ĐỀ CƯƠNG HỌC PHẦN

1. QUÁ TRÌNH
NGẪU NHIÊN
1. Tên và mã học phần: Quá trình Ngẫu nhiên (2101682)

2. Số tín chỉ: 2(2,0,4)

Tổng số tín chỉ: 02 Lý thuyết: 02 Thực hành: 00 Tự học: 04

3. Giảng viên phụ trách

TS Nguyễn Chí Kiên

4. Tài liệu học tập

[1] B. Hajek, Random Processes for Engineers. Available at
http://hajek.ece.illinois.edu/ECE534Notes.html

5. Thông tin về học phần

a. Mục tiêu học phần
Khi hoàn thành môn học, người học có khả năng:
- Trang bị cho sinh viên những kiến thức về quá trình ngẫu nhiên và các phương pháp giải
các bài toán trong quá trình ngẫu nhiên.
- Mô hình hoá các quá trình thực tế bằng quá trình ngẫu nhiên
b. Mô tả vắn tắt học phần
Học phần trình bày các khái niệm về xác suất và quá trình ngẫu nhiên. Tính hội tụ của các
chuỗi biến ngẫu nhiên sẽ được sử dụng làm cơ sở để xây dựng giải tích quá trình ngẫu nhiên.
Học phần cũng trình bày các mô hình Markov rời rạc thời gian và liên tục thời gian. Kiến
thức trong học phần này sẽ đóng vai trò quan trọng trong các môn Phân tích chuỗi thời gian,
Học máy, và Giải tích ngẫu nhiên cho Tài chính.
c. Học phần học trước (A), tiên quyết (B), song hành (C)
[1] Toán cao cấp 1 (A)
[2] Toán cao cấp 2 (A)
[3] Xác suất trong Khoa học Dữ liệu (A)
6. Chuẩn đầu ra của học phần
Khi hoàn thành học phần, người học có khả năng:
CLOs Chuẩn đầu ra của học phần PLO
1 Trình bày, giải thích được các kiến thức cơ bản về quá trình c1, d1, e1
ngẫu nhiên
2 Giải các bài toán quá trình ngẫu nhiên và ước lượng tham c2, d2, e2
số của các biến ngẫu nhiên
 3 Mô hình hoá các quá trình thực tế bằng quá trình ngẫu b3, c3, d3,
nhiên e3, g3

Ma trận tích hợp giữa chuẩn đầu ra của học phần và chuẩn đầu ra của chương trình đào tạo.
CLOs a b c d e f g
1 X X X
2 X X X
3 X X X X X

7. Nội dung học phần và kế hoạch giảng dạy

L: Lecture S: Seminar D: Discussion I: Instructions in serving as model Si: Simulation
O: Observation P: Practices H: Instruction for Homework WA: Work Assignment,
STT Nội dung chính Số tiết CLOs Phương Nội
pháp dung và
giảng dạy hướng
dẫn tự
học
1 Chapter 1. A Review of Basic 3 1,2,3 L, S, D O, P, H
Probability
1.1 The axioms of probability theory
1.2 Independence and conditional
probability
1.3 Random variables and their
distribution
1.4 Functions of a random variable
1.5 Expectation of a random variable
1.6 Frequently used distributions
1.7 Jointly distributed random
variables
1.8 Conditional densities
1.9 Correlation and covariance
1.10 Transformation of random
vectors
Chapter 2. Convergence of a Sequence 4 1,2,3 L, S, D O, P,
of Random Variables H
2.1 Four definitions of convergence of
random variables
2.2 Cauchy criteria for convergence of
random variables
2.3 Limit theorems for sums of
independent random variables
 2.4 Convex functions and Jensen’s
inequality
2.5 Chernoff bound and large
deviations theory

Chapter 3. Random Vectors and 4 1,2,3 L, S, D O, P, H

Minimum Mean Squared Error
Estimation
3.1 Basic definitions and properties
3.2 The orthogonality principle for
minimum mean square error
estimation
3.3 Conditional expectation and linear
estimators
3.4 Joint Gaussian distribution and
Gaussian random vectors
Chapter 4. Random Processes 5 1,2,3 O, P, H
4.1 Definition of a random process
4.2 Random walks and gambler’s ruin
4.3 Processes with independent
increments and martingales
4.4 Brownian motion
4.5 Counting processes and the
Poisson process
4.6 Stationarity
4.7 Joint properties of random
processes
4.8 Conditional independence and
Markov processes
4.9 Discrete-state Markov processes
4.10 Space-time structure of discrete-
state Markov processes

Chapter 5. Inference for Markov Models 3 1,2,3 L, S, D O, P, H

5.1 A bit of estimation theory
5.2 The expectation-maximization
(EM) algorithm
5.3 Hidden Markov models
Chapter 6. Dynamics of Countable- 3 1,2,3 L, S, D O, P, H
State Markov Models
 6.1 Examples with finite state space
6.2 Classification and convergence of
discrete-time Markov processes
6.3 Classification and convergence of
continuous-time Markov processes
6.4 Classification of birth-death
processes
6.5 Time averages vs. statistical
averages
6.6 Queueing systems, M/M/1 queue
and Little’s law
6.7 Mean arrival rate, distributions
seen by arrivals, and PASTA
6.8 More examples of queueing
systems modeled as Markov birth-
death processes

Chapter 7. Basic Calculus of Random 4 1,2,3 L, S, D O, P, H

Processes
7.1 Continuity of random processes
7.2 Mean square differentiation of
random processes
7.3 Integration of random processes
7.4 Ergodicity
Chapter 8 Martingales 4 1,2,3 L, S, D O, P, H
8.1 Conditional expectation revisited
8.2 Martingales with respect to
filtrations
8.3 Azuma-Hoeffding inequality
8.4 Stopping times and the optional
sampling theorem
Tổng cộng 30
8. Phương pháp đánh giá
a. Phương pháp đánh giá các chuẩn đầu ra của học phần

CLOs Bài kiểm tra Tỷ trọng % Chỉ tiêu %

1 Bài tập về nhà, 30 25
kiểm tra chéo
Kiểm tra giữa kỳ 30 20
Kiểm tra cuối kỳ 40 30
 2 Bài tập về nhà, 30 25
kiểm tra chéo
Kiểm tra giữa kỳ 30 20
Kiểm tra cuối kỳ 40 30
3 Bài tập về nhà, 30 25
kiểm tra chéo
Kiểm tra giữa kỳ 30 20
Kiểm tra cuối kỳ 40 30

b. Các thành phần đánh giá

Phương pháp đánh giá Tỷ trọng %

Lý thuyết Bài tập về nhà, kiểm tra chéo 30
Kiểm tra giữa kỳ 30
Kiểm tra cuối kỳ 40

Thang điểm đánh giá: Theo học chế tín chỉ.