- •Раздел 1. Случайные события.
- •Раздел 2. Случайные величины
- •Раздел 3. Системы случайных величин (случайные векторы).
- •4.7. Законы распределения функции случайных векторов 65
- •Раздел 1. Случайные события
- •1.1 Основные пояснения к терминам и понятиям.
- •1.2 Алгебра событий
- •1.3 Выборочное пространство. Вероятность события.
- •1.4 Простейшие способы определения вероятностей
- •1.6 Правило сложения вероятностей
- •1.7 Условная вероятность события. Правило умножения вероятностей.
- •1.8 Формула полной вероятности
- •1.9 Априорные и апостериорные вероятности гипотез.
- •Раздел 2. Случайные величины
- •2.1 Аксиоматическое определение вероятности
- •2.2 Определение случайной величины и ее описание
- •2.3 Статистические ( числовые) характеристики случайных величин
- •Основные числовые характеристики случайной величины
- •2.4. Гауссовские случайные величины и их характеристики
- •Значения вероятности для гауссовского распределения при различных
- •2.5. Другие типы случайных величин
- •Виды функций плотности распределения вероятностей и соответствующие им характеристики
- •Раздел 3. Совокупность случайных величин (случайные векторы).
- •3.1. Определение случайного вектора и его описание.
- •3.2. Статистические характеристики случайных векторов
- •Основные определения и соотношения для двухмерного случайного вектора
- •3.4. Гауссовские случайные векторы и их характеристики.
- •Среднеквадратический эллипс ошибок, круговая вероятная ошибка
- •Раздел 4. Преобразование случайных величин.
- •4.3 Числовые характеристики от функций случайных величин.
- •4.4 Законы распределения функций случайных величин
- •4.5 Получение случайной величины с заданным распределением путем функционального преобразования.
- •4.6 Законы распределения функции двух случайных аргументов
- •. (4.73)
- •4.7 Законы распределения функции случайных векторов
- •4.8. Линейные преобразования случайных векторов
- •4.9. Определение статистических свойств длины проекции случайного двухмерного вектора на заданное направление
- •4.10. Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
- •Раздел 5. Элементы математической статистики
- •5.1 Первичная статистическая совокупность. Статистическая функция распределения.
- •5.2 Статистический ряд. Гистограмма
- •5.3 Числовые характеристики статистического распределения
- •5.4 Доверительный интервал. Доверительная вероятность.
- •5.6 Критерий согласия.
- •5.7 Критерий согласия Колмогорова
- •5.8 Статистическая проверка гипотез
Среднеквадратический эллипс ошибок, круговая вероятная ошибка
Проанализируем
более подробно характеристики,
используемые для описания свойств
двухмерных гауссовских векторов.
Двухмерный случай весьма важен в задачах
обработки статистической информации.
Так, при решении навигационных задач
на плоскости нередко полагают, что
координаты объекта представляют собой
гауссовский случайный вектор с
математическим ожиданием в точке его
предполагаемого местонахождения. Для
описания неопределенности расположения
точки на плоскости используют введенные
выше эллипсы равных вероятностей, в
частности эллипс, соответствующий
уравнению (3.35) при
.
Поскольку этот эллипс пересекает оси
в точках, совпадающих со значениями
соответствующих СКО, т.е. при
,
а при![]()
,
он получил наименованиесреднеквадратического
эллипса ошибок, или стандартного эллипса
[23]. В
навигационных приложениях для его
описания используют параметры
эллипса:
большую
ималую
полуоси
и дирекционный
угол
,
задающий ориентацию большой полуоси
относительно оси
.
Эти три параметра полностью определяют
матрицу ковариаций двухмерной гауссовской
плотности. На рис. 3.4 изображен частный
случай, когда
,
,
,
и таким
образом
, (3.36)
т.е. размеры полуосей эллипса определяют значения СКО по каждой координате.

Рис. 1.2.4. Эллипс ошибок для двухмерного гауссовского вектора
с независимыми компонентами
При оценивании
точности местоположения подвижных
объектов весьма важным представляется
умение охарактеризовать неопределенность
местоположения одним
числом. Для
этих целей обычно используют значения
вероятности
попадания
точки на плоскости в ту или иную заданную
область
.
Для двухмерного центрированного
гауссовского вектора с плотностью

эта вероятность определяется как
, (3.37)
Если в качестве
выступает область, ограниченная
то, переходя к полярным координатам, можно показать, что [44, с. 68]
. (3.38)
Для случая
независимых случайных величин при
эллипс превращается в окружность
радиусом
и, таким образом, из (3.38) получаем, что
вероятность нахождения случайного
вектора в круге с таким радиусом
определяется введенным в разделе 2
распределением Рэлея
,
R>0. (1.39)
Круговая вероятная
ошибка (КВО).
Величина
,
соответствующая 50-процентному попаданию
гауссовского случайного вектора в круг
заданного радиуса, т.е. когда вероятность
попадания равна 0,5, называетсякруговой
вероятной ошибкой (КВО),
а круг, соответственно, кругом
равных вероятностей.
В англоязычной литературе для круговой
вероятной ошибки используется термин
circular error
probable (CEP).
Отметим, что для
независимых
случайных величин с равными
СКО
,
50-процентное попадание в круг (P=0,5)
достигается при
1,177.
Для круга радиуса
обеспечивается попадание с вероятностьюP=0,997.
В случае если
радиус круга, при котором достигается
вероятность попадания в него, равная
0,5, либо другой вероятности следует
отыскивать с помощью соотношения (3.37).
Радиальная среднеквадратическая ошибка (Distance Root Mean Square (DRMS)
Эта ошибка определяется как
. (3.40)
Отметим, что вероятность попадания в круг такого радиуса составляет величину 0.65-0.68 в зависимости от значений параметров эллипса рассеивания.
Удвоенная радиальная среднеквадратическая ошибка (2DRMS).
Вероятность попадания в круг такого удвоенного радиуса зависит от конкретных соотношений СКО и коэффициента корреляции, а примерная ее величина определяется как P=0,95.
Понятия, аналогичные приведенным выше, используются и для трехмерного гауссовского вектора. При этом вводится величина сферической вероятной ошибки (СВО) и сферы равных вероятностей (spherical error probable (SEP) и sphere of equal probability (SEP)). Трехмерное гауссовское распределение широко используется при описании ошибок местоположения подвижных объектов в пространстве, в частности для летательных аппаратов.
