- •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
4.10. Ортогонализация случайных величин. Связь матрицы ковариаций и среднеквадратического эллипса
Завершая раздел о преобразованиях случайных величин и векторов, обсудим еще один весьма важный при решении прикладных задач вопрос об ортогонализации случайного вектора. Пусть задана матрица ковариаций случайного вектора. В общем случае эта матрица недиагональная, и ее элементы определяют коэффициент корреляции между случайными величинами- компонентами вектора . Вместе с тем, поскольку матрица ковариаций симметричная, то она с помощью преобразования подобия, задаваемого ортогональной матрицей, может быть приведена к диагональному виду, т.е. [8]
, (4.119)
где ;, а,- собственные числа и собственные векторы матрицы
, (4.120)
причем .
Поскольку матрица (4.119) является матрицей ковариаций для вектора , то всегда случайный векторс коррелированными компонентами (с недиагональной матрицей ковариаций) с помощью преобразования(1.3.21), в котором - ортогональная матрица, может быть преобразован к новому вектору с некоррелированными (ортогональными) компонентами, для которого матрица ковариаций диагональная. Задача нахождения ортогональной матрицы, обеспечивающей выполнение равенства (1.3.46), в теории матриц известна как задача диагонализации матрицы, а в приложении к случайным векторам - как задача ортогонализации компонент случайного вектора.
Очевидно, что, проведя ортогонализацию гауссовского вектора, имеющего функцию распределения в виде
,
для вектора получаем плотность
(4.121)
Поясним геометрический смысл задачи ортогонализации на двухмерном примере. Пусть матрице ковариаций случайного двухмерного вектора соответствует изображенный на рис. 4.7 эллипс с параметрами ,,.
Рис. 4.7. Эллипс ошибок для двухмерного гауссовского вектора с зависимыми компонентами
Ясно, что в системе координат , выбранной так, как это показано на рис. 4.7, этому эллипсу будет соответствовать диагональная матрица ковариаций вида (4.119). Переход от представления вектора в системе координатк его представлению в системе координат, повернутой относительно осипротив часовой стрелки на угол, осуществляется с помощью матрицы, определяемойкак [38, c. 58]
. (4.122)
Таким образом, решение задачи ортогонализации сводится к нахождению матрицы преобразования от исходной системы координат к системе координат, направления осей которой совпадают с направлениями главных осей эллипса равных вероятностей.
В навигационных приложениях весьма важными являются соотношения, устанавливающие связь элементов матрицы ковариаций с параметрами соответствующего ей эллипса ошибок. Можно показать, что собственные числа матрицы ковариаций (1.3.38) и,, представляющие собой квадраты от малой и большой полуосей эллипса, и угол, определяющий ориентацию этих осей, задаются следующими соотношения[23, с. 93]:
; (4.123)
;
; (4.124)
Эти соотношения позволяют рассчитать параметры среднеквадратического эллипса для заданной матрицы ковариаций.
Полагая и используя (1.3.21), (1.3.23), (1.3.49), можем также получить выражения, с помощью которых могут быть вычислены элементы матрицы ковариаций (1.3.38) по данным о параметрах эллипса ошибок
. (4.125)
Любопытно отметить, что, несмотря на зависимость дисперсии случайной величины, определяющей величину проекции вектора на заданное направление, от этого направления, сумма дисперсий для двух взаимно ортогональных направлений всегда постоянна и не зависит от их ориентации. В частности, . Этот факт есть следствие того, что при ортогональных преобразованиях след матрицы не меняется. Таким образом, введение радиальной ошибки(1.2.24) в качестве количественной меры неопределенности местоположения представляется вполне оправданным.