- •1. Классическое и геометрическое определение вероятности, элементы комбинаторики
- •2. Аксематическое определение вероятности. Свойства вероятности.
- •3. Формула полной вероятности. Формула Байеса.
- •4. Схема независимых испытаний Бернулли. Предельная теорема Пуассона.
- •5. Классификация случайных величин.
- •2) Непрерывные случайные величины.
- •6. Математическое ожидание и его свойства.
- •7. Дисперсия и ее свойства.
- •Свойства дисперсии:
- •8. Характеристические функции и их свойства.
- •Свойства характеристической функции :
- •Способы описания св:
- •9.Теорема об обращении характеристической функции.
- •1 1. Виды сходимости случайных последовательностей.
- •13.Критерий сходимости в среднем квадратичном.
- •15. Усиленный закон больших чисел.
- •16. Центральная предельная теорема.
- •10.Производящие функции и их свойства.
- •17. Определение случайного процесса.
- •19. Статистические средние характеристики случайных процессов.
- •20. Сходимость в среднем квадратичном для случайных процессов.
- •21. Непрерывность случайных процессов.
- •22. Дифференцируемость случайных процессов.
- •23. Интегрирование случайных процессов.
- •24. Стохастические обыкновенные дифференциальные уравнения.
- •25. Процессы с независимыми приращениями.
- •26. Гауссовский случайный процесс.
- •27. Винеровский случайный процесс.
- •28. Марковские случайные процессы и цепи маркова определения.
- •29. Однородные цепи Маркова.
- •32. Уравнения Чепмена-Колмогорова.
- •33. Нахождение вероятностей переходов с помощью производящих функций.
- •34. Классификация состояний цепи Маркова по арифметическим свойствам вероятностей перехода
- •35. Свойство периода состояния.
- •36. Классификация состояний по асимптотическим свойствам переходных вероятностей
- •37. Критерий возвратности состояний.
- •38.Эргодические цепи Маркова
- •40. О средних временах переходов между состояниями
- •41. Стационарные цепи Маркова
- •42. Оптимальные стратегии в марковских цепях
- •43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
- •44. Процесс гибели и размножения
- •49. Обобщенное уравнение Маркова
- •50.Диффузионные процессы
- •51. Обратное уравнение Колмогорова
- •45. Марковские системы массового обслуживания.
- •Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
- •46. Система обслуживания м / м / 1
- •47.Система м / м / n / 0
- •48. Система обслуживания м / м / n
- •52.Прямое уравнение Колмогорова для диффузных процессов
- •53. Стохастический интеграл Ито
- •54. Стохастический интеграл в форме Стратоновича
- •55. Стохастические дифференциальные уравнения
- •39. Закон больших чисел для цепей Маркова с конечным числом состояний.
- •57. Стационарность гауссовского случ.Процесса.
- •58. Теорема Бохнера., спектральная плотность случ.Процесса.
- •60. Мартингалы.
- •18. Пуассоновский случ.Процесс
- •Классическое и геометрическое определение вероятности, элементы комбинаторики
54. Стохастический интеграл в форме Стратоновича
Пусть имеем разбиение интервала интегрирования точками а = t1 < t2 < …< tn-1 = b. Рассмотрим интегральную сумму
Если при существует предел в среднем квадратичном, то он называется стохастическим интегралом Стратоновича, или симметризованным стохастическим интегралом и обозначается (lim через точки)
.
Рассмотрим связь интегралов в форме Ито и в форме Стратоновича. Предположим, что функция диффиренцируема по первому аргументу. Используя разложение в ряд Тейлора в окрестности точки (ti), имеем:
Подставляя это разложение в сумму (1) и переходя к пределу при , получаем (lim через точки)
55. Стохастические дифференциальные уравнения
Многие реальные объекты описываются дифференциальными уравнениями вида
(1)
или в форме дифференциалов (2)
Если - винеровский случайный процесс, то дифференциальное уравнение называется стохастическим. Стохастические дифференциальные уравнения принято обычно писать в форме дифференциалов, поскольку винеровский процесс является недифференцируемым.
Решение уравнений (1) и (2) определяется интегральным равенством
(3)
где первый интеграл является стохастическим в среднеквадратичном смысле, второй интеграл является стохастическим в форме Ито или в форме Стратоновича, X(t0) – значение процесса X(t) в начальный момент времени. Уравнение (3) называется стохастическим уравнением Ито.
Справедливо следующее утверждение.
Теорема. Пусть – непрерывные по t функции и существует константа L, такая, что
Тогда существует «единственное» решение уравнения (3) в том смысле, что
где Х1(t), Х2(t) некоторые решения уравнения (3).
Пусть а . Тогда решение уравнения (3), имеет вид
(4)
Отсюда следует, что среднее значение данного решения можно записать в виде
Покажем, что процесс Х(t), определяемый уравнением (3), является марковским. Действительно, распределение вероятностей Х(t) при t t0 при заданном значении Х(t0) зависит лишь от Х(t0) и не зависит от прошлых значений Х(s), s < t0, как видно из (3). А это является основным свойством марковского процесса. Поэтому процесс Х(t) полностью описывается коэффициентами сноса и диффузии. Пусть (t) – винеровский процесс с нулевым средним и единичным коэффициентом диффузии, второй интеграл в (3) будем понимать в форме Ито. Тогда
+ откуда после усреднения имеем т. е. а является коэффициентом сноса процесса Х(t). Найдем коэффициент диффузии. Используя (4), получаем
Отсюда, после усреднения будем иметь
таким образом, коэффициент диффузии процесса Х(t) равен
Знание коэффициентов сноса и диффузии позволяет записать уравнение Колмогорова – Фоккера – Планка для переходной плотности вероятностей, которая однозначно определяет поведение процесса Х(t). То есть, переходная плотность диффузионного случайного процесса Х(t) удовлетворяет уравнению Колмогорова – Фоккера – планка тогда и только тогда, когда случайный процесс Х(t) является решением стохастического дифференциального уравнения (2), в котором .