t))+d(t^2*W(t))=cos(t)dt+(t^2*dW(t)+2t*W(t)dt)=cos(t)dt+t^2dW(t)+2tW(t)dt。12.模型：该系统状态可以用一个随机过程{X(t),t≥0}表示，其中X(t)表示在时刻t系统的状态：0表示正常工作，1表示失效。该过程可以看作一个连续时间齐次马尔可夫过程。状态转移：当系统处于状态0时，其状态以速率λ失效，转移到状态1。当系统处于状态1时，其状态以速率μ修复，转移到状态0。含义：X(t)的概率分布随时间变化，反映了系统正常工作和失效的概率随时间的变化。五、13.应用：随机过程在排队论中用于建模顾客到达流和服务时间。例如M/M/1排队系统：到达过程用参数为λ的泊松过程建模，表示时间间隔内到达的顾客数服从泊松分布。服务时间用参数为μ的指数分布建模，表示服务一个顾客所需时间是随机的，期望值为1/μ。排队系统状态X(t)表示时刻t系统中的顾客数（包括等待和被服务）。该系统状态{X(t),t≥0}是一个连续时间马尔可夫链。稳态分析：当系统达到稳态时，状态分布π=(π0,π1,π2,...)不再随时间变化，满足πP=π，且Σπi=1。利用平衡方程和到达率等于离开率的原则，可以求解稳态分布πi，进而得到平均队列长度Lq=Σ(i=1to∞)i*πi等性能指标。14.应用：随机过程在金融数学中应用广泛。例如期权定价：Black-Scholes期权定价模型就假设标的资产价格变动符合几何布朗运动（一个随机过程），通过求解随机微分方程得到期权理论价格。风险管理：使用随机过程模拟市场风险因素（如利率、汇率、股价）的随机波动，通过计算价值在风险因素变动下的