книги из ГПНТБ / Кавалеров, Г. И. Введение в информационную теорию измерений
.pdfНаиболее употребительные законы распределения вероятностей |
|
|
измеряемых физических величин |
|
|||||||
|
|
|
|
|
|
|
|
|
|||
п/п. |
Название закона |
Плотность вероятности ю(л') |
|
Интегральный закон распределе |
Математическое |
||||||
|
|
|
|
|
|
|
|
|
ния F(x) |
|
ожидание X |
1 |
Равномерный |
0 |
|
при х < |
я; |
|
0 |
при X < |
я ; |
b — я |
|
|
|
(Ь— а ) - ' |
при я <;х«^6; |
|
|||||||
|
|
|
( х — я ) ( b— я ) -1 при я < : х < £ > ; |
2 |
|||||||
|
|
0 |
|
при X > |
Ь |
|
1 |
при X > |
Ь |
|
|
|
|
1 |
|
Г |
(X— я)2 1 |
J |
2 |
|
|
|
|
2 |
Нормальный |
Ѵ ш |
ехр1 |
|
202 |
|
|
|
|||
|
|
|
|
|
|
1 |
|
|
a |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
где Ф (x) |
с м . в приложении 1 |
|
3 |
Усеченный нормальный |
с |
Г |
( * - л ) 2 1. |
|||
1Г*кЪ еХР1 |
|
26* |
J ’ |
||||
|
|
|
|||||
|
|
0 |
при X < |
|
Х й |
|
|
|
|
0 |
при X > |
|
х 2 |
|
|
4 |
|
|
0 |
’ |
при |
1X 1< я ; |
|
|
|
„ И « . - « . |
|
np" |
U l |
'» |
0 п| )и X < X,; C a
С
|
2 |
1 |
ф |
( |
Х ~ |
а |
|
\ |
|
[ |
l |
\ |
b V |
2 |
) |
\ |
|
|
|
|||||||
|
|
П[hi |
X, ^ |
|
X sg x 2; |
|
||
1 |
|
пі311 |
X > |
X2 |
|
|
|
|
0 |
|
при |
X ^ |
я ; |
|
|
0 |
|
|
0,5 |
к - |
1 |
a r c s in |
( х а ~ ’) |
|||
|
|
при — « < х < |
я ; |
|||||
1 |
|
при X >= я |
|
|
|
5 |
— |
(0,5fe3) X2 exp (— к х ) |
при к > 0, |
|||||
|
|
|
|
х ^ О |
|
|
|
|
6 |
Коши |
|
|
|
4 |
|
|
|
|
я (4 + |
X2) |
|
|||||
|
|
|
|
|||||
7 |
Логарифмический |
і |
Г |
|
(lg * — lg « )2 |
|||
|
нормальный |
Ы Г 2^еХр[ |
|
|
|
2Ö2 |
|
|
|
|
|
при X |
0 |
|
|
||
8 |
|
|
|
|
|
|
|
|
|
Гамма-распределение |
|
0 при X ^ |
0; |
|
|||
|
со |
1 |
f |
X |
\ а |
|
( |
х \ |
|
J Г (я + 1) = j e ~ 4 a d t , |
ЬТ(а+ |
1){ |
b |
) |
ехр( |
Ь ) |
|
|
0 |
при X > |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
где Г — гамма-функщ^
28
1 — (0,5/г2х2 + |
к х + 1) X |
3 |
||
X ехр ( — к х ) |
/е |
|||
_ |
1 |
|
X |
0 |
0 ,5 + |
— |
arctg-g- |
||
1,15я ехр (2,65&2) X |
Я.. 10^(2 | п е >'‘ |
|||
[ ‘ - ^ |
( з |
І |
- 1-6 3 0 ) ] |
|
Г (я + 1) L \ b j |
Г |
b (я + 1) |
a |
|
|
+S ( — 1)к + « Я ( Я - 1 ) , . . ft=l
(я — k |
( |
a |
V ~ K |
+ 1) / |
^ |
J |
Та б л и ц а 1-1
Дисперсия
( 0 - я ) 2 12
ft2
C b 2, где
1
f х 2— а \ |
/ X j — я \ |
^ { ь Г і У ^ ь П І
а2
~Т
51
k2
со
Ь2
62 ( я + 1), я > — 1, & > 0
29
№№ |
Название закона |
Плотность вероятности |
|
п/п. |
|||
9 |
Эрланга |
X (Хх)* |
|
— |
— exp (— Хх) при X > 0; |
||
|
( £ > 0 — целое число) |
0 |
при X =?: О |
|
|
10 Накатами
10а Односторонний нормальный
106 Релея
1 Ов |
Райса |
11Экспоненциальный
12Вейбулла
30
где |
при х ^ О , |
|||
|
|
|
||
( х = ) |
|
■0,5, z — X- |
||
[х= -(х)= |
||||
|
|
|||
См. строку |
10 при /»= 0,5: |
|||
і ехр (~ '5 г ) |
пр” |
|||
О при X < О |
|
|
||
См. строку |
10 при т |
= I; |
||
2хг~'схр (— x2z -1) |
при Х75--0 |
|||
См. строку |
10 при гп > |
|||
2а |
X2 + *5 |
/ 2хх„ |
||
■ехр |
|
|
Ч -■ |
|
|
|
|
||
при X ^ |
О, |
|
где І0— функция Бесселя нулевого порядка от мнимого аргумента;
4 = Ч Ѵ т ^ т ;
2
О |
m («г — К /п 2 — т ) |
|
|
|
X ехр (— Хх) при X Зг 0; |
|
0 при X < О |
ухТ 1ехр (— хТ) при X > 0 , Y > О |
Интегральный закон распределе ния Н(х')
е х р ( — Хх) Г |
„ |
, |
kl |
— ^ |
+ |
+Sk (— 1)< + ,/г(/е — 1), ...
і= і
. .. . ( k - l + I ) ( X x ) * - ‘ ]
Ф, ПР"
1 — ехр (— х 22 " ’)
при X ^ 0
1 — ехр (—Хх) |
при X > 0 |
|
0 |
при X < |
0 |
1 — ехр (— X1) |
||
при |
х 5 = 0 , |
Y p> 0 |
|
|
П родал ж е т е т а б л 1-1. |
Математиче |
|
|
ское ожида |
Дисперсия |
|
ние |
X |
|
/ е + |
1 |
Ä + 1 |
X |
|
X2 |
Г (/п + 0 ,5 ) %, |
Г , |
Г 2 (т + 0,5) |
1 |
|||
Г (т ) |
Х |
Ч |
" і Г г (т ) |
J |
||
|
|
|
|
|||
х |
V |
/ |
— |
|
|
|
|
|
т |
|
|
|
|
|
0,8 Ѵ~г |
|
0,3 7 z |
|
0 ,8 9 Ѵ~г |
0 ,2 0 z |
1 |
1 |
X |
** . |
|
|
т Ч ) |
г(т +,)-г,(т +‘) |
31
В частном случае, при независимости Ui и U, (І Ф j) сумма (1-5) представляет собой каноническое разложе ние (Л. 1-1].
2. X(t)=Ci при t i - i ^ t ^ t i , |
|
на |
от |
|
где Сі — случайная величина не изменяющаяся |
||||
резке Pi_i, ti], т. е. X(t) |
— ступенчатая |
функция. |
|
|
3 . X(t)=X*(t)+y(l), |
процесс; |
я\i(t) — |
||
где Xv (t ) — случайный |
стационарный |
|||
неслучай ная_функцня времени. |
утверждать, |
что |
||
Так как X(t) = Jv:іі + |
("/), то можно |
в данном случае вся пестациопармость сводится к изме нению математического ожидания во времени.
4. X( t)= X ; а,(/)=я|)(П,
где я|)(і)— неслучайная функция времени, и р.ѵ(^і, t2) — = P x { t z —fi), т. e. вся нестациоиарность связана с измене нием дисперсии во времени.
(X |
при |
ta — 0,bT<(t„ t„) < t0-(-'0,57’; |
||
5. x(t) = /О при (tlt t2) <( ta— 0,5Г и |
|
|||
I |
|
' |
(*„ ^)> C + ;0,57 -, |
|
|
Rxit’ — t,) |
при t0— 0,57’< (/,, |
t2)< |
|
R (t t ) = |
при |
(tlt |
< '. + < № |
/„)> |
1 0 |
t J < t o — 0,5T II (/,, |
|||
|
|
|
> + 0 ,5 7 ’. |
|
Другой формой записи той же модели является:
X (t) = X* (t)11• (t - t 0 + 0,57) - 1 • ( * - / „ - 0,57)].
Другими словами, процесс является стационарным па ограниченном участке времени и тождественно равным нулю вне этого интервала.
6.Периодические случайные процессы—это процессы,
укоторых основные статистические характеристики по вторяются через интервал времени Т. Для периодическо- . го в узком смысле слова нестационарного случайного процесса п-мериая плотность вероятности wn при любом
побладает свойством
Wn[Xi (fi), х2(к), |
xn(tn)\ = |
|
= Wn{Xi(ti + T), X2{t2-\-T), |
. . ., Xn {tn~\-T)\. |
(1-6) |
Для периодического в широком смысле слова процес
са
X ( t ) ^ X ( i + T)-, |
(1-7) |
Rx{t, t + x )= Rx(t+T, i + x + T).. |
( 1- 8) |
32
Другим важным аспектом описания случайных про цессов являются их эргодические свойства. Здесь так же, как и при описании стационарности, можно говорить об эргодичности в узком смысле слова, когда все статисти ческие характеристики, вычисленные по различным реа лизациям, совпадают, т. е. средние по времени равны средним по ансамблю возможных значений. Для эргодическпх в широком смысле слова случайных процессов это выполняется лишь для первых двух моментов. Схо димость оценок параметра по времени и ансамблю можно понимать либо по вероятности, либо по среднеквадрати ческой ошибке, либо с вероятностью единица [Л. 1-2]. Последнее наиболее употребительно, так как представля ет собою равномерную сходимость по вероятности. При проверке эргодичности по этому критерию средние по времени вычисляются по реализациям конечной длитель ности. Эргодичность может соблюдаться по одним харак теристикам и не соблюдаться по другим. Существует также понятие об эргодических свойствах нестационар ного процесса, на котором мы останавливаться не будем, отослав читателя, например, к [Л. 1-48].
В зависимости от вида многомерного закона распре деления будем различать процессы нормальные (гаус совские), релеевские, линейные и т. д. Каждый из них может быть охарактеризован своей «-мерной плотностью вероятностей, записанной в аналитической форме. Для
нормального процесса |
(наиболее употребительной моде |
|||||
ли) она имеет вид [Л. 1-3]: |
|
|
|
|||
Ю«С*„ |
*'* |
1^П1 |
^1» |
»^Tl) ■ (2п)п'2ахѴв X |
|
|
X exp |
|
|
|
: (Xh — а ) (Xj — S) |
(1-9) |
|
|
|
|
4 в |
|
||
|
|
|
|
|
|
|
где, кроме принятых ранее обозначений, |
|
|
||||
|
|
РхМ |
'R* (t) |
|
|
|
|
|
RA0) |
|
|
||
|
|
|
|
|
|
|
— нормированная |
автокорреляционная |
функция; В — |
||||
определитель |
матрицы |
||р.-с(|/—£|т)||, |
/, k=\, ..., п; |
|||
Akj — алгебраическое дополнение Rx(\l—k\x). |
|
Как по аргументу х, так и по аргументу t многомер ная плотность вероятностей либо может быть непрерыв ной функцией, либо тождественно равняться нулю в не-
3—301 |
33 |
которых областях и иметь отличные от нуля значения лишь при фиксированных значениях х пли t. В послед нем случае имеет место дискретность соответственно по уровню или во времени. Дискретные во времени процес сы называют дискретными последовательностями.
Если появление отличного от нуля значения в слу чайной последовательности рассматривать как событие, то такую последовательность можно рассматривать как поток событий. В зависимости от закона распределения интервалов времени между появлениями ненулевых зна чений x(t) может иметь место регулярный поток, про стейший поток, поток Пальма и т. д. Они также могут быть стационарными и нестационарными.
Для стационарного пуассоновского или простейшего потока выполняются одновременно три условия:
1) стационарности — вероятность проявления некото рого числа событии в течение отрезка времени т зависит только от самой величины т и не зависит от расположе ния этого отрезка на временной осп;
2) |
ординарности — вероятность |
появления |
более |
|
одного события за элементарный |
интервал |
времени Ат |
||
есть |
величина второго порядка малости по |
сравнению |
с вероятностями появления нуля или одного события за то же время;
3) отсутствия последействия — появление некоторого числа событий за любой интервал времени Ті еще ничего не говорит о вероятности некоторого числа событий за любой другой интервал тг, если ті и Тг не перекрываются хоть отчасти.
Для стационарного пуассоновского потока вероят
ность появления к событий |
за время т равна |
рк (х) = |
— (Ат),4(/г!)_1ехр (—лт), где |
X— математическое |
ожида |
ние числа событий в единицу времени. |
|
Для длин интервалов между событиями в пауссоновском потоке справедливо следующее выражение для плотности вероятности:
щ (Г)=А,ехр(—XT) при Г>0. |
(1-10) |
Эрланговский поток /г-го порядка получается из про стейшего при выбрасывании к следующих друг за дру гом во времени значений x(t) и оставлении (/г+ 1)-го. Для него
wh{T) =X(XT)h(k\)-' схр (—XT) при 7>0. (1-11)
34
Поток Пальма (поток с ограниченным последействи ем) представляет собой ординарный поток с независимы ми промежутками времени между ненулевыми значения ми x(t) (простейший поток или поток Эрланга в част ном случае).
Важным классом случайных последовательностей являются марковские процессы. Случайная последова тельность называется марковской, если справедливо ра венство
|
(tn) IХ п — 1 ( ^ n — i) > 2 (^71— 2 ) , • • .]= |
|
||||
|
|
— Wn[xn (ln) I Xn—i (tu—l)]. |
|
(1‘C) |
||
Непрерывный |
марковский |
процесс |
X(l) характери |
|||
зуется |
тем, что |
любая |
последовательность |
X(ti), |
||
Х(і2), |
..., X(ti), |
..., |
X(tn) при ti<t2< |
... < t i < |
. . . < tn |
образует марковскую последовательность вне зависимо сти от значений {^}, г= 1 ,2 ,..., п.
Наиболее полным описанием случайного процесса является многомерная плотность вероятности. Однако это описание для большинства технических приложений излишне подробно и громоздко. В связи с этим прибега ют к сокращенному, неполному описанию. Так в ряде случаев пользуются тем или иным конечным числом мо ментов одномерного распределения вероятности. Для нестационарных процессов эти моменты являются функ циями времени, для стационарных — от времени не за висят. При некоторых законах распределения конечное число моментов полностью характеризует одномерную плотность вероятности. Например, в случае нормального закона первые два момента (математическое ожидание и дисперсия) однозначно определяют плотность вероят ности. Естественно, что одномерный закон распределе ния ничего не говорит о скорости изменения процесса. Имеются специальные характеристики изменчивости, простейшие из которых — автокорреляционная функция и спектр. Поскольку вопросу описания случайных про цессов посвящена обширная литература (см. например, [Л. 1-1—1-3] и многие другие), в настоящей книге мы не будем вдаваться в подробное рассмотрение. Ограни чимся лишь кратким перечислением применяемых в кни ге динамических характеристик:
Gx (со) — энергетический спектр (спектральная плот ность энергии) случайного процесса X (t). Это неотрица тельная вещественная функция частоты со. Величина
3* |
35 |
Gx (o))d(i)/2n представляет собой мощность спектральных составляющих процесса X(t), заключенных в диапазоне
частот от со до со-Мсо; |
|
функция стационарного |
||||
Rx (т) — автокорреляционная |
||||||
случайного процесса Х(і)\ |
|
|
|
|
|
|
Rx(t+x, t ) — автокорреляционная функция нестацио |
||||||
нарного случайного процесса |
X(t) |
для |
моментов време |
|||
ни t и ^ + т; |
функция |
нестационарного |
||||
Сх (т, ti) — структурная |
||||||
случайного процесса А'(А) для |
моментов |
времени U и |
||||
А +т (показатель предложен |
А. |
Н. Колмогоровым |
||||
[Л. 1-51]): |
|
|
|
|
|
|
Сх(X, и ) = [ Х ( и ) - Х ( и - т ) ¥ = |
|
|
||||
= аxz(ti) +ax2(ti—r)—2Rx (ti, |
А—t) + |
|
||||
+[Х (;і)]2+ і[Х(/і- т) ? - 2 і '(^ )х (/1- |
т). |
(1-13) |
Последняя характеристика особенно удобна для опи сания приращений случайного процесса. При стацио нарности процесса Х(і) формула (1-13) значительно упрощается, принимая вид:
|
C,W = 2^[1 - ? х (х)] = 2 о ;[ 1 - Рж(т)], |
(1-14) |
где |
рл(т) = Rx (т) а 2 — нормированная автокорреляцион |
|
ная |
функция. |
|
Наряду с этими динамическими характеристиками употребляются такие, как интервал корреляции, положе ние и значение максимума энергетического спектра, ши рина спектра случайного процесса, граничные частоты. Последние две характеристики задаются при определен ном уровне отсечки спектра, т. е. при
Gx (шс) = kt sup [GaН ],
ш
где ki — заранее оговоренное значение (например, при нимают ki = 0,01). Подобные характеристики являются менее информативными, чем полное задание спектра или корреляционной функции, и могут быть получены непо средственно из Gx(isi) и Rx{т) [Л. 1-4].
36
Известно [Л. 1-2], что энергетический спектр и авто корреляционная функция связаны соотношениями Вине ра—Хинчина. Поскольку имеются различные модифика ции спектральных представлений, то форма записи этих соотношений также различна. Так, для двустороннего спектра, т. е. спектра, определенного как в области по ложительных, так и в области отрицательных значений [необходимое условие G*((o) = GX(—со)] имеем при ста ционарности процесса
|
СО |
|
|
00 |
|
|
Rx Ы — ~2 ^ Gx (ш) exp (/um) dm — ~ |
j* |
Gx[(m) cos ш- dm; |
||||
|
— со |
|
|
О |
|
(1-15) |
|
00 |
|
|
|
|
|
|
|
со |
|
|
|
|
Gx (to) = |
J Rx (т) exp (— /tox) dt = |
2 J Rx (x) cos toxdx. |
(1-16) |
|||
—oo |
|
0 |
|
|
|
|
Если спектр односторонний, |
т. |
е.. |
приписан |
лишь |
||
в области |
положительных частот со = 2я/, то |
|
||||
|
|
00 |
|
|
|
|
|
Rx (т) = |
^ G ([) cos 2 ф df; |
|
(1-17) |
||
|
|
О |
|
|
|
|
|
Gx (f) = |
4 J Rx(x) cos |
|
. |
(1-18) |
|
|
|
о |
|
|
|
|
Энергетические спектры и автокорреляционные функ ции некоторых наиболее часто встречающихся процессов приведены в табл. 1-2.
Каждая реализация случайного процесса X(t) может быть представлена в виде интеграла или ряда Фурье. Поэтому случайный процесс X(t) во времени однозначно соответствует случайной функции в частотной области — спектру, который следует понимать как ансамбль спек тров реализаций случайного процесса. Аналогично мож но говорить об автокорреляционной функции одной реа лизации случайного процесса (т. е. детерминированной функции) и автокорреляционной функции процесса в це лом, представляющей собой случайный процесс. То, что часто на практике рисуют как автокорреляционную функцию или энергетический спектр случайного процес са, есть «среднее» значение, относительно которого
37
Т а б л и ц а 1-2'
Связь автокорреляционных функций и спектров
№ Автокорреляционная функция |
Дисперсия |
Энергетический спектр Ож(ш) |
|
п/п. |
|
О Д = 02 |
|
1 |
С23= (т) |
0 |
С2 |
Характеристика процесса |
Примечание |
Белый шум (несингуляр |
— |
ный, физически нереализуе |
|
мый процесс) |
|
2С2
—sin СОсТ
3С2 exp (— о 1г 1), где а s= /?КСК;
здесь и Ск—сопро тивление и емкость кон денсатора
С2сос |
С2 |
при |
1СО1 < со0 |
|
0 |
при |
1ш 1> шс |
С2 |
|
2С2а |
|
|
|
а2 |
со2 |
Результат прохождения бе лого шума через идеальный (физически нереализуемый) фильтр нижних частот. Син гулярный процесс
Несингулярный |
процесс. |
Первая |
про |
|
Имеет разрывы первого |
рода |
изводная от |
||
для первой производной. |
По |
автокорреля |
||
лучен при прохождении белого |
ционной |
|||
шума через ЛС-фильтр |
|
функции |
||
|
|
|
имеет |
раз |
|
|
|
рыв первого- |
|
|
|
|
рода |
при |
|
|
|
т = |
0 |
4 |
С2 ехр (— ах2) |
С2 |
|
Сингулярный процесс, полу |
|
|
|
С2 |
ехр(—0)2 (4а)_І) |
ченный при прохождении бело |
|
|
|
го шума через |
гауссовский |
||
|
|
|
|
||
|
|
|
|
низкочастотный |
фильтр |
№ Автокорреляционная функціи |
Дисперсия |
Энергетический спектр G^t“ ) |
||||
п/п. |
|
£>[X]=a2 |
||||
5 |
С2 |
C2 |
0 |
при |
1со 1< |
со, |
|
(sin cö2t:— sin cö^) |
— (C02—CO,) |
С2 |
при a>i< | со | < со2 |
||
|
|
|
||||
|
|
|
0 |
при |
1со 1> |
со. |
6 |
C2 cos px exp (— о 1T 1) |
C2 |
С2“ [а 2+ (Р + |
со)2 + |
||
|
|
|
+ а2 + (Р — со)2]
Продолжешіе табл. 1-2
Характеристика процесса |
Примечание |
||
Сингулярный |
процесс, по |
|
|
лученный |
при |
прохождении |
|
белого шума через идеальный |
|
||
(физически |
нереализуемый) |
|
|
полосовой фильтр |
|
||
Несингулярный процесс, по |
См. приме |
||
лученный |
при |
прохождении |
чание к п. 3. |
белого шума через колеба тельный контур
7
8
C2 ^cos to0x +
+ ^ 7 sin“ o h i ) x
Xexp (— a 1X1)
Гa2x2 "] C2I 1 + a 1X 1+ — X
Xexp (— a 1X1)
C2
C2
4С2а(сс2 + и*) |
Несингулярный процесс, по |
См. приме |
|
[со2 —(со0 + а)2]2 + 4а2со2 |
лученный |
при прохождении |
|
белого шума через колеба |
чание к п. 3. |
||
|
тельный |
контур |
|
16С2а6 |
Процесс, |
полученный |
при |
3(а2 + со2)3 |
прохождении |
белого |
шума |
|
через тройной /?С-фильтр |