| 第1章 测度论基础与随机过程的基本概念 1.1 测度与可测函数 1.1.1 集合 1.1.2 测度 1.1.3 可测函数 1.1.4 单调类定理 1.1.5 测度的扩张 1.2 可测函数的积分 1.2.1 可积性的定义 1.2.2 可测函数列的收敛性 1.2.3 积分收敛定理 1.2.4 随机变量的期望与特征函数 1.2.5 随机变量的矩及其重要不等式 1.3 乘积空间上的测度论 1.3.1 乘积可测空间 1.3.2 乘积测度与Fubini定理 1.3.3 独立事件类及独立随机变量 1.4 条件数学期望 1.4.1 符号测度 1.4.2 测度分解 1.4.3 Radon—Nikodym定理 1.4.4 条件期望的概念与性质 1.5 随机过程的基本概念 1.5.1 随机过程的概念与举例 1.5.2 随机过程的数字特征及有限维分布函数族 1.5.3 随机过程的分类 习题 第2章 泊松过程及更新过程 2.1 泊松过程的定义 2.2 泊松过程的性质 2.2.1 到达时间间隔与到达时刻的分布 2.2.2 到达时刻的条件分布 2.2.3 剩余寿命分布 2.3 泊松过程的统计分析 2.3.1 随机模拟 2.3.2 假设检验 2.3.3 参数估计 2.4 泊松过程的推广 2.4.1 广义泊松过程 2.4.2 带时倚强度的泊松过程 2.4.3 非齐次泊松过程 2.4.4 条件泊松过程 2.4.5 复合泊松过程 2.5 更新过程 2.5.1 更新过程的定义 2.5.2 更新函数 2.5.3 更新过程的极限性质 2.5.4 更新方程 2.5.5 更新定理 2.5.6 更新过程的推广形式 习题 第3章 Markov过程 3.1 Markov链的定义及转移概率 3.1.1 Markov链的定义 3.1.2 Markov链的转移概率 3.1.3 Markov链的例子 3.2 Markov链的状态分类与判别 3.2.1 刻画状态特征的若干特征量 3.2.2 状态类型的定义 3.2.3 状态类型的判定 3.3 状态之间的关系和状态空间的分解 3.3.1 状态的可达与互通 3.3.2 状态空间的分解 3.4 Markov链的遍历性理论与平稳分布 3.4.1 遍历性定理 3.4.2 Markov链的平稳分布 3.5 连续时间参数的Markov链 3.5.1 定义与例子 3.5.2 转移概率与Kolmogorov方程 3.6 特殊的Markov链 3.6.1 随机游动 …… 第4章 鞅与Brown运动 第5章 随机分析简介 第6章 Bayes统计推断 附录 常用统计分布表 参考文献 |
内容加载中，请稍后...
商品评论（0条）