
Министерство образования и науки Украины
Севастопольский национальный технический университет
Методические указания
Стационарные случайные процессы. Построение модели фена
к проведению практических занятий
по дисциплине «Стохастический анализ» для студентов
дневной формы обучения
направления подготовки 0914 «Компьютеризированные
системы, автоматика и управление»
Севастополь
2011
УДК 62-52.001.24
Методические указания к проведению практических занятий «Стационарные случайные процессы. Построение модели фена» по дисциплине «Стохастический анализ» / Сост. Б.А. Скороход – Севастополь, 2011. – 8с.
Цель методических указаний – помочь студентам в изучении раздела курса случайные процессы.
Методические указания предназначены для студентов дневной формы обучения по направлению подготовки 0914 – «Компьютеризированные системы, автоматика и управление».
Методические указания рассмотрены и утверждены на заседании кафедры технической кибернетики
(протокол № от 2011 г.)
Рецензент: д.т.н., профессор Дубовик С.А.
Содержание
1. Краткие теоретические сведения 4
2. Описание объекта 6
3. Постановка задачи 7
4. Порядок выполнения и задание на работу 7
5. Содержание отчёта по работе 8 6. Контрольные вопросы 8
Библиографический список 8
Цель работы: Построение оценок характеристик стационарных случайных процессов по экспериментальным данным.
Краткие теоретические сведения
Известно,
что исчерпывающей характеристикой
случайной величины является ее закон
распределения, который может быть описан
с помощью функции распределения. Для
задания случайного процесса (с.п.)
используются многомерные функции
распределения
,
которые
должны быть определены для любых
значений
из области изменения
.
Теоретически можно неограниченно
увеличивать число сечений, получая все
более полное описание с.п. Однако
оперировать с многомерными функциями
сложно, а для их получения необходимы
большие объемы экспериментальных
данных, которые к тому же растут с
увеличением количества сечений. Поэтому,
в большинстве случаев, ограничиваются
использованием основных характеристик
с.п.: математического ожидания,
корреляционной функции и дисперсии.
Для непрерывного с.п. они определяются,
соответственно, выражениями
,
,
,
где
,
- одномерная
и двумерная
плотности распределения с.п.
Случайный
процесс называется стационарным в
широком смысле, если его математическое
ожидание и дисперсия постоянны, а
корреляционная функция зависит от
разности аргументов, т.е.,
.
Для стационарного
с.п. вводится понятие спектральной
плотности, которая связана с корреляционной
функцией соотношением
.
По спектральной плотности, может быть найдена корреляционная функция
.
Стационарный случайный процесс называется эргодическим, если любая его вероятностная характеристика, полученная усреднением по множеству возможных реализаций, с вероятностью сколь угодно близкой к единице равна соответствующей характеристике, полученной путем усреднения по времени на основании анализа любой реализации этого с.п. Для эргодического с.п. математическое ожидание и корреляционная функция определяются, соответственно, выражениями
,
,
где
− реализация с.п.
.
Стационарным белым
шумом называют стационарный с.п.
спектральная плотность, которого
постоянна −
.
Можно показать, что корреляционная
функция белого шума определяется
выражением
,
где
-
дельта-функция
.
Таким
образом, корреляционная функция
стационарного белого шума пропорциональна
дельта-функции; коэффициент
пропорциональности
называют интенсивностью белого шума.
Дельта-функция
равна нулю при всех значениях
,
поэтому и корреляционная функция также
равна нулю при этих же значениях.
Равенство же нулю корреляционной функции
белого шума означает некоррелированность
любых двух его сечений. Благодаря этой
особенности белый шум находит широкое
применение в теории с.п. и ее приложениях.
Однако эта же особенность указывает на
то, что осуществить белый шум невозможно,
так как в действительности при очень
близких значениях соответствующие
сечения коррелированны. Таким образом,
стационарный белый шум - математическая
абстракция, полезная для теории с.п. и
ее приложений. В частности, белый шум
используют для моделирования случайных
процессов, которые имеют постоянную
спектральную плотность в определенном
диапазоне частот, причем поведение
спектральной плотности вне его
исследователя не интересует.
Пусть
обозначают входные и выходные сигналы некоторой системы, соответственно, в момент времени . Мы будем рассматривать значения этих сигналов только в дискретные моменты, распределенные равномерно на временном интервале с тактом дискретности
. Предположим, что мы хотим описать, каким образом сигналы связаны между собой. Один из наиболее распространенных подходов состоит в использовании разностного уравнения
,
которое
называется моделью авторегрессии и
скользящего среднего (АRХ),
а величины
ее параметрами. Требуется по
экспериментальным данным оценить
порядок модели – величины
и ее параметры
.
Решение этой задачи
может быть сведено к выбору параметров
из условия минимумы критерия
при
каждом фиксированном наборе
,
где
,
.