
- •Оглавление
- •Список принятыХ СокращениЙ
- •Введение
- •1. Типы имитационных моделей по особенностям обработки
- •Типы им по виду входного воздействия
- •2. Особенности имитационных моделей. Эксперимент
- •2. Система регулирования частоты и напряжения (срчн)
- •3. Проблемы первичной обработки экспериментальных данных
- •4. Имитация детерминированных воздействий
- •4.1. Эквивалентирование детерминированных возмущений
- •4.2. Имитация динамических детерминированных возмущений
- •4.3. Принципы аппроксимации детерминированных возмущений
- •5. Характеристики случайных возмущений
- •5.1. Скалярные случайные величины
- •5.1.1. Дискретные случайные величины
- •5.1.2. Непрерывные случайные величины
- •5.2. Векторные случайные величины
- •5.2.1. Дискретные случайные векторы
- •Задание двумерного случайного вектора
- •5.2.2. Функция распределения векторных случайных величин
- •5.2.3. Непрерывные векторные случайные величины
- •5.2.4. Числовые характеристики векторных случайных величин. Независимость случайных величин
- •5.2.5. Линейные преобразования векторных случайных величин
- •5.3. Свойства скалярных случайных процессов
- •5.4. Свойства векторных случайных процессов
- •5.4.1. Линейные преобразования векторных случайных процессов
- •5.5. Стационарные случайные процессы и их свойства
- •6. Общие принципы имитации случайных возмущений
- •6.1. Имитация случайных величин
- •6.2. Динамическая система с входным белым шумом
- •6.2.1. Реакции непрерывных стохастических систем на входной белый шум
- •6.2.2. Реакции дискретных стохастических систем на входной белый шум
- •6.2.3. Дискретная аппроксимация непрерывных стохастических систем
- •6.3. Имитация случайных процессов
- •6.3.1. Имитация стационарных случайных процессов
- •Варианты формирующих фильтров
- •6.3.2. Имитация нестационарных случайных процессов
- •6.4. Имитация вероятностных переходов
- •7. Вычислительный эксперимент с имитационной моделью
- •7.1. Выборки и их свойства
- •7.2. Статистическое распределение выборки
- •7.3. Формирование возмущений в виде случайных величин с заданными выборочными характеристиками
- •7.4. Формирование векторных случайных величин с заданными выборочными характеристиками
- •7.5. Структура данных вычислительных экспериментов для имитационных моделей различных типов
- •Структура входных данных при имитации
- •Структура выходных данных моделирования
- •8. Обработка данных компьютерных экспериментов
- •8.1. Регрессионный анализ результатов моделирования
- •8.1.1. Общая характеристика задач регрессии
- •8.1.2. Линейная регрессия. Метод наименьших квадратов
- •8.1.3. Нелинейная регрессия
- •8.2. Корреляционный анализ данных моделирования
- •8.2.1. Точечная оценка коэффициентов корреляции
- •8.2.2. Точечная оценка корреляционного отношения
- •8.3. Прогноз в статистическом моделировании
- •8.4. Анализ рисков при статистическом моделировании
- •8.5. Критерии принятия решений
- •8.5.1. Многокритериальный анализ
- •8.6. Обработка данных статистического моделирования
- •Типы выходных переменных при моделировании
- •8.6.1. Особенности стохастического режима моделирования
- •Библиографический список
- •Приложения
- •Свойства основных распределений
- •1. Равномерное распределение
- •2. Нормальное распределение
- •3. Показательное распределение
- •4. Биномиальное распределение
- •Биномиальный закон распределения
- •5. Распределение Пуассона
- •Закон распределения Пуассона
- •6. Гамма-распределение
- •7. Распределение Вейбулла
- •8. Распределение Рэлея
- •9. Распределение хи-квадрат
- •10. Распределение Стьюдента (t-распределение)
- •11. Распределение Фишера (f-распределение)
- •Приложение 2
- •Производная и
- •Интеграл случайной функции
- •Производная случайной функции
- •Сходимость в среднем квадратическом
- •Производная случайной функции
- •Интеграл случайной функции [3]
Приложение 2
Производная и
Интеграл случайной функции
Производная случайной функции
Обычное определение производной как предел приращения функции к приращению аргумента неприменимо к случайным функциям вследствие неприменимости обычного определения предела к случайным величинам. Действительно, для случайной функции X(t) отношение
Y(t)X(t + t) – X(t)] /t (П.2.1)
является случайной величиной. Задавая при фиксированном значении t последовательность t, сходящуюся к нулю, получим последовательность случайных величин. О пределе такой последовательности можно говорить только в вероятностном смысле или рассматривать ее сходимость в среднем квадратическом.
Сходимость в среднем квадратическом
Последовательность случайных величин Х1 , …, Хn … называется сходящейся в среднем квадратическом к случайной величине Х, если математическое ожидание квадрата модуля разности Хn – Х стремится к нулю при n → ∞:
= 0.
(П.2.2)
Случайная величина Х называется пределом в среднем квадратическом последовательности случайных величин Хn:
Х
=
,
(П.2.3)
где символы, разделенные точками, обозначают начальные буквы фразы limit in mean (англ.) — «предел в среднем».
Последовательность случайных величин Хn, сходящаяся в среднем квадратическом к случайной величине Х, всегда сходится к Х и по вероятности. На основании этого имеем
P(|Хn – Х| ≥ ) ≤ M[|Хn – Х|2] /
откуда следует, что сходимость моментов второго порядка разностей Хn – Х к нулю влечет сходимость последовательности случайных величин Хn по вероятности к случайной величине Х.
Производная случайной функции
Пусть имеется случайная функция Х(t) с заданными математическим ожиданием mx(t) и корреляционной функцией Kx(t,t). Случайная функция Y1(t) называется производной случайной функции Х(t), если она является пределом в среднеквадратическом последовательности случайных величин (П.2.1), т. е. справедливо соотношение
M[|Y(t)
– Y1(t)|2]
= 0. (П.2.4)
Производная
случайной функции обозначается
Y1(t) = dХ(t)/dt =
.
Из определения (П.2.4) следует, что
производная случайной функции Х(t)
есть предел в среднем квадратическом
последовательности случайных величин
Y(t),
т. е.
=
Y(t).
Известныны [3]следующие утверждения:
‑ необходимым и достаточным условиями существования производной Y1(t) случайной функции Х(t) являются дифференцируемость ее математического ожидания mx(t) и существование второй смешанной производной ее корреляционной функции 2Kx(t,t)/tt;
‑ математическое ожидание производной Y1(t) случайной функции Х(t) равно производной ее математического ожидания mx(t):
М[Y1(t)]
= М[dХ(t)/dt]
= dmx(t)/dt
=
;
(П.2.5)
‑ корреляционная
функция
(t,t)
производной Y1(t)
случайной функции Х(t)
равна:
(t, t) = 2Kx(t, t)/t t. (П.2.6)