Учебное пособие 1603
.pdf6.11. Комплексные случайные величины и характеристические функции СВ
Комплексной называют случайную величину вида
ς =ξ + jη . |
(6.69) |
где ξ и η – действительные случайные величины. Плотность
вероятности системы СВ { ξ, η } определяет статистические свойства СВ ς ; отдельных плотностей вероятности от ком-
плексного аргумента для описания свойств комплексных СВ не используют.
Математическим ожиданием комплексной СВ называют комплексное число
Mς = Mξ + j Mη , |
(6.70) |
а дисперсией комплексной СВ называют математическое ожидание квадрата модуля соответствующей центрированной СВ
Dς = M {| ς − Mς |2} = M {(ξ+ jη−(Mξ + j Mη))× (6.71)
×(ξ − jη −(Mξ − j Mη ))} = Dξ + Dη .
Характеристической функцией ϑξ (υ) вещественной СВ
ξ называют математическое ожидание комплексной величины ς , получаемой из ξ преобразованием ς = exp( jυξ) , где j = −1
– мнимая единица, υ – вещественный параметр, т.е.
ϑξ (υ) = m1{ exp( jυξ) } = +∞∫ exp{ jυx} Wξ (x) dx . |
(6.72) |
−∞ |
|
Характеристическая функция безразмерна, а параметр υ имеет размерность обратную размерности СВ ξ. Усредняемые в (6.72) комплексные значения представляют собой разнонаправленные (при разных υξ ) вектора единичного радиуса, а поэтому резуль-
татусреднениянеможетпоабсолютнойвеличинепревосходить1
170
ϑξ (υ) |
≤ 1. |
(6.73) |
Кстати, при нулевом аргументе значения характеристических функций для всех случайных величин совпадают
ϑξ (0) = +∞∫ exp{ j 0 x} Wξ (x) dx = |
+∞∫Wξ (x) dx =1. |
(6.74) |
−∞ |
−∞ |
|
При линейном преобразовании случайной величины: |
||
ϑa ξ+b (υ) = m1 {exp( jυ(a ξ +b))}={exp( jυb)} ϑξ (aυ) . |
(6.75) |
Характеристическая функция суммы независимых СВ равна произведению характеристических функций слагаемых. Действительно,
|
|
ξ |
1 |
|
( |
|
|
n |
|
|
i ) |
|
1 |
m |
|
|
( |
|
|
i |
|
|
|
ϑ |
n |
exp |
jυ |
∑i=1 |
ξ |
|
∏ |
exp |
jυξ |
) |
=. |
||||||||||||
|
(υ) = m |
|
|
|
} |
= m |
i=1 |
|
|
|
|
||||||||||||
∑i=1 i |
|
{ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(6.76) |
||||||
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
= |
|
m |
|
exp( jυξ ) |
= |
|
ϑ (υ) . |
|||||||||
|
|
|
|
|
|
|
|
∏ |
|
1 |
{ |
i } |
|
|
∏ |
|
ξi |
|
|||||
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
i=1 |
|
|
|
|
Если мысленно поменять порядок следования сомножителей в (6.72), то за исключением знака в показателе экспоненты выражение совпадет с прямым интегральным преобразованием Фурье. Как следствие, каждой характеристической функции соответствует единственный закон распределения, определяемый по правилу
Wξ (x) = |
1 |
+∞ |
ϑξ (υ) exp{− jυx}dx . |
(6.77) |
|
2π |
|||||
|
−∞∫ |
|
|
Наконец, если у СВ существует начальный момент k-го порядка, то существует k-я производная характеристической функции этой СВ, которая выражается формулой
171
∂kϑξ (υ) |
+∞ |
∂k exp{ jυx} |
|
k |
+∞ |
k |
|
jυx |
|
|
|
= ∫ |
|
|
Wξ (x) dx = j |
|
∫ x |
|
e |
|
Wξ (x) dx |
∂υk |
∂υk |
|
|
|
|
|||||
|
−∞ |
|
|
|
|
−∞ |
|
|
|
|
При υ → 0 последнее выражение превращается в mk {ξ} , т.е.
∂kϑξ (υ) |
|
= |
jk m |
{ξ}. |
(6.78) |
||
∂υk |
|
υ = 0 |
|||||
|
|
k |
|
|
Это позволяет рекомендовать для поиска начальных моментов распределения СВ ξ формулу
m |
{ξ} = j−k |
∂kϑξ (υ) |
|
. |
(6.79) |
||
∂υk |
|
υ = 0 |
|||||
k |
|
|
|
|
6.12. Примеры исследования характеристических функций случайных величин
Пример 1: Определить характеристическую функцию биномиально распределенной СВ ξ1 .
Решение: С использованием формул (3.4) и (5.8) запишем
n
ϑξ1 (υ) = ∑Cnk pk q(n−k ) e jυ k k =0
n
= ∑Cnk
k =0
=
(e jυ p)k q(n−k ) = (pe jυ + q)n . (6.80)
Пример 2: Определить характеристическую функцию пуассоновской СВ ξ2 .
Решение: Учтем, что exp{a e jυ}= ∑∞k =0 (a e jυ )k k ! для любых
|
a e jυ |
< ∞. |
Тогда (см. (3.5)) |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
∞ |
|
(λτ)k |
|
−λ τ |
|
|
jυ k |
|
−λ τ |
∞ |
|
(λτ e jυ )k |
|
|||||
ϑξ2 (υ) = ∑ |
|
|
e |
|
e |
|
= e |
|
|
|
∑ |
|
|
|
|
= |
||||
k ! |
|
|
|
|
|
k ! |
||||||||||||||
|
|
k =0 |
|
|
|
|
{ |
|
|
|
} |
|
k =0 |
|
|
|
(6.81) |
|||
|
|
|
|
= e−λτ exp |
λτ e jυ |
= exp |
{ |
|
|
} |
||||||||||
|
|
|
|
|
|
|
|
−λτ(1−e jυ ) . |
||||||||||||
|
|
|
|
|
|
|
|
|
|
172 |
|
|
|
|
|
|
|
|
|
Пример 3: Найти характеристическую функцию равномерно распределенной СВ ξ3 .
Решение: Плотность вероятности равномерно распределенной СВ определяется формулой (3.23), поэтому
|
|
b |
|
|
jυx |
|
|
|
|
|
jυx |
|
|
b |
|
b+a |
jυb−a |
|
− jυb−a |
|
|
|||||||
|
|
|
e |
|
|
|
|
e |
|
|
|
|
|
|
2 −e |
|
|
|
|
|||||||||
ϑξ3 (υ) = ∫ |
|
|
dx = |
|
|
|
|
|
|
= e jυ |
2 |
e |
|
|
2 |
= |
||||||||||||
|
b −a |
jυ (b −a) |
|
2j υ |
b −a |
|||||||||||||||||||||||
|
|
a |
|
|
|
a |
|
|
|
|
|
(6.82) |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
jυ |
b+a |
|
|
|
|
|
b −a |
b −a |
|
|
jυ |
b+a |
|
|
|
b −a |
|||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
= e |
2 |
|
sin υ |
|
|
|
|
υ |
|
|
|
|
= |
e |
2 |
|
sinc |
υ |
|
|
. |
|||||||
|
2 |
|
|
2 |
|
|
2 |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Пример 4: |
Найти характеристическую функцию СВ ξ4 , |
распределенной по показательному закону.
Решение: Подставляя плотность вероятности (3.33) в определение (6.72), получим
ϑξ (υ) = +∞∫ e jυx λ e−λ x dx = λ |
+∞∫ e( jυ−λ) x dx = |
λ |
. |
(6.83) |
|
λ − jυ |
|||||
0 |
0 |
|
|
Пример 5: Найти характеристическую функцию нормально распределенной СВ ξ5 .
Решение: Для плотности вероятности (3.24), применяя «стандартную» замену переменных (x − a) /σ = z , имеем
ϑξ5 (υ) = +∞∫
−∞
= e |
jυa − |
υ2σ2 |
|
2 |
|||
|
e jυx |
|
(x −a)2 |
+∞ |
e jυ (σ z+a) |
|
−z2 |
||
|
exp − |
|
dx = ∫ |
|
exp |
2 |
dz = |
|
π σ |
2σ 2 |
π |
||||||
2 |
|
|
|
−∞ |
2 |
|
|
|
1 |
+∞ |
υ2σ2 |
z 2 |
υ2σ2 |
1 |
+∞ |
−( z− jυσ) 2 |
|
||||
∫ e+ |
|
+ jυσz− |
|
dz = e jυa − |
|
|
∫ |
e 2 |
dz |
|||
2 |
2 |
2 |
||||||||||
2π |
2π |
|||||||||||
−∞ |
|
|
|
|
|
|
−∞ |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
Если сравнить последний интеграл со свойством нормировки (3.22), то единственное отличие состоит в комплексном характере «математического ожидания» нормального распределения. Это отличие не является принципиальным. К тому
173
же, с заменой переменных y = z − jσυ можно перейти к обыч-
ному нормальному распределению (3.24) с параметром a=0, но с комплекснозначными пределами интегрирования ( −∞− jσυ ;
+∞− jσυ ). В соответствии со свойствами комплексной плос-
кости подобные пределы означают необходимость интегрирования аналитической функции (экспоненты) по замкнутому контуру, а результат подобного интегрирования не зависит от конкретной траектории интегрирования и должен оставаться равным единице (как и в правиле(3.22)) при произвольном по величине смещении − jσυ .
Характеристическая функция нормального распределения равна
|
|
|
|
ϑ (υ) = e jυa − |
υ2σ 2 |
|
|
|
|
(6.84) |
||||||
|
|
|
|
|
|
. |
|
|
|
|
||||||
|
|
|
|
2 |
|
|
|
|
||||||||
|
|
|
|
ξ5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∂ϑξ (υ) |
|
|
jυa − |
υ2σ2 |
|
|||
Проверим корректность (6.79). |
|
= ( ja −υσ |
2 ) e |
2 , а |
||||||||||||
|
∂υ |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
∂2ϑξ (υ) |
={( ja |
−υσ 2 )2 −σ 2} e |
jυa − |
υ2σ2 |
|
поэтому из правила (6.79) |
|||||||||
|
2 , |
|||||||||||||||
|
∂υ2 |
|
||||||||||||||
получаем M |
ξ |
= m {ξ} = j−1 |
( ja +0) e0 |
= a . Для второго началь- |
||||||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
ного момента |
m {ξ} = j−2 |
(−a2 |
−σ 2 ) e0 = a2 +σ 2 |
и, в соответ- |
||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
ствии с (4.7), |
для дисперсии распределения получаем |
Dξ =σ 2 . |
Эти результаты полностью соответствуют свойствам нормального распределения (4.16).
Пример 6: Определить числовые характеристики биномиально распределенной СВ ξ1 .
Решение: На основе (6.80) определим производные от характеристической функции этой СВ
∂ϑξ (υ) = n (pe jυ + q)n−1 pj e jυ
∂υ
174
∂2ϑξ (υ) = npj {(n −1) (pe jυ + q)n−2 pj e j 2υ +(pe jυ + q)n−1 j e jυ}
∂υ2
При υ = 0 имеем ( pe jυ + q)υ=0 = p + q =1 (см. п. 2.5), а значит
Mξ = m1{ξ} = j−1 n 1n−1 pj e0 = np m2{ξ} = j−2 npj {(n −1) p +1} j = (np)2 + npq ,
откуда в соответствии с (4.7), для дисперсии получаем
Dξ = m2{ξ}− Mξ2 = npq .
Полученные числовые характеристики полностью соответствуют ранее полученным результатам (4.44) и (4.45).
175
7. ПРЕДЕЛЬНЫЕ ТЕОРЕМЫ ТЕОРИИ ВЕРОЯТНОСТЕЙ
Под предельными теоремами понимается совокупность закономерностей, характеризующих свойства большого числа случайных величин. С качественных позиций все эти закономерности являются проявлениями «закона больших чисел», который утверждает, что применительно к большому числу случайных явлений средний их результат становится практически неслучайным и может быть предсказан с близкой к единице вероятностью.
7.1. Неравенство Чебышева и теоремы Чебышева
Для получения неравенства Чебышева рассмотрим чуть подробнее выражение для расчета дисперсии СВ (4.6). Если из бесконечной области интегрирования исключить какой-то фрагмент, то, учитывая неотрицательность подынтегрального выражения, можно утверждать, что для любого ε > 0
+∞ |
Mξ −ε |
+∞ |
||||
Dξ = ∫ (x −Mξ )2Wξ (x) dx ≥ |
∫ (x −Mξ )2Wξ (x) dx + ∫ (x −Mξ )2Wξ (x) dx ≥ |
|||||
−∞ |
−∞ |
Mξ +ε |
||||
Mξ −ε |
|
+∞ |
||||
≥ ∫ ε 2Wξ (x) dx + ∫ ε 2Wξ (x) dx = ε2 P{ |
|
ξ − Mξ |
|
≥ ε}. |
||
|
|
|||||
−∞ |
|
Mξ +ε |
Соотношение “ ≥“ между первой и второй строкой выражения выше появляется из-за того, что лишь на границе интервала
интегрирования справедливо (x −Mξ )2 = ε2 , а в других точках (x −Mξ )2 > ε2 . Разделив обе части неравенства на ε2 , получаем
неравенство Чебышева
P{ |
|
ξ − Mξ |
|
≥ε} ≤ |
Dξ |
. |
(7.1) |
|
|
||||||
|
|
2 |
|||||
|
|
|
|
|
ε |
|
|
|
|
|
|
|
|
Итак: для любой СВ вероятность наблюдения значений, отличающихся по абсолютной величине от математического ожидания
более чем на |
ε не может превысить отношения D / ε2 . |
|
ξ |
176
На практике часто используется следствие из неравенства
Чебышева, получаемое из (7.1) при |
ε =σξ |
и называемое пра- |
||||||||
вилом 3 сигм |
|
|
|
|
|
|
||||
P{ |
|
ξ − Mξ |
|
≥ 3σξ } ≤ |
Dξ |
|
= |
1 |
. |
(7.2) |
|
|
|
||||||||
|
|
(3σξ ) |
2 |
9 |
||||||
|
|
|
|
|
|
|
|
|
Неравенства, на основании которых выше было получено неравенство Чебышева, выполняются обычно с большим запасом, поэтому и соотношение (7.2) оказывается на практике заметно «жёстче». Поэтому практический смысл правила 3 сигм состоит в том, что для любой величины практически все наблюдаемые значения умещаются на интервале [Mξ −3σξ ; Mξ +3σξ ].
Пример 1: Проверить выполнение правила 3 сигм для нормально распределенной случайной величины.
Решение: Учитывая симметрию нормального распределения, входящую в (7.2) вероятность можно представить в виде
|
|
|
|
|
|
|
|
|
+∞ |
|
1 |
|
|
(x − M |
ξ ) |
2 |
|
|
P{ |
|
|
≥ 3σξ } |
|
|
|
∫ |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|||||||||||
ξ − Mξ |
|
= 2 |
|
|
|
exp − |
|
|
|
|
dx = |
|||||||
|
|
2π σ |
|
2σ |
2 |
|
|
|||||||||||
|
|
|
|
|
|
|
|
ξ |
+3σ |
ξ |
ξ |
|
ξ |
|
|
|
||
|
|
|
|
|
|
|
|
M |
|
|
|
|
|
|
|
|||
|
+∞ |
1 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
= 2 |
∫3 |
exp |
− |
z |
|
dz |
= 2 (1− Fст |
(3)) = 2 (1−0,9987) = 0,0027 |
||||||||||
2π |
|
|
||||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
т.е. вероятность выполнения неравенства из (7.2) для нормального распределения в 40 раз меньше формальной границы и составляет менее 0,3%.
Проанализируем свойства среднего арифметического ηN результатов N независимых измерений xi некоторой СВ ξ. При
многократном повторении эксперимента будут получаться всё новые и новые комплекты измерений xi (1≤i≤N), т.е. среднее
арифметическое ηN будет представлять собой линейную комбинацию однотипных с ξ случайных величин ηN = N −1 ∑iN=1 ξi .
177
В соответствии с (6.64) математическое ожидание СВ ηN равно
m1{ηN } = N −1 ∑iN=1 m1{ξi } = N Mξ / N = Mξ ,
а для дисперсии, в соответствии с (6.65) получаем
D{ηN } = (N −1 )2 ∑iN=1 D{ξi } = N Dξ / N 2 = Dξ / N .
Теперь для произвольного ε > 0 на основе (7.1) запишем
lim |
P{ |
|
ηN − Mξ |
|
≥ε} ≤ |
lim |
Dξ |
|
= 0 , |
|
|
||||||||
|
|
|
2 |
||||||
N →∞ |
|
|
|
|
|
N →∞ Nε |
|
|
|
|
|
|
|
|
|
|
т.е. наблюдение значений ηN , отличающихся от Mξ даже на
бесконечно малую величину ε , является событием невозможным. В подобных случаях говорят, что величина ηN сходится
по вероятности к Mξ . Полученный результат известен как
первая теорема Чебышева: «Среднее арифметическое независимых измерений любой случайной величины сходится по вероятности к её математическому ожиданию»
1 |
N |
|
|
|
∑ξi → Mξ . |
(7.3) |
|||
N |
||||
i=1 |
Р |
|
Немного более громоздко вторая теорема Чебышева: Среднее арифметическое последовательности произвольных независимых СВ сходится по вероятности к среднему арифметическому их математических ожиданий
1 |
N |
|
1 |
N |
|
|
∑ ξi |
→ |
∑ m1{ ξi }. |
(7.4) |
|||
N |
N |
|||||
i=1 |
Р |
i=1 |
|
Наконец, теорема Маркова утверждает, что результат (7.4) справедлив и для произвольной последовательности зависимых случайных величин.
178
7.2. Центральная предельная теорема Ляпунова
Пусть ξi (1≤i≤N) последовательность независимых слу-
чайных величин с одинаковой плотностью вероятностей Wξi (x) =Wξ (x) . Проанализируем свойства суммы
|
1 |
N |
ξi |
− Mξ |
|
|
ςN = |
|
∑ |
|
|
, |
(7.5) |
N |
|
σξ |
||||
|
i=1 |
|
|
|
где σξ – эффективное значение СВ |
ξ . |
|
|
||||
Обозначим через ϑi (υ) характеристические функции от- |
|||||||
дельных слагаемых ηi |
= (ξi − Mξ ) / (σξ |
N ) |
|
||||
+∞ |
|
|
|
|
|
|
|
ϑi (υ) = ∫ exp |
|
x − Mξ |
|
(x) dx . |
|
||
jυ |
|
|
|
Wξ |
(7.6) |
||
σξ |
|
||||||
−∞ |
|
N |
|
|
|
||
|
|
|
|
|
|
|
|
Представим эти функции в форме разложения в ряд Маклорена
|
ϑi (υ) = |
ϑi (0) + |
υ |
′ |
υ2 |
′′ |
|
|
υ3 |
′′′ |
|
|
|
|
|
|||
|
1! |
ϑi (0) + 2! ϑi (0) + |
3! ϑi (0) +… |
|
|
|
|
|||||||||||
Учтём, что: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
а) согласно (6.74) ϑi (0) =1; |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
б) в соответствии с (6.78) при |
|
|
|
|
|
|
′ |
|
= 0 ; |
|||||||||
m1{ηi } = 0 справедливо ϑi |
(0) |
|||||||||||||||||
в) m2{ηi |
} = Dηi |
2 |
|
|
= Dξ |
/ (σξ |
N ) |
2 |
= N |
−1 |
′′ |
|
|
|
−1 |
; |
||
+ m1 {ηi } |
|
|
и ϑi (0) = − N |
|
||||||||||||||
г) m {η } = μ {ξ}/ (σ |
ξ |
N )3 , поэтому ϑ′′′(0) |
= − jμ {ξ}/ (σ |
ξ |
N )3 |
|
||||||||||||
3 |
i |
3 |
|
|
|
|
i |
|
|
|
|
3 |
|
|
|
|
и, соответственно, характеристическиефункции ϑi (υ) имеютвид
ϑi (υ) = 1− |
υ2 |
− j |
υ3 |
|
μ |
{ξ} |
+ … |
|
|
|
3 |
|
|||||
2N |
6 |
σξ3 |
N N |
|||||
|
|
|
|
Для независимых слагаемых в соответствии с (6.76) справедливо
|
n |
|
|
|
υ2 |
− j |
υ3 |
μ |
{ξ} |
N |
|
ϑ (υ) = |
ϑ (υ) |
= |
1 |
− |
|
|
|
3 |
|
+ … |
|
|
3 |
|
|
||||||||
ηN |
∏ i |
|
|
|
2N |
|
|
N N |
|
||
|
i=1 |
|
|
|
|
6 σξ |
|
||||
|
|
|
|
179 |
|
|
|
|
|
|