- •1. Классическое и геометрическое определение вероятности, элементы комбинаторики
- •2. Аксематическое определение вероятности. Свойства вероятности.
- •3. Формула полной вероятности. Формула Байеса.
- •4. Схема независимых испытаний Бернулли. Предельная теорема Пуассона.
- •5. Классификация случайных величин.
- •2) Непрерывные случайные величины.
- •6. Математическое ожидание и его свойства.
- •7. Дисперсия и ее свойства.
- •Свойства дисперсии:
- •8. Характеристические функции и их свойства.
- •Свойства характеристической функции :
- •Способы описания св:
- •9.Теорема об обращении характеристической функции.
- •1 1. Виды сходимости случайных последовательностей.
- •13.Критерий сходимости в среднем квадратичном.
- •15. Усиленный закон больших чисел.
- •16. Центральная предельная теорема.
- •10.Производящие функции и их свойства.
- •17. Определение случайного процесса.
- •19. Статистические средние характеристики случайных процессов.
- •20. Сходимость в среднем квадратичном для случайных процессов.
- •21. Непрерывность случайных процессов.
- •22. Дифференцируемость случайных процессов.
- •23. Интегрирование случайных процессов.
- •24. Стохастические обыкновенные дифференциальные уравнения.
- •25. Процессы с независимыми приращениями.
- •26. Гауссовский случайный процесс.
- •27. Винеровский случайный процесс.
- •28. Марковские случайные процессы и цепи маркова определения.
- •29. Однородные цепи Маркова.
- •32. Уравнения Чепмена-Колмогорова.
- •33. Нахождение вероятностей переходов с помощью производящих функций.
- •34. Классификация состояний цепи Маркова по арифметическим свойствам вероятностей перехода
- •35. Свойство периода состояния.
- •36. Классификация состояний по асимптотическим свойствам переходных вероятностей
- •37. Критерий возвратности состояний.
- •38.Эргодические цепи Маркова
- •40. О средних временах переходов между состояниями
- •41. Стационарные цепи Маркова
- •42. Оптимальные стратегии в марковских цепях
- •43. Система диф.Ур-ий Колмогорова для однородной цепи Маркова с конеч.Числом состояний.
- •44. Процесс гибели и размножения
- •49. Обобщенное уравнение Маркова
- •50.Диффузионные процессы
- •51. Обратное уравнение Колмогорова
- •45. Марковские системы массового обслуживания.
- •Рассмотрим систему с простейшим потоком и экспоненциальным обслуживанием
- •46. Система обслуживания м / м / 1
- •47.Система м / м / n / 0
- •48. Система обслуживания м / м / n
- •52.Прямое уравнение Колмогорова для диффузных процессов
- •53. Стохастический интеграл Ито
- •54. Стохастический интеграл в форме Стратоновича
- •55. Стохастические дифференциальные уравнения
- •39. Закон больших чисел для цепей Маркова с конечным числом состояний.
- •57. Стационарность гауссовского случ.Процесса.
- •58. Теорема Бохнера., спектральная плотность случ.Процесса.
- •60. Мартингалы.
- •18. Пуассоновский случ.Процесс
- •Классическое и геометрическое определение вероятности, элементы комбинаторики
19. Статистические средние характеристики случайных процессов.
Опр. Средним значением случайного процесса ξ(t) mξ(t) наз-ся математическое ожидание случайного процесса в момент времени t:
Оно определяется одномерной функцией распределения F(x,t).
Опр. Дисперсией случайного процесса ξ(t) наз-ся дисперсия сечения случайного процесса, которая так же определяется одномерным распределением:
Опр. Корреляционной функцией случайного процесса ξ(t) наз-ся математическое ожидание произведения двух сечений случайного процесса в моменты времени t1, t2:
Опр. Ковариационная функция случайного процесса ξ(t) – это математическое ожидание произведения центрированных сечений процесса в моменты времени t1, t2:
Величину
Называют нормированной ковариационной функцией, или коэффициентом корреляции случайного процесса. При t1=t2=t ковариационная функция совпадает с дисперсией случайного процесса:
Для двух случайных процессов ξ(t) и η(t) вводится понятие взаимной функции корреляции, или кросс-корреляции:
а совместная ковариационная функция двух случайных процессов определяется как матричная функция
Свойства корреляционной функции:
Корреляционная функция является симметричной функцией своих аргументов Rξ(t1,t2)= Rξ(t2,t1).
2. .
Док-во. Следует из нер-ва Коши-Буняковского для мат. ожиданий M2(uv)≤Mu2Mv2. Обозначив в нем u= ξ(t1),
v= ξ(t2), имеем M2[ξ(t1) ξ(t2)]= Mξ2(t1) Mξ2(t2).
3. Корреляционная функция случайного процесса является положительно определенной, т.е. n и действительных λ1, λ2,…, λn: .
4.Пусть Тогда
20. Сходимость в среднем квадратичном для случайных процессов.
Процесс удовлетворяющий условию M|ξ(t)|2<+∞ называются процессами с конечными моментами второго порядка, или гильбертовыми процессами.
Опр. Посл-сть ξh(t) сходится к ξ(t) по вероятности при h→h0, если т.е. .
Опр. Последовательность ξh(t) сходится к ξ(t) в среднем квадратичном при h→h0, если т.е. или
Лемма. Если и , то
Док-во. Рассмотрим математическое ожидание разности Воспользуемся неравенством Коши-Буняковского
Т.к. рассматриваются процессы с ограниченными моментами второго порядка, то Mξ2(t)<+∞, Mη2(t)<+∞. По условию леммы и определению сходимости в среднем квадратичном, остальные сомножители в правой части стремятся к нулю при h,l→h0. поэтому
Т. Для того чтобы , необходимо и достаточно, чтобы существовал предел
Док-во. Необходимость. Пусть . В качестве ηl(t) возьмем ξl(t), тогда . Тогда, по доказанной лемме
Достаточность. Пусть существует конечный предел Тогда
то есть посл-сть сходится ξh(t). По лемме Больцано-Вейерштрасса из нее можно выделить подпосл-ть, сходящуюся к ξ(t):
Используя нер-во (a+b)2≤2a2+2b2 покажем, что послед-сть ξh(t) сходится к этому же пределу ξ(t). Имеем
Тогда с учетом (3) и (4) получаем, что
Следствие. Для того чтобы где η-СВ с конечным вторым моментом, необходимо и достаточно, чтобы
21. Непрерывность случайных процессов.
Опр. Случайный процесс ξ(t) называется стохастически непрерывным в точке t0, если
Стохастическая непрерывность процесса относится к свойствам, однозначно определяемым ее двумерным распределением.
Опр. Случайный процесс ξ(t) называется непрерывным в среднем квадратичном в точке t0, если
Из непрерывности в среднем квадратичном в точке t следует стохастическая непрерывность ξ(t) в той же точке. Это следует из неравенства Чебышева:
Т.1(критерий непрерывности в среднем квадратичном). Для того чтобы процесс ξ(t) был непрерывен в среднем квадратичном в точке t0, необходимо и достаточно, чтобы его корреляционная функция R(t1, t2) была непрерывной в точке t0=t1=t2.
Док-во. Необходимость. Пусть случайный процесс ξ(t) непрерывен в среднем квадратичном в точке t0, т.е.
Рассмотрим модуль разности, применяя для него неравенство Коши-Буняковского,
Поскольку корреляционная функция R(t1, t2) непрерывна в точке t0=t1=t2, то обе последние разности стремятся к нулю при t→t0, а это и означает, что соотношение (1) выполняется.
Т. 2. Если R(t1, t2) непрерывна то R(t1, t2) непрерывна, т.е. из непрерывности корреляционной функции при совпадающих аргументах следует ее непрерывность.
Док-во. Так как R(t1, t1) и R(t2, t2) непрерывны, то из Т.1 следует, что
Тогда имеем