- •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
3.2.Сходимость, дифференцируемость, непрерывность и стационарность случайных функций
Введенные в 1главе понятия сходимости последовательности случайных величин позволяет ввести понятие непрерывности случайной функции. Случайная функция(t) называетсянепрерывнойвсреднеквадратичном, если , то есть ;непрерывнойповероятности, если, инепрерывнойпочтинаверняка, если. Подчеркнем, что непрерывность случайной функции (t) по вероятности отнюдь не означает непрерывности ее значениях(t). Например, в задаче о дробовом шуме (см. п. 2.2)зарядQ(t), пришедший на анод –дискретная величина, но случайная функцияq(t) непрерывна по вероятности, так как в силу пуассоновского приближения вероятность прихода на анод зарядаq=e, то есть вылета из катода одного электрона за времяt, стремится к нулю при
t0. Следовательно,P{| q(t+t) –q(t)| >} <для любых> 0 и > 0, а это и означает непрерывность по вероятности.
Точно так же определяется и дифференцируемость случайной функции, как существование в каком-либо смысле предела . В тех же трех смыслах можно понимать существование интеграла, как предела суммы вида .
Случайная функция (t) называетсястационарной, илиоднороднойпоt,если для всех ее конечномерных распределений при любомвыполняется условие
n(t1 + , x1, …, tn + , xn) = n(t1, x1, …, tn, xn). (3.0)
Из определения (3.2)следует, что одномерная функция распределения стационарной случайной величины вообще не зависит от времени1(t,x) =1(x), аn-мерная зависит от (n– 1) переменныхti.
3.3.Моменты случайных функций
Моменты случайных функций определяются так же, как и моменты случайной величины:
,
,
.
Вообще для определения любого момента до n-го порядка включительно достаточно задатьn-мерное распределениеn(t1,x1, …,tn,xn). Смешанный момент второго порядка называетсякорреляционнойфункцией
. (3.0)
Для совпадающих моментов времени B(t,t) = <2(t)>.
Центральный смешанный момент второго порядка
(t1, t2) = <[(t1) – <(t1)>] [(t2) – <(t2)>]> = B(t1, t2) – <(t1)><(t2)>.
При t=t1=t2он равен дисперсии случайного процессаD[(t)]. Часто употребляется также нормированный коэффициент корреляции
.
Нетрудно показать, что |R(t1,t2)|R(t,t) = 1. Если значение(t1) и(t2) статистически независимы, тоR(t1,t2) = 0.
Для случайных функций, так же как и для случайных величин, можно ввести условную функцию распределения
vk(t1,x1, …,tk,xk | tk + 1,xk + 1, …,tn,xn)dx1…dxk=
= P{x1(t1)x1+dx1, …,xk(tk)xk+dxk |(tk + 1) =xk + 1, …,(tn) =xn}.
Тогда по аналогии с формулой (1.13 в новых лекциях 1.18)можно записать:
n(t1, x1, …, tn, xn) = n – k(tk + 1, xk + 1, …, tn, xn)vk(t1, x1, …, tk, xk|tk + 1, xk + 1, …, tn, xn). (3.0)
Можно также ввести условные моменты, например, условноесреднее:
. (3.0)
Тогда, пользуясь соотношениями (3.4)и (3.5),можно записать корреляционную функцию (3.3)в виде
Корреляционная функция B(t1,t2) настолько важна, что существует специальнаякорреляционнаятеорияслучайных процессов, рассматривающая только одно- и двухмерные функции распределения, что достаточно для вычисления функции корреляции.
Заметим, что так как для стационарных случайных процессов одномерная функция распределения не зависит от времени t,то
.
Для функции корреляции стационарного случайного процесса получаем:
,
где =t2–t1. Заметим, чтоB(), а значит и (), иR() – четные функции:
B() = <(t)(t + )> = <(t – )(t)> = B(–).
В рамках корреляционной теории возможно более широкое определение стационарного процесса. Стационарнымивширокомсмысле, или стационарными по Хинчину называются случайные функции, функция корреляции которых зависит только от разности=t2–t1и конечна при = 0.Естественно, что из общей (узкой) стационарности следует широкая стационарность при конечном значении <2(t)>.