- •1.Случайные величины.Распределение вероятностей.Аксиома измерений.
- •2. Закон больших чисел. Теорема Бернулли
- •7. Пуассоновский импульсный процесс
- •8.Случайные функции: их задание, сходимость, непрерывность и стационарность.
- •9. Моменты случайных функций
- •10. Эргодические случайные процессы
- •11. Функция автокорреляции
- •12. Спектральные характеристики случайных процессов
- •13. Корреляционная теория случайных последовательностей
- •14. Спектр процесса на выходе линейной системы
- •15. Распределение вероятностей на выходе линейной системы. Теорема о нормализации
- •16. Узкополосный гауссов процесс
- •17. Спектр колебаний с флуктуирующей частотой
- •19. Нелинейное безинерциальное преобразование. Корреляц-ые фии на выходе генератора гармоник
- •20. Марковские процессы .Уравнение Смолуховского
- •21. Марковский процесс с дискретными состояниями
- •22. Двумерные случайные блуждания
- •23. Уравнение Фоккера-Планка-Колмогорова
- •24. Стохастические дифференциальные уравнения. Случайные функции с независимыми приращениями
- •25. Усреднение точного решения стохастического дифференциального уравнения
- •26. Уравнение для средних и его связь с уравнением фпк.
- •27. Уравнение Лиувилля.Случайный телеграфный сигнал.
- •28. Тепловой шум в линейных диссипативных системах. Теорема Найквиста
- •29. Дробовой и фликкер-шум. Шумы полупроводниковых приборов
- •30. Шумы усилителей
- •31. Корреляционные и спектральные характеристики случайного поля
- •32. Эмв в статистически неоднородной среде
- •33. Анализ случайной дифракции методом мма
- •34. Плоская случайная волна в диспергирующей среде
- •35. Корреляционная функция одномодового и многомодового лазерного излучения
8.Случайные функции: их задание, сходимость, непрерывность и стационарность.
Понятие случайной функции является обобщением понятий СВ и ФСВ. Случайной функцией (t) с параметром t называется функция, значение которой i = (ti) при любом значении параметра t = ti является случайной величиной. Если параметр t имеет смысл времени, случайная функция называется случайным процессом, если координаты – случайным полем. Существует подход, который заключается в представлении совокупности множества абсолютно идентичных систем, находящихся в абсолютно одинаковых условиях. Тогда при регистрации какой-либо характеристики системы одинаковыми способами получаемые значения (реализации) будут различными. Совокупность всех возможных реализаций называют статистическим ансамблем или ансамблем реализаций; соответственно, совокупность систем называют ансамблем систем. Согласно определению случайной функции, ФСВ является случайной функцией; однако понятие случайной функции гораздо шире. Значения случайной функции (t) могут быть как непрерывными, так и дискретными; параметр t также может быть дискретным – в этом случае величина [n] = (t = tn) называется случайной последовательностью.
Если параметр случайной функции принимает конечное число значений t1,…, tn, случайная функция эквивалентна совокупности случайных величин [1] = (t1),…, [n] = (tn), которая может быть описана n-мерной совместной функцией плотности вероятности (x1,…, xn). Однако, ситуация существенно осложняется, если количество значений аргумента бесконечно, либо аргумент непрерывен – в этом случае уже нельзя задать какую-либо функцию распределения и необходимо определить, как понимать задание случайной функции. Если случайная функция (t) задана как статистический ансамбль своих реализаций, можно задать распределение вероятностей этих реализаций. Так, например, для счетного набора реализаций x(i)(t) можно ввести вероятности pi каждой реализации и определить среднее по статистическому ансамблю:
Удобнее другой подход, основанный на представлении случайной функции (t) в произвольный момент времени в виде случайной величины, которая может быть задана с помощью одномерного распределения, зависящего от времени:
Тогда среднее по ансамблю находится как
Следует понимать, что такое распределение никак не учитывает взаимосвязь значений (t) в разные моменты времени. Если задать n моментов времени t1,…, tn, можно ввести n-мерное распределение
Для конечной случайной последовательности такое описание будет полным. В общем случае говорят, что случайная функция задана, если ее конечномерное распределение n(t1,x1,…, tn,xn) известно для любого числа n произвольно выбранных моментов времени t1,…,tn. Очевидно, функция плотности вероятности n(t1,x1,…, tn,xn) должна быть симметричной относительно перестановок пар аргументов (ti,xi). Кроме того, должно выполняться условие согласования,
|
Случайная функция называется непрерывной в среднеквадратичном смысле, если
Этот предел часто обозначают следующим образом:
Случайная функция называется непрерывной по вероятности, если ее среднее арифметическое сходится к математическому ожиданию в каждый момент времени:
Наконец, случайная функция называется непрерывной почти наверняка, если
Существует сокращенное обозначение этого равенства:
Непрерывность случайной функции (t) по вероятности не означает непрерывности ее значений x(t). Задача о дробовом шуме, где заряд, пришедший на анод, является дискретной величиной, но случайная функция q(t) непрерывна по вероятности, так как в силу наших предположений вероятность прихода на анод одного электрона за время dt непрерывно уменьшается при уменьшении dt. Это означает, что
для любых и . Это и означает непрерывность по вероятности. Дифференцируемость случайной функции – как существование в каком-либо смысле предела приращения функции к приращению аргумента
Интегрируемость случайной функции определяется как существование в каком-либо смысле предела частичных сумм
Случайная функция называется стационарной или однородной по времени, если для всех ее конечномерных распределений и для любого выполняется равенство
|
Из этого определения, в частности, следует, что одномерная функция распределения стационарной случайной функции вообще не зависит от t, а n-мерная – зависит от n – 1 момента времени.