- •Санкт-Петербургский Государственный Электротехнический Университет «ЛЭТИ» Кафедра Биотехнических Систем
- •ОСНОВНЫЕ ТИПЫ СЛУЧАЙНЫЙ ПРОЦЕССОВ
- •МНОГОМЕРНОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
- •МНОГОМЕРНОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
- •ОДНОМЕРНОЕ РАСПРЕДЕЛЕНИЕ
- •ДВУМЕРНОЕ РАСПРЕДЕЛЕНИЕ
- •ДВУМЕРНОЕ РАСПРЕДЕЛЕНИЕ
- •ОСНОВНЫЕ СВОЙСТВА МНОГОМЕРНЫХ НОРМАЛЬНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН
- •ОСНОВНЫЕ СВОЙСТВА МНОГОМЕРНЫХ НОРМАЛЬНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН
- •ГАУССОВСКИЙ СЛУЧАЙНЫЙ ПРОЦЕСС
- •ОСНОВНЫЕ СВОЙСТВА ГАУССОВСКИХ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •ЦЕНТРАЛЬНАЯ ПРЕДЕЛЬНАЯ ТЕОРЕМА ДЛЯ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •ПРИМЕР ГАУССОВСКОГО СП
- •ПРОГРАММНАЯ РЕАЛИЗАЦИЯ
- •СПИСОК ИСТОЧНИКОВ
Санкт-Петербургский Государственный Электротехнический Университет «ЛЭТИ» Кафедра Биотехнических Систем
к.т.н., доц. Пустозеров Евгений Анатольевич
ТЕОРИЯ СЛУЧАЙНЫХ ПРОЦЕССОВ
Лекция 5 – Гауссовские случайные процессы
ОСНОВНЫЕ ТИПЫ СЛУЧАЙНЫЙ ПРОЦЕССОВ
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
2 |
МНОГОМЕРНОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
•Многомерная случайная величина X называется гауссовской, если её плотность распределения вероятностей имеет вид
Хт = {x1,x2,...,xn} – n-мерная случайная величина (случайный вектор);
aт = {a1,a2,...,an} – вектор математических ожиданий; K=[Kij] – матрица ковариаций;
Kij = M{(xi-ai)(xj-aj)}, i,j=1,2,…,n.
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
3 |
МНОГОМЕРНОЕ НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ
•Плотность распределения вероятностей в матричном виде:
•Характеристическая функция:
•Характеристическая функция в матричном виде:
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
4 |
ОДНОМЕРНОЕ РАСПРЕДЕЛЕНИЕ
•n = 1, σ2 = K11.
•K11-1=1/σ2
•detK= σ2
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
5 |
ДВУМЕРНОЕ РАСПРЕДЕЛЕНИЕ
•n = 2,
•K11=σ12, K12 = K21 = rσ1σ2, K22=σ22
•r – коэффициент корреляции между x1 и x2.
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
6 |
ДВУМЕРНОЕ РАСПРЕДЕЛЕНИЕ
•
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
7 |
ОСНОВНЫЕ СВОЙСТВА МНОГОМЕРНЫХ НОРМАЛЬНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН
1.Сумма независимых гауссовских векторов является гауссовским вектором.
2.Линейное преобразование гауссовского случайного вектора является тоже гауссовским вектором.
3.Совместное распределение любой группы компонент n- мерного гауссовского вектора также является гауссовским вектором.
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
8 |
ОСНОВНЫЕ СВОЙСТВА МНОГОМЕРНЫХ НОРМАЛЬНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН
4. Если случайный вектор X={x1,x2,…,xm,xm+1,…,xn} – гауссовский и случайные векторы X’={x1,…,xm} и X’’={xm+1,…,xn}
некоррелированы по каждой паре своих компонент, то X’ и X’’ – стохастически независимые гауссовские векторы.
5. Если задана последовательность по α распределений гауссовских векторов c параметрами {m(α),K(α)}:
То последовательность распределений гауссовских векторов сходится к гауссовскому распределению с параметрами {m, K}.
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
9 |
ГАУССОВСКИЙ СЛУЧАЙНЫЙ ПРОЦЕСС
•Пусть случайный процесс ξ(t) задан n сечениями ξ(t1), ξ(t2), …, ξ(tn) для которых известны математические ожидания M{ξ(t1,2,...i,n:)}=a(ti), i = 1,2,...,n, и матрица ковариаций К = [K(ti,tj)], i,j =
•Случайный процесс называется гауссовским, или нормальным, если его n-мерная плотность распределения является гауссовской.
•Все свойства гауссовских процессов вытекают из свойств многомерных нормальных случайных величин.
Теория случайных процессов | Лекция 5 – Гауссовские случайные процессы |
10 |