Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Среднеквадратическоие отклонениея.Содержание книги
Поиск на нашем сайте
Если в каждом сечении случайного процесса существует математическое ожидание, то математическим ожиданием случайного процесса X(t) называется неслучайная функция mxX(t), значение которой при каждом фиксированном значении t равно математическому ожиданию соответствующего сечения: mxX(t)=MX(t). Основные свойства математического ожидания случайного процесса: если φ(t) - неслучайная функция, то М φ(t)=φ(t); М(φ(t)×X(t))=φ(t)×mxX(t); M(X1(t)+X2(t))= mx1(t)+mx2(t); M(X(t)+φ(t))= mxX(t)+ φ(t). Если в каждом сечении случайного процесса существует дисперсия, то дисперсией случайного процесса X(t) называется неслучайная функция DxХ(t), значение которой при каждом фиксированном значении аргумента t равно дисперсии соответствующего сечения: DxX(t)= DХ(t)= M(X(t)-+mxX(t))2.
Основные свойства дисперсии случайного процесса: если φ(t) - неслучайная функция, то D(φ(t))=0; D(φ(t)×X(t))=φ2(t)×DxX(t); D(X(t)+φ(t))=DxX(t ); .
Среднеквадратическим отклонением случайного процесса X(t) называется арифметический квадратный корень из его дисперсии: . Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция Корреляционной функцией случайного процесса X(t) называется неслучайная функция KxX(t1; t2) двух независимых аргументов, значение которой равно корреляционному моменту сечений, соответствующих моментам времени t1 и t2: KxX(t1; t2)=M((X(t1)-mxX(t1))×(X(t2)-mxX(t2))).
Основные свойства корреляционной функции: 2) KxX(t; t)=DxX(t); 3) KxX(t1; t2)= KxX(t2; t1);
4) если φ(t) - неслучайная функция, то
Kφ(t)(t1; t2)=0; Kφ(t)+-xX(t)(t1; t2)= Kx(X(t)(t1; t2); Kφ(t)×Xx(t)(t1; t2)= φ(t1)× φ(t2)×KxX(t)(t1; t2);
5) 6 ) Функция вида
Называется нормированной корреляционной функцией. Взаимная корреляционная функция и нормированная взаимная Корреляционная функция двух случайных процессов Взаимной корреляционной функцией двух случайных процессов X(t) и Y(t) называют неслучайную функцию RxXYy(t1; t2) двух независимых аргументов t1 и t2, значение которой равно корреляционному моменту сечений этих случайных процессов в соответствующие моментыпромежутки времени: RxXYy(t1; t2)= M((X(t1)-mxX(t1))×*(Y(t2)-mmyY(t2))).
Свойства взаимной корреляционной функции: если φ(t) и Ψ(t) - неслучайные функции, то RxX(t)+φ(t) yY(t)+Ψ(t)(t1; t2)= RxXYy(t1; t2); RxX(t)×*φ(t) yY(t)×*Ψ(t)(t1; t2)= φ(t1)× Ψ(t2)×RxXYy(t1; t2); RxXYy(t1; t2)=RyYXx(t21; t1 t);
Функция вида
Называется нормированной взаимной корреляционной функцией случайных процессов X(t) и Y(t).
Вероятностные характеристики суммы двух случайных величин Теорема 1. Математическое ожидание суммы двух случайных процессов X(t) и Y(t) равно сумме их математических ожиданий: m mx+X+Yy(t)= mX(t)mx(t)+myY(t).
Теорема 2. Корреляционная функция суммы двух случайных процессов
X(t) и Y(t) имеет вид: KxX+Yy(t1; t2)=KxX(t1; t2)+KyY(t1; t2)+RxXYy(t1; t2)+RyYXx(t2; t1 t1). ).
Следствие 1. Если случайные процессы X(t) и Y(t) нек коррелированны, то KxX+Yy(t1; t2)=KxX(t1; t2)+KyY(t1; t2); DxX+Yy(t)=DxX(t)+DyY(t).
Следствие 2. Если случайный процесс X(t) и случайная величина Y некне коррелированны, то KxX+Yy(t1; t2)=KxX(t1; t2)+DyY.
Пример 3. Рассматривается случайный процесс Y(t)=X×e-t (t≥0), где X - нормально распределенная с параметрами m и σ случайная величина. Найти математическое ожидание, дисперсию, корреляционную и нормированную корреляционные функции, одномерную плотность распределения.
Решение. Математическое ожидание: mY(t)=M(Xe-t)=e-tmX=me-t. Дисперсия: DY(t)=D(Xe-t)=e-2t DX=σ2e-2t. Стандартное отклонение: Корреляционная функция: KY(t1; t2)=M((X e-t1-m e-t1)×(X e-t2-m e-t2))= = e-(t1+t2) M(X-m)2=σ2 e-(t1+t2). Нормированная корреляционная функция: По условию задачи случайная величина X распределена нормально; при фиксированном значении t сечение Y(t) линейно зависит от случайной величины X, и по свойству нормального распределения сечение Y(t) также распределено нормально с одномерной плотностью распределения:
Пример 4. Найти основные характеристики случайного процесса Y(t)=W×e-Ut (t>0), где W и U - независимые случайные величины; U распределена равномерно на отрезке [0; а]; W имеет математическое ожидание mW и стандартное отклонение σW.
Решение. Математическое ожидание: mY(t)=M(We-Ut)=MW×M(e-Ut)=mw×*M(e-Ut); , (t>0). Корреляционная функция: так как то Дисперсия:
Пример 5. Найти одномерный закон распределения случайного процесса: Y(t)=Vcos(Ψt-U), где V и U независимые случайные величины; V нормально распределена с параметрами (mV; σV); Ψ-const; U- равномерно распределена на отрезке [0; 2π].
Решение. Математическое ожидание случайного процесса Y(t): Дисперсия: Стандартное отклонение: Переходим к выводу одномерного закона распределения. Пусть t-фиксированный момент времени, и случайная величина U принимает фиксированное значение U=u - const; u [0; 2π], тогда получаем следующие условные характеристики случайного процесса Y(t): M(Y(t)| U=u)=mV×cos(Ψt-u); D(Y(t)| U=u)= ×cos2(Ψt-u); σ(Y(t)| U=u)= ×|cos(Ψt-u)|. Так как случайная величина V распределена нормально и при заданном значении случайной величины U=u все сечения линейно зависимы, то условное распределение в каждом сечении является нормальным и имеет следующую плотность:
Безусловная одномерная плотность случайного процесса Y(t):
Очевидно, что это распределение уже не является нормальным.
|
||||
Последнее изменение этой страницы: 2016-04-23; просмотров: 565; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.144.116.195 (0.007 с.) |