- •Федеральное агентство по образованию северо–кавказский горно–металлургический институт (государственный технологический университет)
- •Владикавказ 2008
- •Тема 1. Случайные события и случайные величины, их числовые характеристики
- •Случайные события
- •Вероятность события Существует статистическое и классическое определение понятия «вероятность». Статистическое определение вероятности
- •Классическое определение вероятности
- •Свойства вероятности
- •Сложение и умножение вероятностей
- •Условная вероятность. Умножение вероятностей
- •1.2.3. Полная вероятность
- •1.3. Случайные величины
- •1.3.1. Функции распределения случайной величины
- •1.3.1.1. Свойства функции распределения
- •1.3.1.2. Функция распределения для дискретной случайной
- •1.3.1.3. Функция распределения непрерывной случайной
- •Исходя из определения функции распределения:
- •1.3.1.4. Плотность вероятности случайной величины
- •Геометрическое истолкование этой формулы
- •1.3.2.1. Свойства математического ожидания
- •1.3.2.2. Свойства дисперсии
- •1.3.3. Моменты случайной величины
- •1.4. Примеры законов распределения случайной величины
- •1.4.1. Равномерное распределение дискретной случайной
- •1.4.2. Равномерное распределение непрерывной случайной
- •1.4.3. Нормальный закон распределения (закон Гаусса)
- •Тема 2. Точечное оценивание параметров. Регрессионный и корреляционный анализ
- •2.1. Выборочный метод
- •2.1.1. Среднее и дисперсия выборки
- •2.2. Связь между случайными величинами. Корреляция
- •2.2.1. Свойства коэффициента корреляции
- •2.2.2. Определение коэффициента корреляции по данным наблюдений
- •2.2.3. Частная линейная корреляция
- •2.2.4. Множественная линейная корреляция
- •2.3. Регрессия
- •2.3.1. Линейная регрессия
- •2.3.2. Нелинейная парная регрессия
- •2.3.3. Множественная линейная регрессия
- •2.3.4. Определение параметров уравнения множественной
- •Тема 3. Проверка статистических гипотез и построение доверительных областей для параметров
- •3.1. Доверительные интервалы и доверительные вероятности
- •3.2. Оценка генерального среднего
- •3.3. Оценка генеральной дисперсии
- •3.4.1. Гипотеза о равенстве дисперсий. Критерий Фишера
- •3.5. Проверка адекватности уравнения регрессии
- •Тема 4. Математическое описание случайных сигналов в системах управления
- •4.1. Случайные процессы
- •4.2. Стационарные случайные процессы
- •4.3. Корреляционная функция
- •4.3.1. Свойства корреляционной функции
- •4.4. Спектральная плотность
- •4.4.1. Свойства спектральной плотности
- •Тема 5. Понятие передаточной функции и частотных характеристик системы
- •5.1. Элементы операционного исчисления. Преобразование
- •5.1.1. Основные свойства преобразования Лапласа
- •5.1.2. Примеры преобразования Лапласа для типовых функций
- •5.1.3. Решение линейных дифференциальных уравнений
- •Примеры
- •5.2. Понятие передаточной функции
- •5.3. Временные и частотные характеристики сау
- •5.3.1. Временные характеристики сау
- •5.3.2. Частотные характеристики сау
4.3.1. Свойства корреляционной функции
Для простоты предположим, что mох = 0.
1. Начальное значение корреляционной функции R() равно среднему значению квадрата случайной функции и поэтому существенно положительно, т.е.
.
2. Корреляционная функция есть четная функция , т.е.
.
Действительно,
.
3. Значение R() при любом не может превышать ее начального значения R(0), т.е.
.
4. Корреляционная функция R() для достаточно больших стремится к нулю, т.е.
5. Если х(t) представляет собой, например, стационарный случайный процесс с наложенной на него постоянной составляющей ао, то R() будет иметь вид, изображенный на рисунке:
6. Если х(t) представляет собой стационарный случайный процесс с наложенной на него периодической составляющей, то R() также будет содержать периодическую составляющую с тем же периодом и, следовательно, будет иметь вид:
7. «Белый шум». Случайный процесс х(t), который характеризуется тем, что в нем отсутствует какая–либо взаимная связь между предыдущим и последующим значениями х(t), называется абсолютно случайным процессом или «белым шумом». Очевидно, что в этом случае корреляционная функция равна нулю при всех значениях , кроме = 0, и ее можно представить в виде –функции или практически в виде импульса достаточно большой амплитуды, но малой ширины, площадь которого равна единице.
Взаимная корреляционная функция Rxy() не является четной, в отличие от Rх(), но для нее справедливо равенство: Rxy()=Ryх(). Кроме того:.
4.4. Спектральная плотность
Спектральная плотность случайного процесса х(t) определяется как преобразование Фурье от корреляционной функции Rx():
.
Это так называемая автоспектральная плотность. В свою очередь в соответствии с формулой обратного преобразования Фурье:
.
Sx() играет большую роль при исследовании преобразования случайных сигналов линейными системами.
Автоспектральная плотность Sx() – действительная и четная функция.
Так, используя формулу Эйлера, можно записать:
.
Но Rx() – четная функция, т.е. Rx() = Rx(), а, поэтому во втором слагаемом подынтегральное выражение представляет собой нечетную функцию переменного.
Поэтому .
И тогда , и следовательно
.
Аналогично
.
Эти соотношения позволяют определить Sx() по заданной аналитически или в виде графика Rx(), или наоборот. В любом случае для определения функции S() по R() и наоборот можно использовать таблицы преобразования Фурье.
4.4.1. Свойства спектральной плотности
1. Если R() – монотонно убывающая функция , то S() – также монотонно убывающая функция .
2. Чем уже функция R(), тем более пологой и широкой является функция S().
3. Если R() стремится к нулю в течение очень короткого времени , то S() сохраняет постоянное значение до частоты порядка .
4. Спектральная плотность "белого шума" равна интегралу от –функции, т.е. равна единице. Таким образом, энергия "белого шума" распределена по спектру равномерно и его суммарная энергия равна бесконечности, что физически нереализуемо.
5. Если случайная функция содержит постоянную составляющую, то в кривой спектральной плотности в точке = 0 имеется –функция (практически – острый импульс).
6. Если случайная функция имеет периодическую составляющую частоты о, то в составе кривой S() имеется две –функции в точках о.