> For the complete documentation index, see [llms.txt](https://advancedguideforsds.gitbook.io/advancedguide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://advancedguideforsds.gitbook.io/advancedguide/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/sui-ji-guo-chengbzhuan-ye-ji-chu.md).

# 随机过程B（专业基础）

<figure><img src="/files/tsN582R9WxQIBevFzwSz" alt=""><figcaption><p>课程教材</p></figcaption></figure>

## 课程简介

本课程主要介绍随机过程的基本概念、方法和理论。其中随机过程就是一族随机变量。内容重点为Poisson过程、Markov链和平稳过程。Brown运动只作为大致了解的内容即可。要求掌握这几种最基本的随机过程的有关知识（以样本路径的观点为主）。

## 前置知识涉及的课程

概率论与数理统计、复变函数

## 往年经验

配套教材的书上习题是很好的，有些题目相对较难，平常学习要好好把握体会。

考试内容相对固定，题目难度适中，半开卷。要提前做好A4小抄，可以从评课社区中参考，保证不要因为不记得公式而丢分，多刷刷往年卷可能帮助较大。

这门课删减了很多内容，所以这本教材是足以涵盖教学大纲了，但在有些知识上讲解并不是很全面，推荐学有余力的同学看郑坚坚老师编著的《随机过程》，其中的内容要更加丰富全面一些。

## 与后续课程的联系

在机器学习中，随机过程有广泛的应用，例如“马尔科夫链蒙特卡罗法（Markov Chain Monte Carlo，MCMC）”就需要用到在随机过程中的Markov链的相关知识，该方法是十分重要的统计学习计算方法。

同时在很多机器学习任务都可以建模成马尔科夫过程，例如在NLP自然语言处理的一些应用当中。

## 课程资源

{% embed url="<https://rec.ustc.edu.cn/share/3dc4bb00-be48-11ed-8078-45c1359584ff>" %}

## 目录

<details>

<summary>随机过程教学大纲</summary>

引论

泊松过程

马尔科夫链

平稳过程

</details>