C清华大学随机过程
《概率论与数理统计C》课程教学大纲
Probability & Statistics C
课程代码：03100826 课程性质：专业基础理论课（选修）
适用专业：包装、车辆等25个专业 开课学期：4
总学时数：40 总学分数：2.5
修订年月：2006年6月 执 笔：李大红、古伟清
第一部分 大纲
一、课程的性质和目的
概率论与数理统计是研究和揭示随机现象及其统计规律的数学学科，其应用几乎遍及所有科学技术领域。概率论是根据随机现象的规律性对随机现象的某一结果出现的可能性大小做出客观的量化定义，表述其特征，研究它们之间的关系。通过本课程的教学，使学生初步掌握处理随机现象的基本理论和方法，并能应用其解决一些简单工程实际问题。培养学生运用概率方法分析问题和解决实际问题的能力，同时为学习有关的后继课程打好必要基础。
二、课程教学内容及基本要求
（一）教学内容
1. 随机事件与概率
随机事件及其运算(随机试验, 随机事件与样本空间, 事件之间的关系及其运算) 概率的定义、性质及其运算(频率, 概率的统计定义, 古典概率, 几何概率，概率的公理化定义, 概率的性质) 条件概率及三个重要公式(乘法公式, 全概率公式, 贝叶斯公式) 事件的独立性及贝努里(Bernoulli)概型。
2.随机变量及其分布
随机变量及其分布函数的概念及其性质, 离散型随机变量及其概率分布和分布函数, 常见的离散型随机变量分布（0—1分布、二项分布及泊松分布）; 连续型随机变量的概率密度函数与分布函数，常见的连续型随机变量（均匀分布、指数分布及正态分布），求随机变量函数的分布的方法。
3. 多维随机变量及其分布
二维随机向量及其分布、边缘分布的概念；二维离散型随机向量的概率分布与边缘概率分布的关系及运算；二维连续型随机变量的分布函数与边缘分布函数、概率密度与边缘概率密度的关系及运算；条件概率密度及条件概率分布；随机变量的独立性及其判别法；随机变量的简单函数的概率分布，两个随机变量和、极大与极小函数的分布。
4. 随机变量的数字特征
随机变量数学期望的定义及其性质、随机变量函数的数学期望 随机变量方差的定义及其性质 协方差, 相关系数的定义与计算公式 几种重要随机变量的数学期望与方差。
5. 大数定律和中心极限定理
契比雪夫不等式 贝努里大数定律和契比雪夫大数定律 独立同分布的中心极限定理和德莫弗--拉普拉斯(Demoivve--Laplace)中心极限定理
（二）基本要求
1. 随机事件与概率
了解样本空间的概念, 理解随机事件的概念, 熟练掌握事件之间的关系与运算。
了解概率的定义.(古典概率, 几何概率, 概率的频率的定义和概率的公理化定义)。掌握概率的性质并且会应用性质进行概率的计算。
理解条件概率的概念, 掌握概率的乘法公式, 全概率公式和贝叶斯(Bayes)公式并会用这些公式进行概率计算.
理解事件独立性的概念, 熟练掌握贝努里概型并会应用它进行概率计算.
2.随机变量及其分布
了解随机变量的概念、掌握离散型随机变量及概率函数(分布列)的概念和性质，能用概率分布计算有关事件的概率; 掌握连续型随机变量的概率密度和分布函数的概念和性质，能用概率密度函数或分布函数计算有关事件的概率。
熟练掌握0－1分布、二项分布、泊松(Poisson)分布、均匀分布、指数分布和正态分布的概念及性质。
掌握求简单随机变量函数的分布的一般方法。
3. 多维随机变量及其分布
理解多维随机变量的概念，掌握二维随机变量的联合概率分布、联合分布函数、联合概率密度的概念和性质，掌握计算有关事件概率的方法。
掌握二维离散型随机向量的联合概率分布与边缘概率分布的关系，二维连续型随机向量的联合分布函数与边缘分布函数、联合概率密度与边缘概率密度的关系。
理解条件分布的概念，会计算条件概率分布、条件概率密度
理解随机变量相互独立性概念，会判断随机变量的独立性。
理解两个随机变量和、极大与极小函数的分布概念，并掌握其计算方法。
了解二维均匀分布, 二维正态分布。
4. 随机变量的数字特征
理解数学期望与方差的概念，掌握它们的性质与计算。
掌握随机变量函数的数学期望计算方法。
熟记0—1分布、二项分布、泊松分布、均匀分布、指数分布和正态分布的期望与方差 理解协方差,相关系数和矩的概念, 掌握他们的性质与计算方法。
5. 大数定律和中心极限定理
了解切比雪夫不等式、切比雪夫定理和伯努利定理。
了解独立同分布的中心极限定理和棣莫弗(Demoiver)-拉普拉斯(Laplace)定理。
注：在此教学目标由到深为分四个层次：即 了解、知道; 理解; 掌握; 运用、推理
三、课程教学的学时分配
本课程的教学时数为40学时，课内外学时比例为1：2，课内学时分配如下表：
学 时安 排 小计 序号 内 容
理论课时 实验或习题课时 上机课时
1 随机事件与概率 8 1 9
2 随机变量及其分布 8 1 9
3 多维随机变量及其分布 8 1 9
4 随机变量的数字特征 6 1 7
5 大数定律和中心极限定理 4 0 4
机动 2 2
总计 34 6 40
四、本课程与其它课程的联系与分工
先修课程：高等数学、线性代数
后续课程：本课程学习结束后，学生可具备进一步学习相关课程的理论基础
五、建议教材及教学参考书
［1］谢国瑞主编，《概率论与数理统计》，高等教育出版社，2002.8出版
［2］浙江大学编，《概率论与数理统计》，高等教育出版社, 2001.12出版
第二部分 重点、难点
1. 随机事件与概率
重点：随机事件之间的关系与运算；概率的概念、基本性质与概率计算；乘法定理、全概率公式和贝叶斯公式的应用。
难点：古典概型下事件概率的计算，条件概率，独立性概念，事件的概率的计算（特别是：加法定理，乘法定理，全概率公式及贝叶斯公式的应用）。
2.随机变量及其分布
重点：随机变量的概率分布或分布密度与分布函数的互求；求随机变量函数的分布；0—1分布、二项分布、泊松分布、均匀分布、指数分布和正态分布的概念及性质。
难点：连续随机变量的分布密度及其分布函数的互求；求随机变量函数的分布。
3. 多维随机变量及其分布
重点：二维随机向量的联合概率分布、联合概率密度和联合分布函数的概念及性质；由二维随机向量的分布函数、概率密度或概率分布求有关事件的概率；由二维随机向量的分布求二维随机向量的边缘分布；判断随机变量独立性；两个独立随机向量和、极大与极小的分布。
难点：由二维随机向量的分布求二维随机向量边缘分布；条件概率分布、条件概率密度和条件分布的计算；求两个独立随机变量和的分布。
4. 随机变量的数字特征
重点：随机变量的数学期望和方差的概念、性质及计算；随机变量函数的数学期望的计算, 特别是随机变量的协方差、相关系数的计算。
难点：不同情形下随机变量函数的数学期望计算，协方差、相关系数的计算。
5. 大数定律和中心极限定理
重点：切比雪夫不等式、本章几个定理的条件和结论、正态分布在近似计算中的应用。
难点：依概率收敛的概念，定理的证明与定理的思想。
【清华考研复试辅导班】2020年清华大学航天航空学院考研复试及调剂经验攻略
【清华考研复试辅导班】2020年清华大学航天航空学院考研复试及调剂经验攻 略 大家好，我是盛世清北胡老师。 2020年考研初试在即，各位备考清华的小伙伴在备考之余，或者初试之后，千万不要闲着，合理利用时间，掌握复试信息，准备考研复试才是成功上上策。 本文将通过分析目标院校成绩查询时间、复试分数线、复试内容、复试时间和地点、资格审查、复试体检、复试调剂、复试名单、复试经验等，帮助考生复试备考时充分掌握到目标院系复试信息，有助于考生根据复试资讯，制定复试计划，掌握复习方法，使考生及早进行有针对性的复试准备，提前熟悉复试流程、复试题型，保证在成绩公布后可以快速进入复试状态，轻松通过考研最后一关。 清华航天航空学院简介 2004年5月18日，清华大学航天航空学院（School of Aerospace Engineering，Tsinghua University）正式成立。学院在航天航空方面注重与国内外的著名航空航天院校、研究所建立长期、良好的合作关系，在学院成立之前的2003年，清华大学就与中国一航签订在科研合作和人才培养方面的协议。同年，美国通用电气公司（GE）发动机公司在清华大学设立喷气推进联合研究中心。2005年，清华大学－沈阳飞机设计研究所联合研究中心成立。目前航天航空学院下设航空宇航工程系、工程力学系和航空技术研究中心，宇航技术研究中心保持跨学科特色，挂靠航天航空学院。航空宇航工程系下设5个研究所，分别为工程动力学研究所、飞行器设计研究所、推进与动力技术研究所、人机与环境工程研究所和空天信息技术研究所；工程力学系下设4个研究所，分别为固体力学研究所、流体力学研究所、工程热物理研究所和生物力学与医学工程研究所。 清华大学往年成绩查询时间 2019年考研初试成绩查询时间：2月15日 2018年考研初试成绩查询时间：2月4日 2017年考研初试成绩查询时间：2月15日 2016年考研初试成绩查询时间：2月18日 复试分数线
随机过程作业题及参考答案(第一章)
第一章 随机过程基本概念 P39 1. 设随机过程()0cos X t X t ω=，t -∞<<+∞，其中0ω是正常数，而X 是标准正态变量。试求()X t 的一维概率分布。 解： 1 当0cos 0t ω=，02 t k π ωπ=+ ，即0112t k πω??= + ??? （k z ∈）时， ()0X t ≡，则(){}01P X t ==. 2 当0cos 0t ω≠，02 t k π ωπ≠+ ，即0112t k πω?? ≠ + ??? （k z ∈）时， ()~01X N ，，()0E X ∴=，()1D X =. ()[]()00cos cos 0E X t E X t E X t ωω===????. ()[]()22 000cos cos cos D X t D X t D X t t ωωω===????. ()()20~0cos X t N t ω∴，. 则( )2202cos x t f x t ω- = ；. 2. 利用投掷一枚硬币的试验，定义随机过程为 ()cos 2t X t t π?=??，出现正面，出现反面 假定“出现正面”和“出现反面”的概率各为 12。试确定()X t 的一维分布函数12F x ?? ???；和()1F x ；，以及二维分布函数12112 F x x ?? ?? ? ，；， 。
00 11101222 11
清华大学今年招收“飞行员班”
清华大学日前宣布，今年起将从参加全国高考的应届高中毕业生中招收预备飞行学员，组成清华大学“飞行员班”，培养高层次、高素质的军事飞行领军人才。据悉，清华今年将招收32名“飞行员班”学员，毕业后将成为空军副连职军官，授予空军中尉军衔。 报名：限理科应届毕业生 清华招办有关负责人表示，“飞行员班”面向除西藏、香港、澳门、台湾地区外的30个省区市招生，今年计划招生32人。录取学生全部进入清华大学航天航空学院工程力学与航天航空工程(飞行员班)专业培养。 清华“飞行员班”招生对象为普通中学男性，理科应届高中毕业生，年龄不超过19周岁，具有所在考区正式户籍和所在学校正式学籍，符合空军招收飞行学员的政治、身体、心理素质等基本条件。 按照清华招办的安排，4月25日之前，报名考生须按通知的时间和地点进行初次检测。6月中下旬，初选、复选或初次检测通过的考生需根据通知到北京进行定选。对于北京、上海、黑龙江、辽宁、新疆的考生，只有初选、复选或初次检测通过后才可以在提前批次第一志愿填报清华大学“工程力学与航天航空工程（飞行员班）”专业。只有定选通过的考生才能进入清华大学最终考察名单。 清华大学不提前制定分省计划，将综合参考考生定选结果和高考成绩，在最终考察名单中择优录取，但录取考生的高考成绩最低不能低于清华大学在本省（自治区、直辖市）第一批次理科最低调档分数线下60分。参加“飞行员班”的检测不需要个人支付费用。初选、复选结果与自查结果相符的考生由空军报销自查费用和交通费用，检测期间免费提供食宿。定选期间报销交通费用，免费提供食宿。 北京、上海、黑龙江、辽宁、新疆的考生，初选、复选或初次检测通过后就可在提前批次第一志愿填报清华大学工程力学与航天航空工程(飞行员班)专业。其他省份考生，只有定选通过后才能获得报名资格。 录取：最多可降60分录取 清华招办表示，“飞行员班”学员除身体条件要过关外，对高考成绩也有较高的要求。据预计，今年录取分数可能在各省区市一本线60分以上。 据介绍，清华大学将综合参考考生定选结果和高考成绩，在最终考察名单中择优录取，但录取考生的高考成绩最低不能低于清华在该省区市第一批次理科最低调档分数线下60分。清华“飞行员班”在提前批次进行录取，未被录取者不影响其他志愿的正常录取。 清华“飞行员班”的学制为四年，前三年在清华航天航空学院学习，第四年在空军航空大学学习。完成联合培养本科4年学习要求并毕业的飞行学员，可获清华大学、空军航空大学两校的学历、学位证书。
随机过程
《随机过程》课程教学大纲 课程编号：02200021 课程名称：随机过程 英文名称：Stochastic Processes 课程类别：选修课 总学时：72 讲课学时：68 习题课学时：4 学分: 4 适用对象：数学与应用数学、信息与计算科学专业 先修课程：数学分析、高等代数、概率论与数理统计 一、课程简介 随机过程是研究客观世界中随机演变过程规律性的学科，它的基本知识和方法不仅为数学、概率统计专业所必需，也为工程技术、生物信息及经济领域的应用和研究所需要。本课程介绍随 机过程研究领域的一些基础而重要的知识和技能。 二、课程性质、目的和任务 随机过程是概率论的后续课程，具有比概率理论更加实用的应用方面，处理问题也更加贴近实际情况。通过这门课程的学习，使学生了解随机过程的基本概念，掌握最常见而又有重要应用 价值的诸如Poisson过程、更新过程、Markov过程、Brown运动的基本性质，能够处理基本的随 机算法。提高学生利用概率理论数学模型解决随机问题的能力。通过本课程的学习，可以让数学 专业的学生很方便地转向在金融管理、电子通讯等应用领域的研究。 三、课程基本要求 通过本课程的学习，要求学生掌握随机过程的一般概念，知道常见的几类随机过程的定义、背景和性质；掌握泊松过程的定义与基本性质，了解它的实际背景，熟悉它的若干推广；掌握更 新过程的定义与基本性质、更新函数、更新方程，了解更新定理及其应用，知道更新过程的若干 推广；掌握离散时间的马尔可夫链的基本概念，熟练掌握转移概率、状态分类与性质，熟悉极限 分布、平稳分布与状态空间的分解，了解分枝过程；掌握连续时间的马尔可夫链的定义、柯尔莫 哥洛夫方程；掌握布朗运动的定义与基本性质，熟悉随机积分的定义与基本性质，了解扩散过程 与伊藤公式，会求解一些简单的随机微分方程。 四、教学内容及要求 第一章预备知识 §1.概率空间；§2.随机变量和分布函数；§3.数字特征、矩母函数和特征函数；§4. 条件概率、条件期望和独立性；§5.收敛性 教学要求：本章主要是对概率论课程的复习和巩固，为后续学习做准备。 第二章随机过程的基本概念和类型
《应用随机过程》教学大纲
《应用随机过程》课程教学大纲 课程代码：090541007 课程英文名称：Applications Stochastic Processes 课程总学时：40 讲课：40 实验：0 上机：0 适用专业：应用统计学 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 随机过程是现代概率论的一个重要的组成部分，其理论产生于上世纪初期，主要是由物理学、生物学、通讯与控制、管理科学等方面的需求而发展起来的。它是研究事物的随机现象随时间变化而产生的情况和相互作用所产生规律的学科。随机过程的理论为许多物理、生物等现象提供诸多数学模型，同时为研究这类现象提供了数学手段。本课程为统计学专业的专业课程，通过本课程的学习，掌握随机过程的基本概念、基本理论、内容和基本方法，了解随机过程的重要应用，为后继课程学习提供知识准备，另一方面，随机过程的发展也是人们认识客观世界的一个重要组成部分，它有助于学生辩证唯物主义世界观的培养。 （二）知识、能力及技能方面的基本要求 1.基本知识：通过本科程的学习，使学生掌握，要求学生掌握随机过程的基本概念、二阶矩过程的均方微积分、马尔可夫过程的基本理论、平稳过程的基本理论、鞅和鞅表示、维纳过程、Ito定理、随机微分方程等理论和方法。 2.基本能力：通过本课程的学习，使学生能较深刻地理解随机过程的基本理论、思想和方法，并能应用其解决实践中遇到的随机问题，从而提高学生的数学素质，加强学生开展科研工作和解决实际问题的能力。 3.基本技能：掌握建立随机数学模型、分析和解决问题方面的技能，为进一步自学有关专业应用理论课程作好准备。 （三）实施说明 本大纲是根据沈阳理工大学关于制订本科教学大纲的原则意见专门制订的。在制订过 程中参考了其他学校相关专业应用随机过程教学大纲。 本课程思维方式独特，还需要学生有较高的微积分基础，教学中应注意概率意义的解 释和学生基础情况的把握，处理好抽象与具体，偶然与必然、一维与多维，理论与实践的关系。本课程内容分概率论与数理统计两部分，在教学中应充分注意两者之间的联系，重视基本概念，讲清统计思想。 （四）对先修课的要求 本课的先修课程：数学分析，高等代数，概率论。 （五）对习题课的要求 由于本课程内容多学时少，习题课在大纲中未作安排，建议教师授课过程中灵活掌 握；对于学生作业中存在的问题，建议通过课前和课后答疑解决。通过习题课归纳总结章节知识解决重点难点内容。 （六）课程考核方式 1.考核方式：考试 2.考核目标：在考核学生基本知识、基本原理和方法的基础上，重点考核学生解决实际问题的能力。 3.成绩构成：本课程的总成绩主要由两部分组成：平时成绩20-30％；期末成绩70-80％; 平时成绩构成：出勤，测验，作业。其中测验为开卷，随堂测验。
随机过程习题答案A
随机过程习题解答（一） 第一讲作业： 1、设随机向量的两个分量相互独立，且均服从标准正态分布。 （a）分别写出随机变量和的分布密度 （b）试问：与是否独立？说明理由。 解：（a） （b）由于： 因此是服从正态分布的二维随机向量，其协方差矩阵为： 因此与独立。 2、设和为独立的随机变量，期望和方差分别为和。 （a）试求和的相关系数； （b）与能否不相关？能否有严格线性函数关系？若能，试分别写出条件。 解：（a）利用的独立性，由计算有： （b）当的时候，和线性相关，即 3、设是一个实的均值为零，二阶矩存在的随机过程，其相关函数为 ，且是一个周期为T的函数，即，试求方差 函数。 解：由定义，有： 4、考察两个谐波随机信号和，其中：
式中和为正的常数；是内均匀分布的随机变量，是标准正态分布的随机变量。 （a）求的均值、方差和相关函数； （b）若与独立，求与Y的互相关函数。 解：（a） （b） 第二讲作业： P33/2．解： 其中为整数，为脉宽 从而有一维分布密度： P33/3．解：由周期性及三角关系，有： 反函数，因此有一维分布： P35/4. 解：(1) 其中 由题意可知，的联合概率密度为：
利用变换：，及雅克比行列式： 我们有的联合分布密度为： 因此有： 且V和相互独立独立。 （2）典型样本函数是一条正弦曲线。 （3）给定一时刻，由于独立、服从正态分布，因此也服从正态分布，且 所以。 （4）由于： 所以因此 当时， 当时， 由（1）中的结论，有： P36/7．证明： (1) (2) 由协方差函数的定义，有：
P37/10. 解：（1） 当i =j 时；否则 令 ，则有 第三讲作业： P111/7．解： （1）是齐次马氏链。经过次交换后，甲袋中白球数仅仅与次交换后的状态有关，和之前的状态和交换次数无关。 （2）由题意，我们有一步转移矩阵： P111/8．解：（1）由马氏链的马氏性，我们有： （2）由齐次马氏链的性质，有： （2）
清华大学航天航空学院本科生培养方案
航天航空学院 本科培养方案 一、培养目标 根据清华大学“加强通识教育基础上的宽口径专业教育，培养厚基础，宽口径复合型人才”的方针，航天航空学院毕业的本科生将具有工程力学、动力工程及工程热物理、航空宇航科学与技术领域的理论基础，基本掌握所学领域的专门知识；具有工程综合能力、创新意识、团队精神和社会责任感；具有较强的口头和书面交流能力；具有继续进行科学研究和探索的能力；了解所学技术领域的有关管理、政策和环境等知识；了解社会发展的历史、文化、哲学和艺术等。 二、学制与学位授予 本科学制四年，按照学分制管理机制，实行弹性学习年限。 授予学位：工学学士学位。 三、基本学分学时 培养方案总学分：174学分，包括春、秋季学期课程总学分142（选修数理基础科学班数学需147学分），夏季学期实践教学环节15+2？学分，综合论文训练15学分。 四、课程设置与学分分布 1．人文社会科学基础课 35学分 (1) 思想政治理论课4门14学分 10610183 思想道德修养与法律基础3学分(秋) 10610193 中国近现代史纲要3学分(春) 10610204 马克思主义基本原理4学分(秋) 10610214 毛泽东思想、邓小平理论和“三个代表”重要思想概论4学分(春) (2) 体育4学分 第1-4学期的体育(1)-(4)为必修，每学期1学分；第5-8学期的体育专项不设学分，其中第5-7学期为限选，第8学期为任选。体育课学分不够或不通过者不能本科毕业及获得学士学位。 (3) 外语4学分 大学英语教学实行目标管理和过程管理相结合的方式。学生入学后建议选修并通过4－6学分的英语课程后再参加《清华大学英语水平I》的考试。本科毕业及获得学士学位必须通过英语水平I考试。学生可选修外语系开设的不同层次的外语课程，以提高外语水平与应用能力。 日语、德语、法语、俄语等小语种外语课程的选课要求详见《学生手册》(2006)。 (4) 文化素质课13学分 本科培养方案设置文化素质课程八个课组：1. 历史与文化、2. 语言与文学、3. 哲学与人生、4. 科技与社会、5. 当代中国与世界、6. 艺术与审美、7. 法学、经济与管理、8.科学与技术。要求在以上八个课组中选修若干门课程，修满13学分，其中必须包含2门文化素质核心课程。 2．自然科学基础课程 37学分（35-40） (1) 数学课7门≥20学分
随机过程作业(全部)
作业1（随机过程的基本概念） 1、对于给定的随机过程{(),}X t t T ∈及实数x ，定义随机过程 1,()()0,()X t x Y t X t x ≤?=? >?，t T ∈ 请将{(),}Y t t T ∈的均值函数和相关函数用{(),}X t t T ∈的一维和二维分布函数表示。 2、设(),Z t X Yt t R =+?∈，其中随机变量X ，Y 相互独立且都服从2(0,)N σ，证明 {(),}Z t t R ?∈是正态过程，并求其相关函数。 3、设{(),0}W t t ≥是参数为2 σ的Wiener 过程，求下列过程的协方差函数： （1）{(),0}W t At t +≥，其中A 为常数； （2）{(),0}W t Xt t +≥，其中(0,1)X N ，且与{(),0}W t t ≥相互独立； （3）2{(),0}t aW t a ≥，其中a 为正常数； （4）1 {(),0}tW t t ≥ 作业2（泊松过程） 1、设{(),0}N t t ≥是强度为λ的Poisson 过程，令()()()Y t N t L N t =+-，其中L>0为常数，求{(),0}Y t t ≥的一维分布，均值函数和相关函数。 2、设{(),0}N t t ≥是强度为λ的Poisson 过程，证明对于任意的0s t ≤<， (()|())()(1),0,1,,k k n k n s s P N s k N t n C k n t t -===-= 作业3 （更新过程） 1 设{(t),0}N t ≥是更新过程，更新间距,1,2,i X i = 服从参数为λ的指数分布，则 (t),0N t ≥是服从参数为λ的Poisson 分布。 2 某收音机使用一节电池供电，当电池失效时，立即换一节同型号新电池。如果电池的寿命服从30小时到60小时的均匀分布，问长时间工作情况下该收音机更换电池的速率是多少？ 若没有备用电池，当收音机失效时，立即在市场上采购同型号电池，获得新电池的时间服从0小时到1小时的均匀分布，求在长时间工作的情况下，更换电池的速率。
2020清华大学航天航空学院考研大纲目录参考书考研经验考研难度解析-盛世清北
2020清华大学航天航空学院考研大纲目录参考书考研经验考研难度 解析-盛世清北 考研的时间短暂，会不会觉得怎么都不够用呢？考研的条款较多，会不会担心自己不符合报考条件？考研的科目较多，会不会复习错了科目等等一些列的问题，都是考研常见的。为了避免大家备考中出现问题，盛世清北老师总结了清华大学航天航空学院考研难度解析，关于招生目录，分数线，参考书，复试及备考经验等等问题以供参考！ 一、招生目录 对比2020年清华大学招生目录，清华航天航空学院考研招生目录发生了如下重大变化： 1、085232航空工程专业学位与085233航天工程专业学位取消； 2、080100力学专业2019年的4个研究方向取消，增加05方向力学；复试内容弹性力学及流体力学为2019年02及03方向结合； 3、080700动力工程与工程热物理专业复试科目取消了流体力学； 4、082500航空宇航科学与技术专业2019年的3个研究方向取消，增加04航空宇航科学与
技术方向，考试科目为960理论力学，复试科目材料力学。 5、新增085500机械专业学位，01航空工程方向，考试科目960理论力学，复试科目根据研究方向不同有所不同。 盛世清北老师解析： 清华航天航空学院2020年招生目录变化巨大，取消了2个专业，新增了1个专业，各个专业的研究方向也都发生了变化，一些考试科目发生了变化，例如960理论力学，需要重新查找考试大纲，参考书及历年真题，对于报考机械专业学位和航空宇航科学与技术专业的考生来说，难度会相对较大，报考的时间，建议衡量自己综合能力。 二、关于复试分数线 复试分数线，总分为310分，单科分数线分别为50，50，80，80 强军计划分数线，总分254，单科分数线35，30，52，52 士兵计划分数线，总分305，单科分数线50，50，80，80 2018年分数线 报考航天航空学院硕士研究生的考生，总分及单科达到以下分数线的可以参加相应的复试：1. 工学硕士（力学、动力工程及工程热物理、航空宇航科学与技术）: 政治50，外语50，业务课一80，业务课二80；总分：315。 2. 工程硕士（航空工程）：政治50，外语50，业务课一80，业务课二80；总分：315。 3. 强军计划（动力工程及工程热物理、航空宇航科学与技术）：政治50，外语50，业务课一80，业务课二80；总分：315。 盛世清北老师解析：
应用随机过程教学大纲
《应用随机过程A》课程教学大纲 课程编号： L335001 课程类别：专业限选课适用专业：统计学专业 学分数：3学分学时数： 48学时 应修（先修）课程：数学分析、概率统计、微分方程、高等代数 一、本课程的地位和作用 应用随机过程是数学与应用数学专业的专业限选课程，是统计学专业的专业课程之一。随机过程是研究客观世界中随机演变过程规律性的学科，随机过程的研究对象为随时间变化的随机现象，即随时间不断变化的随机变量，通常被视为概率论的动态部分。随着科学技术的发展，它已广泛地应用于通信、控制、生物、地质、经济、管理、能源、气象等许多领域，国内外许多高等工科院校在研究生中设此课程，大量工程技术人员对随机分析的方法也越来越重视。通过本课程的学习，使学生初步具备应用随机过程的理论和方法来分析问题和解决问题的能力。 二、本课程的教学目标 使学生掌握随机过程的基本知识，通过系统学习，学生的概率理论数学模型解决随机问题的能力得到更加进一步的提高，特别在经济应用上，通过本课程的学习，可以让数学专业的学生很方便地转向在金融管理、电子通讯等应用领域的研究。 三、课程内容和基本要求 ?”记号标记既（用“*”记号标记难点内容，用“?”记号标记重点内容，用“* 是重点又是难点的内容。） 第一章预备知识 1．教学基本要求 （1）掌握概率空间, 随机变量和分布函数, 矩母函数和特征函数的概念和相关性质。 （2）掌握条件概率, 条件期望和独立性的概念和相关性质。 （3）了解概率中收敛性的概念和相互关系。 2．教学内容 （1）概率空间 （2）▽随机变量和分布函数
（3）▽*数字特征、矩母函数和特征函数 （4）▽*条件概率、条件期望和独立性 （5）收敛性 第二章随机过程的基本概念和类型 1．教学基本要求 （1）掌握随机过程的定义。 （2）了解有限维分布族和Kolmogorov定理。 （3）掌握独立增量过程和独立平稳增量过程概念。 2．教学内容 （1）基本概念 （2）▽*有限维分布和Kolmogorov定理 （3）▽随机过程的基本类型 第三章 Poisson过程 1．教学基本要求 （1）了解计数过程的概念。 （2）掌握泊松过程两种定义的等价性。 （3）掌握泊松过程的到达时刻的分布、等待时间的分布和来到时刻的条件分布。（4）了解泊松过程的推广。 2．教学内容 （1）▽ Poisson过程 （2）▽* 与Poisson过程相联系的若干分布 （3）* Poisson过程推广 第四章更新过程 1．教学基本要求 （1）掌握更新过程的定义和基本性质。 （2）掌握更新函数、更新方程。 （3）了解更新定理及其应用，更新过程的若干推广。 （4）了解更新过程的若干推广。 2．教学内容
随机过程作业
南昌航空大学硕士研究生2009 / 2010学年第一学期考试卷 1. 求随机相位正弦波()cos()X t a t ωθ=+，(,)t ∈-∞+∞，的均值函数，方差函数和自相关函数。其中θ是在（-л，л）内均匀分布的随机变量 2.()X t 是泊松过程，求出泊松过程的均值函数(),X m t 方差函数()X D t ，相关函数(,)X R s t 协方差函数(,)X B s t . 3.设顾客到达商场的速率为2人/分钟，求: (i)在10分钟内顾客达到数的均值； (ii) 在10分钟内顾客达到数的方差； (iii)在10分钟内至少一个顾客达到的概率； (iv)在10分钟内到达顾客不超过3人的概率。(12分)
4.利用重复抛掷硬币的实验定义一个随机过程cos ,(){ 2,, t X t t π=出现正面，出现正面， (,)t ∈-∞+∞ 求:(i)()X t 的一维分布函数1(,),(,1);2F x F x (ii)()X t 的二维分布函数121(,,1);2F x x (iii)()X t 的均值函数(),(1),X X m t m 方差函数(),(1)X X D t D .(16分) 5.设移民到某地区的居民户数是一泊松过程，平均每周有2户定居，如果每户的人口数是随机变量，一户4口人的概率是1/6,一户3口人的概率是1/3,一户2口人的概率是1/3,一户1口人的概率是1/6,并且
每户的人口数是相互独立的，求2周内移民到该地区的人口数的期望和方 6.设{,1}n X n ≥为有限齐次马尔可夫链，其初始分布和概率转移矩阵为 01 {},1,2,3,4.4 i p P X i i ==== 11114444111144441111444411114444?? ? ? ? ? ? ? ? ? ??? , 求(i)201{4|1,14}P X X X ==<<,(ii) 21{4|14}P X X =<<(12分) 7.设明天是否有雨仅与今天的天气有关，而与过去的天气无关。又设今天下雨明天也下雨的概率为0.7,今天无雨明天有雨的概率为0.4，规定有雨的天气状态为0，无雨的天气状态为1.求周一下雨周四也下雨的概率。 8.设{1,2,3,4}I =，其一步转移概率矩阵为:
清华大学发展史
清华大学发展史 清华大学（Tsinghua University）是中国著名高等学府，坐落于北京西北郊风景秀丽的清华园,是中国高层次人才培养和科学技术研究的重要基地。 清华大学的前身是清华学堂，成立于1911年，当初是清政府建立的留美预备学校。1912 年更名为清华学校，为尝试人才的本地培养，1925 年设立大学部，同年开办国学研究院，1928年更名为“国立清华大学”。1937年抗日战争爆发后，南迁长沙，与北京大学、南开大学联合办学，组建国立长沙临时大学，1938年迁至昆明，改名为国立西南联合大学。1946年，清华大学迁回清华园原址复校。 1952年，全国高校院系调整后，清华大学成为一所多科性工业大学，重点为国家培养工程技术人才，被誉为“红色工程师的摇篮”。1978年以来，清华大学进入了一个蓬勃发展的新时期，逐步恢复了理科、经济、管理和文科类学科，并成立了研究生院和继续教育学院。1999 年，原中央工艺美术学院并入，成立清华大学美术学院。在国家和教育部的大力支持下，经过“211工程”建设和“985工程”的实施，清华大学在学科建设、人才培养、师资队伍、科学研究、国际合作、社会服务以及整体办学条件等方面均跃上了一个新的台阶。目前，清华大学设有16个学院，56个系，已成为一所具有理学、工学、文学、艺术学、历史学、哲学、经济学、管理学、法学、教育学和医学等学科的综合性、研究型、开放式大学。 清芬挺秀，华夏增辉。今天的清华大学面临前所未有的历史机遇，清华人将秉持“自强不息、厚德载物”的校训，发扬“爱国奉献，追求卓越”的优良传统、“行胜于言”的校风以及“严谨、勤奋、求实、创新”的学风，为使清华大学跻身世界一流大学行列，为中华民族的伟大复兴而努力奋斗。 1911年清华学堂成立 1912年更名为清华学校 1925年设立大学部
随机过程第一次大作业(THU)
基于主成分分析的人脸识别 目录 基于主成分分析的人脸识别 (1) 1 引言 (2) 1.1 PCA简介 (2) 一、主成分的一般定义 (3) 二、主成分的性质 (3) 三、主成分的数目的选取 (4) 1.2 人脸识别概述 (4) 2 基本理论及方法 (5) 3 人脸识别的具体实现 (6) 3.1 读入图像数据库 (6) 3.2 计算特征空间 (7) 3.3 人脸识别 (9) 4 对实验算法的综合评价 (11) 5 结论 (11) 6、参考文献 (11) 7、附录 (12) 1、代码说明： (12) 2、实验感想 (12) 摘要：本文利用基于主成分分析(Principal ComponentAnalysis，PCA)进行人脸识别。该过程主要分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。本方法具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。 关键词：人脸识别；PCA；识别方式
1 引言 PCA 是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合，根据矩阵的行数与列数的区别于差异，PCA 又可以划分为D —PCA （Distributed PCA [1]和C —PCA （Collective PCA ）[2]。 1.1 PCA 简介 PCA 方法，也被叫做特征脸方法(eigenfaces)，是一种基于整幅人脸图像的识别算法，被广泛用于降维，在人脸识别领域也表现突出。一个N ×N 的二维脸部图片可以看成是N 的一个一维向量，一张112×92的图片可以看成是一个10，304维的向量，同时也可以看成是一个10，304维空间中一点。图片映射到这个巨大的空间后，由于人脸的构造相对来说比较接近，因此，可以用一个相应的低维子空间来表示。我们把这个子空间叫做“脸空间”。PCA 的主要思想就是找到能够最好地说明图片在图片空间中的分布情况的那些向量。这些向量能够定义“脸空间”，每个向量的长度为N ，描述一张N ×N 的图片，并且是原始脸部图片的一个线性组合。对于一副M*N 的人脸图像，将其每列相连构成一个大小为D=M*N 维的列向量。D 就是人脸图像的维数，也即是图像空间的维数。设n 是训练样本的数目；X j 表示第j 幅人脸图像形成的人脸向量，则所需样本的协方差矩阵为： S r =1()()N T j i j x u x u =--∑ (1) 其中u 为训练样本的平均图像向量： u =1 1n j j x n =∑(2) 令A=[x 1-u x 2-u ……x n -u],则有S r =AA T ,其维数为D*D 。
第三章随机过程作业
第三章随机过程作业 1.设A、B是独立同分布的随机变量，求随机过程的 均值函数、自相关函数和协方差函数。 2.设是独立增量过程，且，方差函数为。记随机过程 ，、为常数，。 （1）证明是独立增量随机过程； （2）求的方差函数和协方差函数。 3.设随机过程，其中是相互独立的随机变量且均值为 0、方差为1，求的协方差函数。 4.设U是随机变量，随机过程. (1) 是严平稳过程吗为什么 (2) 如果，证明：的自相关函数是常数。 5.设随机过程,其中U与V独立同分布 。 (1) 是平稳过程吗为什么 (2) 是严平稳过程吗为什么 6.设随机变量的分布密度为, 令, 试求的一维概率分布密度及。
7.若从t = 0开始每隔1/2分钟查阅某手机所接收的短信息 , 令 试求：的一维分布函数 8.设随机过程, 其中是相互独立的随 机变量 , 且, 试求的均值与协方差函数 . 9.设其中为常数 , 随机变量 , 令 , 试求 :和 。 10.设有随机过程，并设x是一实数，定义另一个随机过程 试证的均值和自相关函数分别为随机过程的一维和二维分布函数。11.设有随机过程,，其中为均匀分布 于间的随机变量，即试证： （1）自相关函数 （2）协相关函数 12.质点在直线上作随机游动，即在时质点可以在轴上往右或往左作 一个单位距离的随机游动。若往右移动一个单位距离的概率为，往左移动一个单位距离的概率为，即
，且各次游动是相互统计独立的。经过n 次游动，质点所处的位置为。 （1）的均值； （2）求的相关函数和自协方差函数和。 13.设，其中服从上的均匀分布。试证 : 是宽平稳序列。 14.设其中服从上的均匀分布. 试 证 :既不是宽平稳也不是严平稳过程 . 15.设随机过程和都不是平稳的，且 其中和是均值为零的相互独立的平稳过程，它们有相同的相关函数，求证 是平稳过程。 16.设是均值为零的平稳随机过程。试 证 : 仍是一平稳随机过程 , 其中为复常数，为整数。 17.若平稳过程满足条件，则称是周 期为的平稳过程。试证是周期为的平稳过程的充分必要条件是其自相关函数必为周期等于的周期函数。
2018年清华大学航天航空学院航空宇航科学与技术考研科目、参考书目、复习经验-新祥旭考研辅导学校
2018年清华大学航天航空学院航空宇航科学与技术考研科目、参考书目、复习经验考试科目： 参考书目： 835理论力学及自动控制原理 《理论力学》清华大学出版社李俊峰 《自动控制原理》清华大学出版社吴麒 876热力学 《工程热力学》清华大学出版社朱明善 《工程热力学》高教出版社沈维道 《传热学》高等教育出版社第三版杨世铭陶文铨 《传热学》建筑工业出版社第三版章熙民等 875电工电子学和微机原理 《电工学》（上、下册）高等教育出版社秦曾煌 《计算机硬件技术基础》第二版清华大学出版社张菊鹏 828信号与系统 《信号与系统》上册下册高教出版社 2000年第二版郑君里等 《信号与系统引论》高教出版社 2009年3月第一版郑君里等 学习经验分享 一、参考书的阅读方法
（1）目录法：先通读各本参考书的目录，对于知识体系有着初步了解，了解书的内在逻辑结构，然后再去深入研读书的内容。 （2）体系法：为自己所学的知识建立起框架，否则知识内容浩繁，容易遗忘，最好能够闭上眼睛的时候，眼前出现完整的知识体系。 （3）问题法：将自己所学的知识总结成问题写出来，每章的主标题和副标题都是很好的出题素材。尽可能把所有的知识要点都能够整理成问题。 二、学习笔记的整理方法 （1）第一遍学习教材的时候，做笔记主要是归纳主要内容，最好可以整理出知识框架记到笔记本上，同时记下重要知识点，如假设条件，公式，结论，缺陷等。记笔记的过程可以强迫自己对所学内容进行整理，并用自己的语言表达出来，有效地加深印象。第一遍学习记笔记的工作量较大可能影响复习进度，但是切记第一遍学习要夯实基础，不能一味地追求速度。第一遍要以稳、细为主，而记笔记能够帮助考生有效地达到以上两个要求。并且在后期逐步脱离教材以后，笔记是一个很方便携带的知识宝典，可以方便随时查阅相关的知识点。 （2）第一遍的学习笔记和书本知识比较相近，且以基本知识点为主。第二遍学习的时候可以结合第一遍的笔记查漏补缺，记下自己生疏的或者是任何觉得重要的知识点。再到后期做题的时候注意记下典型题目和错题。 （3）做笔记要注意分类和编排，便于查询。可以在不同的阶段使用大小合适的不同的笔记本。也可以使用统一的笔记本但是要注意各项内容不要混杂在以前，不利于以后的查阅。同时注意编好页码等序号。另外注意每隔一定时间对于在此期间自己所做的笔记进行相应的复印备份，以防原件丢失。统一的参考书书店可以买到，但是笔记是独一无二的，笔记是整个复习过程的心血所得，一定要好好保管。
应用随机过程——马尔可夫过程的应用
应用随机过程——马尔可夫过程的应用 李文雯，黄静冉，李鑫，苏建武 （国防科学技术大学电子科学与工程学院，湖南，长沙，410072） 摘要：现实生活中，语音处理、人脸识别以及股市走势预测等实际问题都具有马尔可夫性，即未来的走势 和演变仅仅与当前的状态有关而不受过去状态的影响。本文运用这一性质建立了以上三个问题的马尔可夫 链模型并做出了相应分析。 Abstract: In practical, phonetic processing, face recognition and the prediction of trend in stock market all have the MarKov property, that is, the evolvement and trend in the future are just in relationship with present state but not influenced by the past. In this article, we use the property setting up MarKov chain models of the three problems mentioned above and make some corresponding analysis. 关键词：马尔可夫过程语音处理人脸识别股市走势预测 Keyword: MarKov Process Phonetic processing Face recognition Prediction of trend in stock market 一、引言 马尔科夫过程(MarKov Process)是一个典型的随机过程。设X(t)是一随机过程，当过程 在时刻t0所处的状态为已知时，时刻t(t>t0)所处的状态与过程在t0时刻之前的状态无关， 这个特性成为无后效性。无后效的随机过程称为马尔科夫过程。我们称时间离散、状态离散 的马尔科夫过程为马尔科夫链。马尔科夫链中，各个时刻的状态的转变由一个状态转移的概 率矩阵控制。我们将采用马尔可夫链建模的方法，就马尔可夫模型在语音处理、人脸识别以 及股市走势预测等几个方面的应用进行探讨。 二、马尔可夫过程的应用举例 1、股票市场走势预测 对一支股票来说，令x(n)表示该股票在第n天的收盘价，x(n)是一个随机变量，(x(n)， n≥0)是一个参数离散的随机过程。假设股票价格具有无后效性与时问齐次性，这样一来我 们就可以用马尔可夫过程的研究方法预测未来某交易日收盘价格落在每个区间的概率。 以某股份18个收盘交易日的收盘价格为资料 序号 1 2 3 4 5 6 7 8 9 收盘价12.99 13.15 13.78 13.83 12.54 13 13.2 12.96 12.6 序号10 11 12 13 14 15 16 17 18 收盘价13.7 13.58 13.58 13.58 13.49 13.7 14.03 13.77 13.82 这组数据中的最大值为14.03，最小值为12.54，因此可以将这个取值范围划分为 [12.54,12.9125],[12.9125,13.285],[13.285,13.6575],[13.6575,14.03]。故将观测数据划分如下： 价格状态 A B C D 价格区间 [12.54,12.9125] [12.9125,13.285][13.285,13.6575][13.6575,14.03] 频数 2 5 4 7 根据以上的状态划分，可以对状态转移的情况进行统计如下：
随机过程2016作业及答案3
1.Players A and B take turns in answering trivia questions, starting with player A answering the ?rst question. Each time A answers a question, she has probability p 1 of getting it right. Each time B plays, he has probability p 2 of getting it right. (a)If A answers m questions, what is the PMF of the number of questions she gets right? The r.v.is Bin(m,p 1),so the PMF is m k p k 1(1 p 1)m k for k 2{0,1,...,m }.(b)If A answers m times and B answers n times,what is the PMF of the total number of questions they get right (you can leave your answer as a sum)?Describe exactly when/whether this is a Binomial distribution. Let T be the total number of questions they get right.To get a total of k questions right,it must be that A got 0and B got k ,or A got 1and B got k 1,etc.These are disjoint events so the PMF is P (T =k )=k X j =0?m j ◆p j 1(1 p 1)m j ?n k j ◆p k j 2(1 p 2)n (k j )for k 2{0,1,...,m +n },with the usual convention that n k is 0for k >n . This is the Bin(m +n,p )distribution if p 1=p 2=p ,as shown in class (using the story for the Binomial,or using Vandermonde’s identity).For p 1=p 2,it’s not a Binomial distribution,since the trials have di ?erent probabilities of success;having some trials with one probability of success and other trials with another probability of success isn’t equivalent to having trials with some “e ?ective”probability of success.(c)Suppose that the ?rst player to answer correctly wins the game (with no prede-termined maximum number of questions that can be asked).Find the probability that A wins the game. Let r =P (A wins).Conditioning on the results of the ?rst question for each player,we have r =p 1+(1 p 1)p 2·0+(1 p 1)(1 p 2)r, which gives r =p 11 (1 p 1)(1 p 2)=p 1p 1+p 2 p 1p 2 .1 SI 241 Probability & Stochastic Processes, Fall 2016 Homework 3 Solutions 随机过程2016 作业及答案