應(yīng)用隨機(jī)過程

第一章 概論與例
1.1 什么是隨機(jī)過程？
1.2 隨機(jī)過程是的分布與坐標(biāo)過程
1.3 簡單對稱隨機(jī)徘徊及其坐標(biāo)過程
1.4 附錄
1.5 小結(jié)
習(xí)題
第二章 隨機(jī)徘徊與布朗運(yùn)動
2.1 簡單隨機(jī)徘徊的分布與首次返回（或離開）時間
2.2 Brown運(yùn)動
2.3 不變原理與Brown運(yùn)動的性質(zhì)
2.4 應(yīng)用——自由連接高分子鏈的構(gòu)象分析
2.5 基本理新定理
2.6 附錄
習(xí)題
第三章 離散時間參數(shù)Markov鏈（馬氏鏈）
　3.1 Markov鏈的概念與轉(zhuǎn)移陣
3.2 常返與非常返
3.3 馬氏鏈的轉(zhuǎn)移概率的極限與不變分布
3.4 停時、強(qiáng)馬氏性與馬氏鏈的強(qiáng)大數(shù)律
3.5 禁忌概率、首出時、首中時與首中分布
3.6 應(yīng)用例題
3.7 附錄
習(xí)題
第四章 馬氏鏈的應(yīng)用與特例
4.1 Galton-Watson(GW)簡單分支過程
4.2 優(yōu)化的模擬退火方法
4.3 人口結(jié)構(gòu)變化的馬氏鏈模型
4.4 統(tǒng)計力學(xué)中的幾個常見馬氏鏈模型
4.5 隱Markov模型
4.6 隨機(jī)決策模型
習(xí)題
第五章 Q-過程及其應(yīng)用
5.1 Poisson過程
5.2 Q-過程與轉(zhuǎn)移速率陣
5.3 幾個重要的Q過程模型
5.4 Q-過程的極限行為
5.5 對稱Q-過程
5.6 附錄
習(xí)題
第六章 隨機(jī)迭代映射與離散時間連續(xù)狀態(tài)的馬氏鏈
第七章 平稱序列、保測映射與遍歷論初步
第八章 Gauss過程與二階矩方法
第九章 Markov過程與隨機(jī)微分方程
索引
參考文獻(xiàn) 【媒體評論】