應(yīng)用隨機(jī)過(guò)程

第一章 概論與例
1.1 什么是隨機(jī)過(guò)程？
1.2 隨機(jī)過(guò)程是的分布與坐標(biāo)過(guò)程
1.3 簡(jiǎn)單對(duì)稱隨機(jī)徘徊及其坐標(biāo)過(guò)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(dòng)
2.1 簡(jiǎn)單隨機(jī)徘徊的分布與首次返回（或離開(kāi)）時(shí)間
2.2 Brown運(yùn)動(dòng)
2.3 不變?cè)砼cBrown運(yùn)動(dòng)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(shí)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(shí)、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(shí)、首中時(shí)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(jiǎn)單分支過(guò)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(jì)力學(xué)中的幾個(gè)常見(jiàn)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(guò)程及其應(yīng)用
5.1 Poisson過(guò)程
5.2 Q-過(guò)程與轉(zhuǎn)移速率陣
5.3 幾個(gè)重要的Q過(guò)程模型
5.4 Q-過(guò)程的極限行為
5.5 對(duì)稱Q-過(guò)程
5.6 附錄
習(xí)題
第六章 隨機(jī)迭代映射與離散時(shí)間連續(xù)狀態(tài)的馬氏鏈
第七章 平稱序列、保測(cè)映射與遍歷論初步
第八章 Gauss過(guò)程與二階矩方法
第九章 Markov過(guò)程與隨機(jī)微分方程
索引
參考文獻(xiàn) 【媒體評(píng)論】