- •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
9. Моменты случайных функций
Моменты случайной функции определяются так же, как и моменты случайной величины. Например, момент n-го порядка определяется как
Смешанные моменты случайной функции могут быть построены но основе самых различных комбинаций ее значений, взятых в различные моменты времени.
Смешанный момент второго порядка носит название корреляционной функции и имеет вид
|
Очевидно, при t1 = t2 = t B(t,t) = <2(t)>.
Центральный смешанный момент второго порядка
при t1 = t2 = t равен дисперсии случайной функции (t,t) = D[(t)]. Нормируя его, получим коэффициент корреляции:
|R(t1,t2)| R(t,t) = 1, а если значения (t1) и (t2) статистически независимы, то R(t1,t2) = 0.Для случайных функций, можно ввести условную функцию распределения, например
Тогда можно записать:
|
Для случайной функции можно ввести и условные моменты, например, условное среднее:
|
Тогда корреляционную функцию можно записать в виде
Поскольку для стационарных случайных процессов одномерная функция плотности вероятности не должна зависеть от времени, моменты n-го порядка таких процессов являются постоянными величинами:
Соответственно, функция корреляции стационарного случайного процесса зависит только от временного сдвига:
Ясно также, что и функция корреляции, и центральный смешанный момент второго порядка (), и нормированный коэффициент корреляции R() должны быть четными функциями временного сдвига, то есть
В рамках корреляционной теории обычно используют более широкое определение стационарности, по Стационарной в широком смысле или стационарной по Хинчину называют случайную функцию, функция корреляции которой зависит только от временного сдвига = t2 – t1 и конечна при = 0.
10. Эргодические случайные процессы
На практике приходится иметь дело с одной системой, которую можно наблюдать в течение какого-либо времени. При этом можно найти среднее по времени
которое, также является случайной величиной. При этом
Предположим, что (t) – стационарный случайный процесс. Тогда средние величин (t) и совпадают и равны некоторой постоянной величине:
Найдем дисперсию среднего по времени:
Осуществим в последнем интеграле замену переменных 1 = 2 – 1 и 2 = 2 + 1, эквивалентную повороту осей 1 и 2 на угол /4 (при этом, очевидно, 1 = (2 – 1)/2 и 2 = (2 + 1)/2). Разобьем площадь, на которой осуществляется интегрирование, на два треугольника, как это показано на рис. 3.1.
Рис. 3.1. Замена переменных при вычислении дисперсии среднего Получим:
|
Теперь запишем неравенство Чебышева для случайной величины :
Таким образом, если выполняется условие
(3.7) |
то величина сходится по вероятности к статистическому среднему приT , то есть
(3.8) |
Условие (3.7) называется условием эргодичности Слуцкого для стационарных случайных процессов, а удовлетворяющие ему или выражению (3.8) случайные процессы называют эргодическими.