книги из ГПНТБ / Химмельблау Д. Анализ процессов статистическими методами
.pdf42 |
Глава 2 |
Дисперсия случайной переменной X (t) определяется выраже нием
<у\ (t) = Ц[Х (t) |
- ііх |
(t))2} |
= |
Var {X |
(t)} |
= |
|
= |
g { X 2 |
(t) - |
2X |
(t) yiX |
(t) + |
цх (t)} |
= |
|
|
|
|
= |
g { X 2 (*)} - |
(0. (2.2.8) |
Например, поскольку математическое ожидание положения броу новской частицы из примера 2.2.1 равно нулю, дисперсию можно вычислить непосредственно по %{Х2 (t)}.
Дисперсию суммы случайных величин W = а^Х + a2Y + . . .
можно определить следующим образом. Вычитая математическое
ожидание суммы, а именно [iw |
= |
|
+ а2\Ху + |
• • •» из величи |
|||||||||
ны |
W — аіХ + a2Y |
+ |
. . . и |
возводя |
полученную |
разность |
|||||||
в квадрат, |
находим |
|
|
|
|
|
|
|
|
|
|
|
|
(W |
- |
= tat (X |
- |
рх) |
+ |
a 2 ( Y - l i Y ) + |
. . . ] 2 = |
|
|
||||
= |
а\ (X - |
u . x ) 2 + |
a\{Y |
- |
u , r ) 2 + |
. . . |
+ |
2а,а2 |
(X |
- |
u.x ) (Y - |
||
|
|
|
|
|
|
|
|
|
|
|
— ц у ) |
+ . . . . |
|
Теперь вычислим дисперсию |
W, |
используя |
это равенство |
||||||||||
Ѵаг |
{W} = % {{W — M 2 } = |
|
|
|
|
|
|
|
|||||
|
= |
a\ ЩХ - |
цх)*} |
+ |
à&{(Y |
- Fr)2} |
+ |
. . . |
+ |
|
|||
|
|
+ |
2аіагЦ(Х |
- |
\ix) |
(Y |
- |
цу)} |
+ |
|
(2.2.9) |
В частном случае, когда все последовательные пары случай ных величин независимы (разд. 2.2.5), перекрестные члены в равен стве (2.2.9) исчезают и оно сводится к
Ѵаг |
{W} - а\ Ѵаг {X} + а\ Ѵаг {У} + . . . . |
(2.2.9а) |
Положительное значение квадратного корня из дисперсии |
||
называется |
стандартным (средним квадратическим) |
отклонением |
и будет обозначаться ах (t). Если функция X (t) стационарна,
функциональная зависимость от t исчезает. Относительное |
откло |
||
нение |
(коэффициент |
вариации) — безразмерная форма |
стандарт |
ного |
отклонения, |
характеризующая относительное |
рассеяние |
величины X (t):
Автоковариацией случайной функции X (t) называется ковариация случайных функций X (£4) и X (t2):
<Ухх (ti, h) = |
%{[Х (h) - |
[ix |
(t,)] IX |
(h) - p x (t2)}. |
(2.2.10) |
Д л я стационарного |
ансамбля |
|
|
|
|
|
<Ухх (т) = |
г х х |
(т) - |
у?х. |
(2.2.10а) |
Распределения |
вероятности и выборочная |
статистика |
43 |
2.2.4. Взаимная корреляционная |
функция |
|
Зависимость одной случайной функции X (t) от другой Y (t)
характеризуется взаимной корреляционной функцией этих функций
гХу (k, tz) = %{Х (tt) Y (t2)} = rYX (t2, h) = oo oo
= |
j j жіф (ж, y; tu t2) dx dy. |
(2.2.11) |
|
— OO — O O |
|
Заметим, что величина r x x |
не является случайной, но может зави |
|
сеть от времени. Две случайные величины называются |
некоррели- |
•Х(і)
|
Ф и г . |
2.2.3. |
В з а и м н а я |
к о р р е л я ц и о н н а я ф у н к ц и я . |
|
|||
рованными |
*), если rXY |
(tu |
t2) = |
Цх (U) |
(^г)> и ортогональными, |
|||
если rXY |
(tu t2) |
— 0. |
Д л я |
стационарных |
ансамблей, |
используя |
||
равенство |
(2.1.9), имеем |
|
|
|
|
|
||
|
|
гхг |
(h, |
h) |
= |
rXY (т) = |
rYX (-%). |
(2.2.12) |
На фиг. 2.2.3 изображена корреляционная диаграмма для двух
случайных функций |
X (it) и У (t). Величина rXY |
(т) не обладает |
максимумом при т = |
0, как это имеет место для г х х |
(т), и в отличие |
от последней не является четной функцией т. Но при вычислении
корреляционных |
функций rXY |
(т) и rYX |
(т) необходимо |
провести |
||||||||||
|
*) Две случайные величины X |
и У |
некоррелированы, |
если |
% |
{XY} |
= |
|||||||
= |
% |
{X} |
% {У}, и |
независимы, если р |
(х, у) |
— р (х) р (у). |
Е с л и |
величины |
||||||
X |
и |
У независимы, |
то |
они т а к ж е |
и некоррелированы (разд. 2.2.1). |
Е с л и |
||||||||
% |
{XY} |
= 0, то X и Y |
ортогональны . Некоррелированность — более |
слабое |
||||||||||
условие, чем независимость, потому что дл я некоррелированных |
X |
и |
У, |
|||||||||||
вообще |
говоря, % {/ (X) g (У)} ф |
% {/ ( X ) } g |
{g ( У ) } . |
Н о |
если |
вели |
||||||||
чины |
X |
и У независимы, то g {f |
(X) g (Y)} |
= |
S {f (X)} |
<? {g |
|
(Y)}. |
|
|
44 |
Глава 2 |
|
|
расчеты лишь |
для т > 0 из-за |
свойств симметрии этих |
функций. |
Взаимные корреляционные функции используются при анали |
|||
зе процессов в следующих целях: |
|
||
1. Проверка статистической |
независимости двух случайных |
||
функций. |
|
|
|
2. Оценка |
импульсной и частотной характеристик |
системы |
без подачи импульса или синусоидального сигнала на вход про цесса (гл. 12).
3. Предсказание величины ошибок времени запаздывания в ста ционарных процессах при контрольных замерах (взаимная корре ляционная функция для линейных процессов будет иметь макси
мум при разности времен, |
равной |
времени прохождения сигнала |
|
в системе). |
|
|
|
4. |
Оценка амплитуд и |
фурье-компонент величин, искажен |
|
ных |
некоррелированным |
шумом |
и (или) другими сигналами. |
[Шум не дает вклада в rXY |
{%).] |
|
|
5. |
Определение путей прохождения входного сигнала по боль |
шой линейной системе (в коррелограмме каждому пути соответ ствует отдельный максимум).
Пример 2.2.4- Среднее значение и автокорреляционная функция случайной переменной в обыкновенном линейном дифференциальном уравнении
Модели многих процессов, особенно относящиеся к управле нию, описываются обыкновенным дифференциальным уравнением порядка п
ап |
У<»>(*) + |
У 0 " " 1 ' (t) + . . . |
+ |
a0Y |
(t) |
= |
X (t), |
t > |
0, (a) |
|||
где |
|
|
|
|
|
|
|
|
|
|
|
|
X |
(t) |
— случайная |
переменная |
на |
входе |
системы; |
|
|
||||
Y |
(t) |
— случайная переменная на выходе системы, обусловлен |
||||||||||
ная переменной X |
(t); |
|
|
|
|
|
|
|
|
|
||
Y m |
|
(t) = |
— производная |
степени |
п от Y (t); |
|
|
|||||
at |
— постоянные, |
не являющиеся |
случайными величинами. |
|||||||||
В начальных условиях также присутствует элемент случайно |
||||||||||||
сти: |
|
у<п-і, |
(0) = |
y-cn-2, (g) = |
_ _ |
|
у |
(0) |
= 0. |
|
(б) |
|
|
|
= = |
|
|||||||||
Предположим, |
что требуется |
по известным |
данным |
на |
входе |
и выходе |
системы найти среднее значение Y (t) и ее автокорреля |
|
ционную |
функцию, |
поскольку плотность распределения вероят |
ности Y |
не известна. Вычисляя математическое ожидание от обе |
|
их частей |
уравнения |
(а) и равенств (б) и используя (2.2.1), полу- |
Распределения вероятности и выборочная статистика 45
чаем
|
|
а п ^ У ( п ) -Ь |
an-iVY(n-i) |
+ |
• • • |
+ |
ao^Y |
= |
Mot. |
(в) |
|||
|
|
]iro^i) |
(0) |
= |
Цу(п-2) (0) = |
. . . |
= |
[iy (0) |
= |
0, |
(г) |
||
|
|
fV»> |
(*) |
= |
ЦУ^ (t)}, |
iix (t) |
= |
ЦХ |
(t)}. |
|
|||
Уравнения |
(в) и |
(г) |
являются |
детерминированной |
моделью |
для |
|||||||
PY и |
дают искомое решение для |
цТ: |
|
|
|
|
|
|
|
||||
|
Цу (t) |
= CtUt |
(0 |
+ |
C2[l2 (0 + |
• |
• • + |
С„(ХП (0 |
+ |
|
Цр (*), |
(д) |
|
где |
(iip (t) |
— частное |
|
решение |
неоднородного |
уравнения |
(в), |
а остальные члены правой части равенства (д) представляют собой общее решение соответствующего однородного уравнения. Сле довательно, если заданы математическое ожидание переменной X (t) и значения коэффициентов в уравнении (в), можно найти
детерминированное решение моделей, |
представленных |
уравнения |
||||||||||||
ми (в) и (г). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Используя |
определение |
автокорреляционной |
функции |
|||||||||||
|
|
гхх |
h) |
= ЦХ |
(U) X |
(t2)}, |
|
|
|
|||||
можно показать, |
что |
|
|
дгхх |
(h, |
h) |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
dh |
|
|
|
|
|
|
|
|
|
Гх-X'ih, ts)= |
|
|
gh |
|
|
|
|
|
|
||
Следовательно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Tx-z- (h, |
h) = |
g 2 r |
g ^ ' |
t z ) |
= |
% {X' |
(tt) |
X' |
(t2)}. |
(e) |
||||
Д л я стационарного |
процесса rXx |
(hi |
h) |
— ?xx |
(т) |
и |
|
|
||||||
|
|
|
|
гхх- О 0 = — 3 7 - » |
|
|
|
|
|
|||||
|
|
|
|
|
DRXX> |
( Т ) |
|
<Prxx |
( 1 ) |
|
|
|
|
|
Вообще |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
гхшу<т> |
{h, |
t2) |
= % |
<PX(ti) |
dmY(t2) |
\ |
_ d ^ r X Y ( h , |
Ч) |
||||||
\ ~ Щ |
|
dtf |
|
J |
|
dt? |
dtp |
|
||||||
|
|
|
|
|
|
|
|
|
|
|||||
Автокорреляционную |
функцию |
r r r |
(ti, |
t2) |
для |
Y |
(t) теперь |
можно получить следующим образом. Сначала умножим уравне
ния (а) и (б) |
для |
t = |
t2 на |
X |
(ti): |
|
|
|
|
|
X (h) [anY™ |
( г 2 |
) . + . . . |
+a0Y |
(t2)] |
= |
X (h) |
X (t2), |
(ж) |
||
X |
(h) |
Y<n-» |
(0) |
= |
. . . = |
X (h) |
Y |
(0) = |
0 |
(з) |
46 Глава 2
и вычислим почленно, используя свойство (2.2.16), математическое
ожидание |
от обеих частей |
этих |
равенств. В |
результате получим |
||||||||
„ d n r X Y |
h) |
, „ |
d^rxYJh, |
t2) |
|
, |
• |
|
|
|
|
|
ö n |
|
v a n |
- x |
Щ=і |
|
г • • |
|
|
|
|
||
|
|
|
|
|
• ••+а0гХг(к, |
h) = |
rxx(ti, |
h), |
(и) |
|||
|
|
^ Х ? 1 ' |
0 ) |
=-..=rXY(tu |
0) = 0. |
|
(к) |
|||||
Уравнение |
(и) |
представляет |
собой |
обыкновенное |
дифференци |
|||||||
альное уравнение |
для |
rXY |
(tu t2) |
с независимой |
переменной |
tz |
||||||
и параметром |
|
Таким |
образом, |
при |
условии что автокорреля |
|||||||
ционная |
функция |
гXX (ti, |
t2) задана, уравнения |
(и) и |
(к) можно |
использовать для вычисления взаимной корреляционной функции
RXY (tu t2).
Затем умножим уравнения (а) и (б) для t = ti на Y (t2):
KY™ (*,) + . . . |
+aQY |
(t,)) |
Y |
(t2) |
= |
X |
(h) |
Y |
(t2), |
(л) |
y<»-i> (0) Y |
(t2) = |
. . . |
= |
Y |
(0) |
Y |
(t2) |
= |
0 |
(m) |
и снова вычисляя математическое ожидание от обеих частей»
получаем |
обыкновенное |
дифференциальное |
уравнение |
для |
||||||||||||
гYY |
(tu |
t2): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
дПгуу |
(h, |
h) |
, д |
g " - V y y |
(tj, t2) |
, |
|
|
|
|
|
|
|
||
U n |
Ш? |
|
+an-i |
щ=і |
|
1- • • • |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
. . . |
+ аоГгу (tu |
|
t2) = rXY |
(h, |
h), |
( H ) |
||
|
|
|
|
g " - l r y y ( 0 , t2) |
|
|
|
,n |
|
n |
|
|
, |
|||
|
|
|
|
|
|
|
|
= . . |
. = r y y ( 0 , |
h) |
= U. |
|
|
(0) |
||
|
Д л я того |
чтобы |
найти |
r Y Y (tu |
tùi |
нужно |
решить |
уравнения |
||||||||
(и) |
и (к) |
для |
rXY |
(ti, t2), |
предполагая, |
что |
функция |
г х х |
(ti, |
t2) |
||||||
известна, |
затем |
подставить |
результат |
в |
правую часть |
уравнения |
(н), которое после этого можно разрешить относительно искомой
функции r Y Y (tu |
t2) с учетом условия (о). |
В качестве |
примера использования полученных соотношений |
рассмотрим следующий процесс. Пусть в резервуар с устройством для перемешивания жидкости, изображенный на фиг. П.2.2.4, поступает раствор, концентрация которого представляет собой броуновскую случайную величину (пример 2.2.1). Д л я этого слу чая уже вычислялись среднее значение, дисперсия и автокорреля ционные функции. Следовательно, можно записать
ЦС0 |
(t)} = |
0, |
|
Ш{[С0 (h) - 0] [Со (t2) - |
0]} = |
гСос0 (к, h) = ah, |
(п) |
где а — параметр в плотности распределения вероятности для С0.
Распределения |
вероятности |
и выборочная |
статистика |
47 |
Уравнения (и) и (к) для этой модели принимают вид
drc0c (fî* |
гг) |
rc0c(ti, |
t2) = rCQc0(ti, |
h); |
|
dt-. |
|
||||
|
|
|
|
|
|
rcoCoih, |
h) = atu |
rCoc(h, |
0) = |
0 |
и имеют следующее решение:
|
|
rc0c{tu t2) = |
aLti(l |
— e-b'f)t |
|
(p) |
|||
где t* |
= VIF. |
|
|
|
|
|
|
|
|
Уравнения |
(н) и |
(о) |
|
|
|
|
|
|
|
|
|
rfî^ |
>Г с с " і ' |
Гг) = |
гс0 с |
( Î I , |
*г), |
|
|
имеют |
решение |
|
гсс(0, |
іа ) = 0 |
|
|
|
||
|
|
|
|
|
|
|
|||
|
r c c |
( * i , fe) |
= |
a ( l - e - ' « / ' * ) |
( e - * |
i / * |
* _ l _ J L j . |
( с ) |
Таким образом, автокорреляционную функцию случайной функ ции на выходе резервуара можно вычислить даже в том случае,
Вход |
|
|
|
|
|
Выход |
|
|
|
|
V |
|
|
Ф и г . П . 2 . 2 . 4 . |
Модель |
аппарата |
полного |
перемешивания: |
||
V ~ |
= FCo |
- FC, |
С (0) = |
0, |
||
где Со — к о н ц е н т р а ц и я |
на |
входе, |
с л у ч а й н а я величина; С — т е к у щ а я к о н |
|||
ц е н т р а ц и я , с л у ч а й н а я величина; |
F — скорость подачи; V — объем ж и д к о с т и . |
если плотность распределения вероятности для этой функции не'известна.
2.2.5. Ковариация |
и коэффициент |
корреляции |
Исследователю часто |
требуется качественно, а если можно, |
то и количественно оценить, существует ли между двумя вели
чинами некоторая |
связь. Например, увеличивается ли давление |
в реакторе, если |
увеличить мощность. Если известно совместное |
распределение вероятности для двух величин, можно вычислить
некую меру |
линейной зависимости между ними, называемую |
||
коэффициентом |
корреляции. |
При |
этом безразлично, являются |
ли эти величины зависимыми |
или |
независимыми. |
48 Глава 2
Взаимной |
ковариационной |
функцией, |
|
или ковариацией (сокра |
|||||||
щенно |
Соѵ), двух |
случайных |
функций |
|
X (t) |
и Y |
(t) называется |
||||
функция |
|
|
|
|
|
|
|
|
|
|
|
Охт (tu |
h) |
= |
ЦІХ |
(t,) - Цх (ti)} |
lY |
(t2) |
- |
\iY |
(t2)]} |
= |
|
|
OO |
oo |
|
|
|
|
|
|
|
|
|
= |
j |
j |
(x — Цх) (y — Цг) p |
(X, |
y, |
tu |
t2) |
dx dy. |
(2.2.13) |
—o o — o o
Дл я стационарного ансамбля
|
|
°хт (т ) = |
rxr |
(т) — |
|
(2.2.13а) |
|
Так |
как величина |
ковариации |
зависит от |
единиц измерения X |
|||
и Y, |
можно ввести две нормированные (безразмерные) |
переменные |
|||||
|
|
Х —Ѵх |
|
„ |
Y — ixy |
|
|
|
|
о х—(0) - |
и |
|
Оу(0) |
' |
|
где |
аргумент (0) |
означает |
т = |
0. |
Коэффициентом |
корреляции |
для стационарного ансамбля называется ковариация этих двух нормированных переменных
Д л я некоррелированных величин X и Y их ковариация и коэф фициент корреляции равны нулю. Если І и У независимы, их кова риация и коэффициент корреляции также равны нулю; обратное
Ф и г. |
2.2.4. Коэффициент |
к о р р е л я ц и и |
|
H его |
экстремальные |
и |
нулевое з н а |
|
чения пр и ах |
= |
су- |
X |
|
|
|
утверждение, однако, несправедливо, т. е. если pXY |
= |
0, то X и У |
|
не обязательно независимы (хотя это и возможно). |
Например, |
две случайные величины, каждая из которых распределена по нор мальному закону, могут быть некоррелированы, но зависимы друг от друга; для того чтобы они были независимы, их совместное распределение должно быть нормальным. Попарной независимости многих случайных величин, входящих в разные наборы, недоста точно для независимости этих наборов.
Коэффициент корреляции позволяет оценивать ме_ру линейной
связи между двумя величинами при помощи одного |
числаГТГоло- |
жительная корреляция означает, что величина oXY |
положительна |
Распределения вероятности и выборочная статистика 49
(среднее квадратическое отклонение всегда положительно), тогда
как отрицательное значение aXY |
означает, |
что большие |
значения |
|
одной величины связаны |
с малыми |
значениями |
другой. |
|
На фиг. 2.2.4 приведены |
графики со значениями коэффициента |
|||
корреляции, равными 0, |
1 и — 1 . |
|
|
Пример 2.2.5. Коэффициент корреляции
Пусть совместная плотность распределения вероятности двух случайных величин X и Y задана в виде
р (х, у) = X + |
у, О < X < 1, 0 < Y < 1, |
р (х, у) — О в остальной |
области. |
Требуется найти коэффициент корреляции.
Решение
|
1 |
1 |
|
|
|
|
|
|
Ѵ-х = |
j j |
x(x |
+ y)dx |
dy = ^2 |
, |
|||
|
0 |
0 |
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
|
Ц г = |
j |
j |
y(x + y)dxdy |
= ^2 . |
||||
|
0 |
0 |
|
|
|
|
|
|
|
1 |
1 |
|
|
|
|
|
|
V>X2= о^ 0j |
x*(x + y)dxdy |
= -c£=HY2, |
||||||
<Ухт = Ш{(Х-Ѵх) |
l |
(Г12 -IМ}~ |
144=' |
|
||||
так как |
|
î |
î |
|
|
|
|
|
|
|
|
|
|
|
|
||
g { X Y } |
= |
j |
\xy{x |
+ |
y)dxdy |
= |
± . |
|
Тогда |
|
о |
0 |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
QxY |
144 _ |
|
1 |
|
||
|
|
o x 0 " / _ |
|
11 ~ |
~ |
11 |
|
|
|
|
|
|
|
144 |
|
|
|
Полученный результат указывает на слабую корреляцию меж ду X и У .
В табл. 2.2.1 приведены все рассмотренные до сих пор характе ристики ансамбля.
50 |
|
|
|
Глава |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 2.2.1 |
|
|
|
Характеристики |
ансамбля |
|||||
Обозначение |
Название функции |
|
|
Математическое ожидание |
|||||
Ѵ-х (0 |
Среднее |
значение |
% {X |
(t)} |
|
||||
Ѵх% (0 |
Среднее |
значение |
%{Х* |
(t)} |
|
||||
|
|
квадрата |
|
|
|
|
|
|
|
|
|
Д и с п е р с и я |
|
% ах ю-их |
m |
||||
°x{t) |
|
Среднее |
квадратиче- |
|
|
|
|
|
|
|
|
ское |
(стандартное) |
|
|
|
|
|
|
|
|
отклонение |
|
|
|
|
|
|
|
Vx(t) |
|
Относительное |
откло |
ѵх |
(t)lvx |
(0 |
|||
|
|
нение |
(коэффициент |
|
|
|
|
|
|
|
|
вариации) |
|
|
|
(tj) X |
|
||
ГХХ (*) |
Автокорреляция *) |
% {X |
ш |
||||||
rXY |
(l) |
К о р р е л я ц и я 1 ) |
|
%{X{h)Y(t2)} |
|
||||
°XX |
(t) |
Автоковариация х ) |
% {IX ( t t |
) - И х (h)}[X (*2> — |
|||||
aXY |
(*) |
К о в а р и а ц и я х ) |
|
% {X (t,) - |i* (ti)] [У (*a)-|iy ( Ш |
|||||
PXY ( 1 ) |
Коэффициент |
корре |
°XY |
(WX |
|
(0) «У (0) |
ля ц и и г )
1)Для стационарных функций. (В отечественной литературе ajc^(t) называют авто
корреляционной или просто корреляционной функцией, a Onçy—взаимной корреляцион
ной функцией. Функции гхх(т) и rxY (Т) используются реже.—Прим. ред.) |
|
|||||||
|
2.2.6. |
Моменты |
случайной |
величины |
|
|||
Моменты случайной величины имеют аналогию в механике. |
||||||||
Так, первый статический |
момент равен произведению |
массы |
||||||
на плечо, |
а центр тяжести |
определяется |
как |
отношение первого |
||||
момента к |
массе. Как среднее |
значение, |
так |
и |
дисперсия |
пред |
||
ставляют |
собой моменты, в которых весовой |
функцией является |
||||||
плотность |
распределения |
вероятности. |
Среднее |
значение — это |
||||
начальный |
момент, |
а дисперсия — центральный |
момент. |
Инва |
||||
риантные |
по времени моменты |
порядка |
п для одной случайной |
величины приведены в табл. 2.2.2. Центральный момент третьего
порядка |
служит |
мерой |
симметрии |
распределения |
случайной |
||
величины относительно |
ее |
среднего |
значения; центральный |
||||
момент |
четвертого порядка |
характеризует |
остроту |
максиму |
|||
ма моды. |
|
|
|
|
|
|
|
Д л я |
двух непрерывных (не зависящих от времени) |
случайных |
|||||
величин |
моменты |
определяются следующим |
образом: |
|
|||
|
|
о о |
о о |
|
|
|
|
Цц= |
[ [ х\х{р(хі, |
х2)аххах2. |
(2.2.15) |
Таблица 2.2.2
Начальные и центральные моменты случайной величины, не зависящей от времени
Непрерывная величина |
Дискретная величина |
Момент |
Начальные моменты
х°р (x) dx = l
хр {x) dx = Цх
х2р (x) dx = u.jf 2
хпр (x) dx = }Xj£n
(x — nx)°P(x)dx |
= l |
|
(x — |
y,x)p(x)dx=:0 |
>
(x — ]ix)%P (x) dx = a x
і = 1
2 Я{Р(Ж{) = ЦХ
г = 1
2*?і> (гО = І*Л
і= 1
i= 1
Центральные моменты
оо
S(*і-ц*)°*(*і)=і
i= 1
S(*і-1*х)Р(ая) = 0
i= 1
2 |
(xi-Vx)2P{xi) |
= «x |
i = |
1 |
|
[igt момент н у левого п о р я д ка
щ, момент пер вого порядка (среднее зна чение X)
\iz, момент вто рого п о р я д к а
ц п , момент по р я д к а n
qMq, момент нулевого по рядка
oM\, момент первого по р я д к а
оМ2, |
момент |
|
второго |
по- |
|
ряда |
(диспер |
|
с и я |
X) |
|
(х—\іх)пР |
(x) dx |
i= 1 |
ѣп, |
момент |
порядка п |
4*