- •3 В.К. Игнатьев. Статистическая радиофизика
- •Литература:
- •Основы теории вероятностей
- •1.1.Предмет статистической радиофизики
- •1.2.Случайные события. Вероятность
- •1.3.Случайные величины. Распределение вероятностей
- •1.4. Закон больших чисел. Аксиома измерений
- •1.5.Совместные распределения. Условные функции распределения
- •1.6. Характеристическая функция. Семиинварианты
- •1.7.Центральная предельная теорема
- •Случайный импульсный процесс
- •2.1.Функции случайной величины
- •2.2.Пуассоновский импульсный процесс
- •Случайные функции
- •3.1.Понятие случайной функции. Задание случайной функции
- •3.2.Сходимость, дифференцируемость, непрерывность и стационарность случайных функций
- •3.3.Моменты случайных функций
- •3.4.Эргодические случайные процессы
- •Корреляционная теория случайных процессов
- •4.1.Функция автокорреляции
- •4.2.Спектральная плотность интенсивности случайных процессов
- •4.3. Случайные последовательности
- •Воздействие случайного процесса на линейную систему
- •5.1. Спектральные характеристики процесса на выходе линейной системы
- •5.2.Распределение вероятностей на выходе линейной системы
- •5.3.Узкополосный гауссов процесс
- •5.4.Спектр колебаний с флуктуирующей частотой
- •5.5. Спектральное оценивание
- •Нелинейные преобразования случайных процессов
- •6.1.Нелинейное безинерциальное преобразование
- •6.2.Корреляционные функции на выходе умножителя частоты
- •Марковские процессы
- •7.1. Процесс без последействия
- •7.2. Уравнение Смолуховского
- •7.3.Марковский процесс с дискретными состояниями
- •7.4.Двумерные случайные блуждания
- •7.5.Уравнение Фоккера – Планка – Колмогорова
- •Стохастические дифференциальные уравнения
- •8.1. Постановка задачи
- •8.2. Случайные функции с независимыми приращениями
- •8.3. Усреднение точного решения стохастического дифференциального уравнения
- •8.4. Уравнение для средних
- •8.5.Уравнение Лиувилля
- •Случайные поля
- •9.1.Функция автокорреляции и спектр случайного поля
- •9.2.Электромагнитная волна в статистически неоднородной среде
- •9.3.Метод медленно меняющихся амплитуд
- •9.4.Плоская случайная волна в диспергирующей среде
- •Флуктуации в электрических цепях
- •10.1. Тепловой шум в линейных диссипативных системах
- •10.2.Дробовой шум
- •10.3.Фликкер-шум
- •10.4. Шумы электронно-дырочного перехода
- •10.5. Шум биполярного транзистора
- •10.6.Шумы полевых транзисторов
- •10.7.Шумы усилителей
- •Флуктуации в лазерных системах
- •11.1.Корреляционная функция одномодового лазерного излучения
- •11.2. Корреляционная функция многомодового лазера
- •11.3.Флуктуации в одномодовом лазере
- •Содержание
Случайные функции
3.1.Понятие случайной функции. Задание случайной функции
Понятие случайной функции –базовое для статистической радиофизики –является обобщением понятия случайной величины и функции случайной величины.Случайнойфункцией(t) параметраtназывается функция, значение которойi=(ti) при любом значении параметраt=ti– случайная величина. Параметрtчасто имеет смысл времени, тогда случайная функция называетсяслучайнымпроцессом. Случайная функция координат называетсяслучайнымполем.
Представление о случайных процессах можно почерпнуть из различных областей физики. Осциллограммы дробового тока электронной лампы, траектория броуновской частицы, пульсации температуры воздуха и т. д. –все это случайные процессы. В первой главе понятие случайной величины связывалось с результатом случайного эксперимента, то есть с результатом, который не воспроизводится при воспроизведении условий эксперимента. Примером такого эксперимента является наблюдение за броуновской частицей. Измеряя ее координатух,мы получим некоторую кривуюx(1)(t). Повторив опыт, то есть, вернув частицу в исходное состояние, мы получим уже совершенно другую траекторию x(2)(t), и т. д. Можно сказать, что координата броуновской частицыx(t) – случайная функция времени, а записьx(i)(t) значений наблюдаемой величины, фактически принятых в i-м эксперименте, изображает одну изреализацийслучайной величины.
Наблюдение над системой не обязательно проводить через последовательные интервалы времени. Можно представить множество идентичных экземпляров рассматриваемой системы, поставленных в одинаковые условия, тогда при одинаковых способах регистрации какой-либо из характеристик систем получаемые реализации будут различными. Например, наблюдая при одинаковых условиях движение большого числа Nброуновских частиц, мы будем иметьNразличных кривыхx(i)(t), которые являются реализациями случайного процесса(t), описывающего движение броуновской частицы. Совокупность всех возможных реализацийx(i)(t) называетсястатистическимансамблемилиансамблемреализаций, а совокупность систем, в которых реализуется этот статистический ансамбль, –ансамблемсистем.
В силу нашего определения, функция случайной величины является случайной функцией (если не рассматривать функции вида 0), но понятие случайной функции шире, чем функции случайной величины. В частном случае, если параметр tпринимает счетное множество дискретных значений, случайная функция(t) называетсяслучайнойпоследовательностью. Аналогично и значения случайной функции(t) могут быть как непрерывными, так и дискретными.
Если аргумент tслучайной функции(t) принимает конечное число значенийt1,t2, …,tn, то случайная последовательность эквивалентна совокупностиnслучайных величин1=(t1), …,n=(tn), которая задается своимn-мерным совместным распределением вероятностейn(x1, …,xn). Если же множество значений бесконечно (счетно, а тем более, непрерывно), то мы уже выходим за рамки классической теории вероятностей и должны специально определить, как понимать задание случайной функции. Если случайная функция(t) задана как статистический ансамбль своих реализаций, можно получить исчерпывающую ее характеристику, задав распределение вероятностей этих реализаций. Например, для счетного набора реализацийx(i)(t) можно ввести вероятностьPiдляi-й реализации и определитьсреднеепостатистическомуансамблю:
.
Однако чаще оказывается удобнее другой эквивалентный подход, основанный на том, что значение случайной функции (t) в произвольный момент времени –случайная величина, которую можно задать одномерным распределением1(t,x)dx=P{x(t)x+dx} и определить среднее по статистическому ансамблю:
.
Это распределение ничего не говорит о том, как связаны значения (t) в различные моменты времени. Если произвольно задатьnмоментовt1,t2, …,tn,то можно ввестиn-мерное распределение
n(t1,x1, …,tn,xn)dx1…dxn=P{x1(t1)x1+dx1, …,xn(tn)xn+dxn}.
Для конечной случайной последовательности такое описание будет исчерпывающим, а в общем случае говорят, что случайная функция (t) задана, если ее конечномерное распределениеn(t1,x1, …,tn,xn) известно для любого числаnпроизвольно выбранных значенийt1,t2, …,tnаргумента.
Очевидно, что распределение n(t1,x1, …,tn,xn) должно быть симметричным относительно перестановки любых пар переменных (ti,xi) и (tj,xj). Кроме того, должно выполняться условие согласования вида (1.12):
. (3.0)
Условие (3.1)не тривиально, так как интегрирование по переменнойxiдолжно автоматически уничтожать и переменную ti.