- •Дать определение частоты появления события и сформулировать аксиому измерений.
- •Записать формулу полной вероятности и формулу Байеса.
- •Сформулировать закон больших чисел и теорему Бернулли.
- •Сформулировать условия, при которых распределение пуассоновского импульсного процесса близко к нормальному.
- •Сформулировать теорему Кемпбелла для пуассоновского импульсного процесса.
- •Дать определения непрерывности, дифференцируемости, интегрируемости и стационарности случайной функции.
- •Дать определение белого шума и привести его функцию автокорреляции и спектральную плотность интенсивности.
- •Записать спектральную плотность интенсивности процесса на выходе линейной системы, на вход которой воздействует случайный процесс.
- •Сформулировать теорему о нормализации.
- •Записать уравнение фпк, пояснить смысл его коэффициентов и привести условия, при котором оно существует.
Экзаменационная программа курса
«Статистическая радиофизика»
Минимальные требования
ОТВЕТЫ НА МИНИМУМ!
-
Дать определение частоты появления события и сформулировать аксиому измерений.
Если в серии из N экспериментов, выполняющихся при определенном комплексе условий, событие A произошло n раз, то = n/N – частота появления события A в N экспериментах. Ясно, что тот факт, что при N экспериментах n раз произойдет событие A, также является случайным событием, а частота появления – случайной величиной.
Предположение, что называется аксиомой измерения. Ясно, что 0 P{A} 1.
-
Записать формулу полной вероятности и формулу Байеса.
Если есть K взаимно независимых событий A1 … AK, причем вероятность P{A1 + A2 + … + AK} = 1, то есть одно из них непременно произойдет, то говорят, что имеется полная группа из K гипотез, тогда для абсолютно любого события В
- формула полной вероятности.
- формулу Байеса.
-
Сформулировать закон больших чисел и теорему Бернулли.
Рассмотрим случайный процесс (где - попарно независимы). Для всякого
> 0 выполняется равенство , которое называется законом больших чисел или теоремой Чебышева.
Говорят, что если для всякого > 0 справедливо , то последовательность N сходится к числу a по вероятности. Сходимость по вероятности обозначается следующим образом: .
Согласно теореме Чебышева
т.е. - теорема Бернулли: частота появления события A сходится по вероятности к величине p – вероятности события A в математическом смысле, - другая запись теоремы Бернулли; то есть среднее арифметическое сходится по вероятности к математическому ожиданию.
-
Записать формулы для распределений Гаусса, Релея и Пуассона.
- нормальное распределение (распределение Гаусса), для которого , .
- распределение Пуассона.
- распределением Рэлея.
-
Дать определение характеристической функции и записать выражения, связывающие ее с функцией плотности вероятности.
По определению характеристической функцией называется среднее от комплексной экспоненты
<exp(ju)> = , где
-
Сформулировать центральную предельную теорему.
Пусть 1,…, N – набор независимых случайных величин, средние значения которых равны соответственно <i> = ai, дисперсии ограничены и равны M2(i) = i2 < C < . Если для любого > 0 выполняется равенство
,
то случайная величина имеет распределение, равномерно сходящееся к нормальному при N независимо от распределения слагаемых.
-
Записать выражение для плотности вероятности одномерной функции случайной величины.
Пусть существует функция x=g(y), обратная бесконечно дифференцируемой функции y=f(x), тогда функция плотности вероятности одной случайной величины через другую:
-
Привести вид пуассоновского импульсного процесса, сформулировать предположения, при которых он рассматривается и записать выражение для вероятности появления n импульсов на интервале [0, t].
Рассмотрим импульсный процесс вида:
являющийся функцией случайных величин i, i и и сделаем ряд предположений:
-
Предположим, что функция F(t) затухает достаточно быстро, то есть .
-
Будем считать, что величины i и i статистически независимы между собой и их распределения не зависят от номера i. Фактически это означает, что 2-мерная функция распределения этих величин распадается на множители:
.
-
Пусть вероятность появления импульса в интервале [t, t + dt] не зависит от времени t и количества предшествующих импульсов и пропорциональна длине интервала dt: dP = dt, = const.
Здесь (x|n) – условная функция плотности вероятности величины (t) при условии, что за время T появилось n импульсов.