- •1. Вероятностные характеристики дискретных случайных величин
- •2. Вероятностные характеристики непрерывных случайных величин.
- •3. Формы представления законов распределения случайных величин.
- •4. Векторные случайные величины.
- •5. Типы случайных процессов.
- •6. Вероятностные характеристики случайных процессов.
- •7. Эргодическое свойство стационарных случайных процессов
- •8. Выбросы стационарных случайных процессов
- •9. Корреляционная функция и её основные свойства.
- •Свойства корреляционных функций
- •10. Экспериментальное определение корреляционных функций.
- •11. Спектральное разложение стационарных случайных процессов в непрерывный спектр дисперсий.
- •12. Свойства спектральной плотности.
- •13. Корреляционные функции и спектральные плотности типовых стационарных процессов.
- •14. Представление случайного процесса в виде канонического разложения. Интегральное каноническое представление случайного процесса. Полиномиальное представление случайного процесса.
- •Представление случайного процесса в виде канонического разложения Каноническое разложение корреляционной функции случайного процесса X(t):
- •Интегральное каноническое представление случайного процесса
- •Полиномиальное представление случайного процесса
- •15. Структура стохастической системы автоматического управления
- •16. Случайные процессы и возмущения в автоматических системах
- •17. Реакция динамической системы на случайное возмущение
- •18 Критерии точности системы
- •19 Характеристики выходных сигналов систем, заданных весовыми функциями
- •20 Корреляционный анализ систем, заданных дифференциальными уравнениями
- •21. Законы распределения выходных сигналов линейных систем (лс)
- •22. Определение установившихся систематических ошибок стационарных линейных систем (слс)
- •23. Определение установившейся дисперсии выходной переменной стационарной линейной системы (слс)
- •24. Критерии оптимальности автоматических систем.
- •25. Условие минимума среднеквадратичной ошибки.
- •26. Уравнение оптимальной линейной системы.
- •Определение весовой функции оптимальной линейной системы
- •Оптимальные системы, описываемые дифференциальными уравнениями
- •Дискретные случайные функции
- •30. Линейные операции над дискретными случайными функциями
- •Стационарные дискретные случайные процессы
- •32.Корреляционный анализ дискретных систем, заданных разностными уравнениями
- •33. Особенности вероятностного анализа нелинейных систем.
- •34. Линеаризация нелинейностей разложением в ряд.
- •35. Статистическая линеаризация нелинейностей.
- •36. Совместная гармоническая и статистическая линеаризация нелинейностей
- •37. Корреляционный анализ нелинейных систем, заданных дифференциальными уравнениями
- •38. Вероятностный анализ автоматических систем методом статистических испытаний
- •Марковские векторные процессы и последовательности
- •40. Уравнение Фоккера – Планка - Колмогорова
- •42. Анализ процесса срыва управления в автоматических системах
5. Типы случайных процессов.
В математике существует понятие случайной функции.
Случайная функция – такая функция, которая в результате опыта принимает тот или иной конкретный вид, причем заранее не известный какой именно. Аргумент такой функции – неслучайный. Если аргумент – время, то такая функция называется случайным процессом. Примеры случайных процессов:
координаты цели, измеряет РЛС;
угол атаки самолета;
нагрузка в электрической цепи.
Особенность случайной функции (процесса) в том, что при фиксированном значении аргумента (t) случайная функция является случайной величиной, т.е. при t = ti Х(t) = X(ti) – случайная величина.
Рис. 2.1. Графическое представление случайной функции
Значения случайной функции при фиксированном аргументе называются его сечением. Т.к. случайная функция может иметь бесконечное множество сечений, а в каждом сечении она представляет собой случайную величину, то случайную функцию можно рассматривать как бесконечномерный случайный вектор.
Теория случайных функций часто называется теорией случайных (стохастических) процессов.
Для каждого сечения случайного процесса можно указать mx(ti), Dx(ti), x(ti) и в общем случае – х(ti).
Кроме случайных функций времени иногда используются случайные функции координат точки пространства. Эти функции приводят в соответствие каждой точке пространства некоторую случайную величину.
Теория случайных функций координат точки пространства называют теорией случайных полей. Пример: вектор скорости ветра в турбулентной атмосфере.
В зависимости от вида функции и вида аргумента различают 4 типа случайных процессов.
Таблица 2.1
Типы случайных процессов
Значение аргумента t |
Значение функции Х |
Примеры случайных процессов |
дискретное |
дискретное |
Случайный процесс в ЦВМ (дискретная послед-ть) |
дискретное |
непрерывное |
Падение капель дождя - ti, Х – размер лужи (непрерывнозначная последовательность) |
непрерывное |
дискретное |
Количество звонков через АТС (дискретный процесс) |
непрерывное |
непрерывное |
Высота полёта самолёта (непрерывный процесс) |
Кроме того различают:
1. Стационарный случайный процесс – вероятностные характеристики которого не зависит от времени, т.е. х(х1, t1) = х(х2, t2) = … х(хn, tn)=const.
2. Нормальный случайный процесс (Гаусса) – совместная плотность вероятности сечений t1 … tn – нормальная.
3. Марковский случайный процесс (процесс без последствия) состояние в каждый момент времени которого зависит только от состояния в предшествующий момент и не зависит от прежних состояний. Марковская цель – последовательность сечений марковского случайного процесса.
4. Случайный процесс типа белого шума – в каждый момент состояния не зависит от предшествующего.
Существуют и другие случайные процессы