- •Практикум
- •Кафедра "Методи та прилади контролю якості і сертифікації продукції"
- •Практикум
- •Практичне заняття №1 розрахунок ймовірнісних характеристик інформаційних сигналів
- •1.1 Основні теоретичні відомості
- •1.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 1.4 Щільність ймовірності кривої, яка огинає вузькосмуговий процес Гауса, описується таким виразом:
- •1.3 Завдання для самостійної роботи
- •Задача 1.9 Функція розподілу стаціонарної випадкової напруги u(t) має вигляд:
- •1.4 Запитання для самоконтролю
- •Практичне заняття №2 розрахунок кореляційних функцій аналогових інформаційних сигналів
- •2.1 Основні теоретичні відомості
- •2.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 2.8 При заданій графічно спектральній щільності середньої потужності (рис.2.9) визначити кореляційну функцію стаціонарного випадкового процесу.
- •2.3 Завдання для самостійної роботи
- •Задача 2.13 Визначити кореляційну функцію і дисперсію стаціонарного випадкового процесу, який володіє спектральною щільністю середньої потужності
- •2.4 Запитання для самоконтролю
- •Розрахунок коефіцієнтів ряду фур’є при апроксимації періодичних сигналів
- •3.1 Основні теоретичні відомості
- •3.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •3.3 Завдання для самостійної роботи
- •3.4 Запитання для самоконтролю
- •Практичне заняття №4 розрахунок спектральних характеристик аналогових інформаційних сигналів
- •4.1 Основні теоретичні відомості
- •4.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Кореляційна функція записується виразом:
- •4.3 Завдання для самостійної роботи
- •4.4 Запитання для самоконтролю
- •5.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •5.3 Завдання для самостійної роботи
- •5.4 Запитання для самоконтролю
- •6.2 Методичні рекомендації для розв’язуванню задач (на прикладах).
- •6.3 Завдання для самостійної роботи
- •6.4 Запитання для самоконтролю
- •Практичне заняття №7 цифрове обчислення кореляційних функцій дискретизованих періодичних і випадкових сигналів
- •7.1 Основні теоретичні відомості
- •7.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •7.3 Завдання для самостійної роботи
- •7.4 Запитання для самоконтролю
- •8.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •8.3 Завдання для самостійної роботи
- •8.4 Запитання для самоконтролю
1.2 Методичні рекомендації для розв’язування задач (на прикладах)
Задача 1.1 Задано коливання (t)=x(t)(t), де x(t)-випадковий стаціонарний процес; (t)-невипадкова функція часу. Визначити, чи є задане коливання стаціонарним процесом.
Розв`язування:
Для перевірки стаціонарності коливання (t) визначимо його математичне сподівання і дисперсію:
M[(t)]=M[x(t)(t)]=M[x(t)](t),
D[(t)]=D[x(t)(t)]=D[x(t)]2(t).
Оскільки статистичні характеристики функції (t) залежать від часу, процес (t) є нестаціонарним.
Задача 1.2 Випадкове коливання (t) в будь-якому січенні являє собою неперервну випадкову величину з одновимірною щільністю випадковості р(х,t). Визначити в загальному виді вираз для математичного сподівання т(t) і дисперсії D(t) коливання (t). Зобразити приблизно вид реалізації випадкових процесів:
а) нестаціонарних по математичному сподіванню;
б) нестаціонарних по дисперсії;
в) нестаціонарних по математичному сподіванню і дисперсії одночасно;
Розв`язування:
Математичне сподівання і дисперсія випадкового коливання (t) можуть бути записані у вигляді:
Реалізації процесів, в яких від часу залежить тільки т(t), тільки D(t) або т(t) і D(t) показані відповідно на рис.1.3 а,б,в.
а – при змінному математичному сподіванню;
б – при змінній дисперсії;
в – при змінних математичному сподіванні і дисперсії.
Рисунок 1.3— Графік зображення випадкових процесів (до задачі 1.2)
Задача 1.3 По заданій щільності імовірності стаціонарного випадкового процесу (електричного струму) р(і)=і2 ехр(-ki), k>0, 0 і< , визначити коефіцієнт , функцію розподілу р(і) і ймовірність перебування значення і в інтервалі (0,1/k). Побудувати графіки функцій р(і) і Р(і) для випадку коли k=3 А-1.
Розв`язування:
З умови випливає:
Функція розподілу
Ймовірність попадання значення і(t) в інтервал (0,1/k):
Графіки функцій
показані на рис.1.4 а,б.
а – щільність ймовірності;
б – функція розподілу.
Рисунок 1.4— Графік ймовірнісних характеристик (до задачі 1.3)
Задача 1.4 Щільність ймовірності кривої, яка огинає вузькосмуговий процес Гауса, описується таким виразом:
Визначити математичне сподівання цього коливання.
Розв`язування:
Математичне сподівання кривої, яка огинає вузькосмуговий процес Гауса, визначимо із виразу:
Провівши заміну змінної знайдемо
Іінтегруючи по частинам отримаємо
Задача 1.5 Напруга на виході вимірювального підсилювача представляє собою нормальний стаціонарний випадковий процес з математичним сподіванням ти=-50мВ і дисперсією Du=0.01 B2. Визначити імовірність того, що миттєве значення напруги по абсолютній величині не буде більшим 150 мВ.
Розв`язування:
Задача зводиться до визначення імовірності того, що додатне відхилення випадкової величини U від середнього значення ти=-50мВ залишиться в межах 0...200 мВ, а відємне відхилення-в межах 0...-100 мВ.
Імовірності цих двох подій рівні відповідно:
де — функція Лапласа.
Сумісна імовірність двох вказаних подій буде:
тобто, імовірність того, щонапруга на виході підсилювача не виходить за межі –100...+200 мВ, складає 0,8185.
Задача 1.6 Проекція X радіус-вектора випадкової точки кола радіуса a на діаметр має функцію розподілу:
Визначити:
а) ймовірність того, що X буде належати ;
б) квантиль x0,75 (таке x, коли F(x)=0,75);
в) щільність ймовірності f(x) випадкової величини X;
г) моду і медіану розподілу.
Розв'язування:
а) ймовірність того, що X виявиться в межах дорівнює:
;
б) за умовою p=0,75, тому розв'язуючи рівняння
,
знаходимо ;
в) щільність ймовірності f(x) випадкової величини X дорівнює:
для всіх х в інтервалі (-а, а)
.
нулю для всіх інших значень х;
г) закон арксинуса моди не має, так як функція не має максимуму.
Розв'язуючи рівняння , знаходимо медіану х0,5=0.
Задача 1.7 Нехай задана щільність ймовірності випадкової величини f(x). Знайти математичне очікування M[X], дисперсію D[X], середнє квадратичне відхилення σх та центральні моменти третього і четвертого порядків.
Розв'язування:
Початковий момент k-го порядку:
.
Початковий момент першого порядку (математичне очікування M[X]):
.
Центральний момент другого порядку (дисперсія D[X], або квадрат середнього квадратичного відхилення σх), який характеризує розсіювання випадкової величини:
.
Центральний момент третього порядку, який характеризує відхилення кривої функції щільності ймовірності від симетричної форми:
.
Прикладом симетричної кривої є форма функції щільності ймовірності для закону нормального розподілу випадкової величини.
Центральний момент четвертого порядку, який характеризує гостровершинність кривої функції щільності ймовірності :
.