- •Статистическое усреднение и моментные функции случайного процесса. Начальные и центральные моментные функции. Многомерные моментные функции.
- •Классификация случайных процессов. Теорема Винера-Хинчина для непрерывных случайных процессов. Спектральная плотность мощности случайного процесса. Физический смысл.
- •Белый и квазибелый шум. Ковариационная функция белого шума. Тепловой шум. Ковариационная функция случайного процесса с постоянной в ограниченной полосе спектральной плотностью мощности.
- •8.Нормальный случайный процесс. Многомерная плотность распределения в общем виде. Матрица ковариации. Случай некоррелированных сечений. Некоррелированность и независимость. Одномерный случай.
- •Двумерная плотность вероятности нормального случайного процесса, подробный вывод. Коэффициент корреляции, физический смысл. Случай некоррелированных сечений.
- •1) Условная плотность распределения нормального случайного процесса. Условное математическое ожидание, условная дисперсия.
- •2) Изменение формы графика плотности распределения в зависимости от степени корреляции случайного процесса в двух сечениях. Некоррелированный случай. Случай абсолютной корреляции.
- •А) Линейные преобразования, линейная система
- •Б) Мх и ковариация
8.Нормальный случайный процесс. Многомерная плотность распределения в общем виде. Матрица ковариации. Случай некоррелированных сечений. Некоррелированность и независимость. Одномерный случай.
Процесс называется нормальным или гауссовым, если его одномерная ФПВ имеет вид:
График нормальной ФПВ
Мат ожидание определяет сдвиг (начальную точку) графика
Если менять сигму (первый центральный момент, дисперсию), то график будет либо становиться шире, но ниже; либо становиться тоньше, но выше
Площадь под кривой W(x) равна 1.
Нормальная ФПВ максимальна при x = m1
ФРВ равен интегралу ФПВ, а так же ФРВ для нормального случайного процесса равен
- табулированная функция (интеграл вероятности Лапласа)
ФРВ для нормального процесса имеет вид
Многомерная плотность распределения в общем виде. Формула
Это формула записана при условии что x1…xn - независимые случайные величины(только эту формулу показала Саттарова когда её спросили как записать).
Дополнение: Запись для зависимых случайных величин будет следующая
Матрица ковариации
В матрице ковариации находятся ковариации с заданными сечениями времени.
По таблице ковариации можно понять стационарный процесс или нет.
Случай некоррелированных сечений
Случайные величины X и Y, для которых корреляционный момент , называются некоррелированными.
При , получаем
Из независимости случайных величин всегда следует их некоррелированность. Обратное не всегда справедливо. Можно только сказать, что если случайные величины являются коррелированными, так, что , то они являются зависимыми. Обоюдная справедливость всегда соблюдается только для гауссовских процессов.
Двумерная плотность вероятности нормального случайного процесса, подробный вывод. Коэффициент корреляции, физический смысл. Случай некоррелированных сечений.
Двумерная плотность вероятности:
Коэффициент корреляции: Физический смысл:
Иными словами: с его помощью оценивают тесноту связи между случайными величинами
Для случая некоррелированных сечений 1) для двумерной плотности вероятности:
2) для коэффициента корреляции:
Значение коэффициента корреляции близко к 0
10.Условная плотность распределения нормального случайного процесса. Условное математическое ожидание, условная дисперсия. Изменение формы графика плотности распределения в зависимости от степени корреляции случайного процесса в двух сечениях. Некоррелированный случай. Случай абсолютной корреляции.
1) Условная плотность распределения нормального случайного процесса. Условное математическое ожидание, условная дисперсия.
Кси в данном примере – это условное математическое ожидание. R – это корреляционная функция.
Более наглядно показано на рисунке ниже
2) Изменение формы графика плотности распределения в зависимости от степени корреляции случайного процесса в двух сечениях. Некоррелированный случай. Случай абсолютной корреляции.
На рисунке видно, что хотя пространство состояний обоих процессов практически одно и то же, динамика развития процессов в реализациях существенно различается. Единичные реализации коррелированных процессов в произвольный момент времени могут быть такими же случайными, как и некоррелированных, а в пределе, во всех сечениях оба процесса могут иметь один и тот же закон распределения случайных величин. Однако динамика развития по координате t (или любой другой независимой переменной) единичной реализации коррелированного процесса по сравнению с некоррелированным является более плавной, а, следовательно, в коррелированном процессе имеется определенная связь между последовательными значениями случайных величин. Оценка степени статистической зависимости мгновенных значений какого-либо процесса Х(t) в произвольные моменты времени t1 и t2 и производится функцией корреляции. По всему пространству значений случайного процесса X(t) корреляционная функция определяется выражением:
Примечание. Случай абсолютной корреляции - это когда один процесс полностью накладывается на другой.
Некоррелированный случай для нормального процесса подразумевает независимость.
11) Линейные преобразования случайных процессов. Математическое ожидание и ковариационная функция случайного процесса на выходе линейной системы. Стационарность случайного процесса на выходе линейной системы с постоянными параметрами.