- •§ 1. Основные задачи
- •§ 2. Определение случайной функции
- •§ 3. Корреляционная теория случайных функций
- •§ 4. Математическое ожидание случайной функции
- •§ 5. Свойства математического ожидания случайной функции
- •§ 6, Дисперсия случайной функции
- •§ 7. Свойства дисперсии случайной функции
- •§ 8. Целесообразность введения корреляционной функции
- •§ 9. Корреляционная функция случайной функции
- •§ 10. Свойства корреляционной функции
- •§ 11. Нормированная корреляционная функция
- •§ 12. Взаимная корреляционная функция
- •§ 13. Свойства взаимной корреляционной функции
- •§ 14. Нормированная взаимная корреляционная функция
- •§ 15. Характеристики суммы случайных функций
- •§ 16. Производная случайной функции и ее характеристики
- •§ 17. Интеграл от случайной функции и его характеристики
- •§ 18. Комплексные случайные величины и их числовые характеристики
- •§ 19. Комплексные случайные функции и их характеристики
- •§ 1. Определение стационарной случайной функции
- •§ 2. Свойства корреляционной функции стационарной случайной функции
- •§ 3. Нормированная корреляционная функция стационарной случайной функции
- •§ 4, Стационарно связанные случайные функции
- •§ 5. Корреляционная функция производной стационарной случайной функции
- •§ 6. Взаимная корреляционная функция стационарной случайной функции и ее производной
- •§ 7. Корреляционная функция интеграла от стационарной случайной функции
- •§ 8. Определение характеристик аргодическях стационарных случайных
- •§ 1. Представление стационарной случайной функции в виде гармонических колебаний со случайными амплитудами и случайными фазами
- •§ 2. Дискретный спектр стационарной случайной функции
- •§ 3. Непрерывный спектр стационарной случайной функции.
- •§ 4. Нормированная спектральная плотность
- •§ 5. Взаимная спектральная плотность стационарных и стационарно связанных случайных функций
- •§ 6. Дельта-функция
- •§ 7. Стационарный белый шум
- •§ 8. Преобразование стационарной случайной функции стационарной линейной динамической системой
§ 3. Корреляционная теория случайных функций
Как известно, при фиксированном значении аргумента случайная функция является случайной величиной. Для задания этой величины достаточно задать закон ее распределения, в частности одномерную плотность вероятности. Например, случайную величину Х1=Х(t1) можно задать плотностью вероятности f(x1); в теории случайных функций ее обозначают через f1(x1;t1); здесь индекс 1 при f указывает, что плотность вероятности одномерная, t1—фиксированное значение аргумента t, x1—возможное значение случайной величины Х1=Х(t1). Аналогично, через f1(x2;t2), f1(x3;t3) и т. д. обозначают одномерные плотности вероятности сечений X2=X(t2), Х3=Х(t3) и т.д. Одномерную плотность вероятности любого сечения обозначают через f1(x; t), подразумевая, что аргумент t принимает все допустимые значения. Например, если случайная функция Х(t) распределена нормально с параметрами mx(t)=4, σx(t)=3, то
Хотя функция f1(х;t) полностью характеризует каждое отдельно взятое сечение, нельзя сказать, что она полностью описывает и саму случайную функцию. (Исключением является случай, когда любой набор сечений образует систему независимых случайных величин.) Например, зная лишь одномерную функцию распределения сечения, невозможно выполнять над случайной функцией операции, требующие совместного рассмотрения совокупности сечений.
В простейшем случае совместно рассматривают два сечения: X1=X(t1) и X2=X(t2), т.е. изучают систему двух случайных величин (X1, Х2). Известно, что эту систему можно задать двумерным законом распределения, в частности двумерной плотностью вероятности f(х1, х2). В теории случайных функций ее обозначают через f2(x1, x2 ; t1,t2); здесь индекс 2 при f указывает, что плотность вероятности двумерная; t1 и t2—значения аргумента t; х1, х2—возможные значения случайных величин, соответственно X1=X(t1) и X2=X(t2).
Хотя двумерный закон распределения описывает случайную функцию более полно, чем одномерный (по известному двумерному можно найти одномерный закон), он не характеризует случайную функцию исчерпывающим образом (исключением являются случаи, когда случайная функция распределена нормально или представляет собой марковский случайный процесс).
Аналогично обстоит дело и при переходе к трехмерным, четырехмерным распределениям и т. д. Поскольку такой способ изучения случайных функций является, вообще говоря, громоздким, часто идут по другому пути, не требующему знания многомерных законов распределения, а именно изучают моменты, причем ограничиваются моментами первых двух порядков.
Корреляционной теорией случайных функций называют теорию, основанную на изучении моментов первого и второго порядка. Эта теория оказывается достаточной для решения многих задач практики.
В отличие от случайных величин, для которых моменты являются числами и поэтому их называют числовыми характеристиками, моменты случайной функции являются неслучайными функциями (их называют характеристиками случайной функции).
Ниже рассматриваются следующие характеристики случайной функции: математическое ожидание (начальный момент первого порядка), дисперсия (центральный момент второго порядка), корреляционная функция (корреляционный момент).