- •1. Стохастическая зависимость. Регрессионная зависимость. Эмпирическая функция регрессии.
- •2. Линейная регрессия.
- •3. Статистический коэффициент корреляции
- •5. Статистический коэффициент корреляции. Условие отсутствия линейной корреляционной связи между св.
- •6. Критерий существования линейной функциональной связи между св
- •7. Критерий совпадения линий регрессии y на X и X на y.
- •8. Статистический коэффициент корреляции как мера тесноты линейной корреляционной связи между случайными величинами.
- •9. Статистическое корреляционное отношение. Оценка статистического корреляционного отношения.
- •10.Условие отсутствия корреляционной связи между св. Функциональная зависимость св.
- •11.Корреляционное отношение как мера тесноты корреляционной связи между св.
- •12.Определение случайного процесса (сп). Законы распределения случайных процессов.
- •13.Основные характеристики случайных процессов
- •14.Классификация случайных процессов.
- •15. Непрерывность случайных процессов.
- •16.Дифференцируемость случайного процесса в среднем квадратичном
- •17.Интегрируемость случайного процесса в среднем квадратичном
- •18.Винеровский процесс как математическая модель процесса броуновского движения.
- •19.Винеровский процесс как математическая модель процесса броуновского движения.
- •21. Пуассоновский процесс, его одномерный закон распределения.
- •22.Свойства однородности и отсутствия последствий Пуассоновского процесса(пп).
- •24.Марковский процесс и его свойства.
- •25.Уравнение Колмогорова- Чемпена.
- •26.27. Коэф-т эргодичности. Эргодическая теорема для однородного Марковского процесса.
- •28.Однородный марковский процесс. Распределение времени ожидания выхода системы из исходного состояния.
- •29. Прямая и обратная системы ду Колмогорова.
- •30. Ветвящиеся процессы. Производящие функции.
- •31.Ветвящиеся процессы. Дифф уравнение для производящей функции.
- •32.33.34 Анализ ду для производящей функции ветвящегося процесса. Стремление к стационарному состоянию. Исследование вопроса о числе интегральных кривых, проходящих через точку (0,1).
- •35.Эффекты вырождения и взрыва ветвящегося процесса
- •36, 37 Каноническое разложение случайного процесса
- •38.Спектральное разложение стационарного случайного процесса
22.Свойства однородности и отсутствия последствий Пуассоновского процесса(пп).
Однородность.
Покажем, что ПП является однородным , а именно При фиксированном не зависит от .
Пусть X(t)- ПП с данным параметром .Пусть и фиксировано. Рассмотрим новый случайный процесс: ,
Докажем, что это случайный ПП с тем же параметром .
1)
2) , интервалы и не пересекаются.
Т.к. интервалы и не пересекаются, то не будут пересекаться и интервалы и . X(t)-процесс с независимыми приращениями, то тоже будет независимая случайная величина. Т.о. процесс с независимыми приращениями.
3)Очевидно, что в случайный момент времени получает приращения =1.Т.к. таким свойством обладает случайный процесс X(t).
Кроме того рассмотрим или Т.о. -это ПП с тем же, что и X(t) параметром .А поэтому распределение вероятности:
Этим в силу произвольности доказана однородность случайного процесса X(t).
Отсутствие последствий.
и В силу независимости приращений имеем:
и не пересекаются.
Случайный процесс обладающий таким свойством называется процессом беспоследствия
23. Закон распределения интервала времени между последовательными скачками Пуассоновского процесса.
Пусть -СВ равная длине интервала времени между 2-мя последовательными скачками Пуассоновского процесса Х(t) с параметром .
Пусть предыдущий скачок произошел в момент времени t0
Находим функцию распределения величины :
Т.е. СВ имеет распределительный с параметром закон распределения.
24.Марковский процесс и его свойства.
Рассмотрим семейство целочисленных СВ X(t), -время. Значение X(t) –это возможное состояние некоторой системы. Эти состояния нумеруются (0-е, 1-ое, 2-ое, …). Обознач: i,j, . Т.о. величины X(t) описывает случайный процесс (СП) переходов из одного состояния в другое.
Свойства: Предполагаем, что для где n-любое, таких что выполняется равенство: - произвольные состоян. процесса X(t).
Это свойство называется свойством Марковости. Предполагаем, что для таких, что и для возможных состояний процесса: i,j имеет место:
т.е. указанная условная вероятность не зависит от расположения мом. времени на временной оси, а зависит лишь от разности между этими моментами: - функция от . Это св-во наз. св-ом однородности.
Опр. СП указанного вида обладает св-ми Марковости, однородности и назыв. однородным марковским процессом со счетным числом состоянии. СП обладающий св-ом Марковости наз-ся Марковским, однако мы будем рассм. именно однородные марковские процессы. Опр. Условная вер. наз. переходной вер-ю.(вер. перехода из состояния в состояние ).
25.Уравнение Колмогорова- Чемпена.
Теорема: Переходные вероятности однор. марк. процесса X(t) , удовлетвор рав-ву:
Доказательство. Выпишем одно слагаемое прав. части формулы:
Просуммируем по всем k обе части этого рав-ва:
Т.е у нас есть
;
Ч.т.д.
26.27. Коэф-т эргодичности. Эргодическая теорема для однородного Марковского процесса.
Эргодичность – из теории динамических систем означает св-во таких систем, что при некот, усл-ях состояния системы эволюционирующих во времени нах-ся близко к своим состояниям. (св-во динамических систем)
Рассмотрим однородный Марковский процесс с бесконечным, или конечным числом состояний.
Опр: Величина наз-ся коэф. эргодичности.
Замечание: Коэф. эргодичности удовлетворяет:
Д-во: и => => => Ч.т.д.
Теорема: Если k(τ)>0, τ>0, то существуют пределы , j=1,2... (кроме существования этих пределов в ф-ле есть: предельные вер-сти не зависят от начального состояния i)
Д-во: Зафиксируем произв. и произв. состояние. Для произв. пары t, j определим 2 величины: - это конечная величина не превосходящая 1. Справедливо: (*) ,
Возьмем произв. момент времени , i- произв. состояние процесса.
{Исп. т. Вейерштрасса: достаточное усл-е существования предела монотонной огр-ой ф-ции}
Рассм. (**) {Согласно Ур-ию Колмогорова - Чепмена}
Рассм. (хотим п-ть, что и имеют конечный предел при )
, где
Из последней строчки и рав-ва (**) вытекает:
Из этого нер-ва следует
Отсюда следует, что – не убывает, при добавлении s, может только возрасти.
Аналогично - не возрастает. – ограниченно сверху и возрастает
– ограниченно снизу и убывает
Установили выполнение условий теоремы Вейерштрасса, следовательно, и
Док-м, что эти пределы равны:
Рассм. след. разность: τ – из условия
Х – мн-во, причем .
Используем ур-е Колмогорова - Чепмена:
={разбиваем сумму под знаком sup на 2 суммы, и это разбиение – при произв. фиксир. и }= {ч/з и обозн. суммы, для кот-ых разность ‘+’ и ‘-’ соответственно}=
Имеет место: , где .
Тогда П-жем, что и отличаются только знаком: , где и
То есть . Т.о. {d=1-k(t); k(t)>0; }= {нами д-но: }
Рассм .
{исп. выведенное нер-во n раз}
Теперь .
Мы установили ранее, что существуют пределы, а из последнего следует, что эти пределы совпадают:
Обозн. значение предела: ; Ч.т.д.