Xreferat.com » Рефераты по математике » Случайные процессы

Случайные процессы

loading="lazy" src="http://xreferat.ru/image/54/1306470989_86.gif" alt="Случайные процессы" width="364" height="31" align="BOTTOM" border="0" />

Случайные процессы . (73.1)

Соответствующая условная функция распределения вероятностей Случайные процессы порядка Случайные процессы при условии, что случайный процесс в моменты времени Случайные процессы принимает значения Случайные процессы определяется соотношением:

Случайные процессы

Случайные процессы . (73.2)

Соотношения между условной плотностью Случайные процессы и условной функцией распределения вероятностей Случайные процессы аналогичны соотношениям для соответствующих безусловных функций, например, справедливо равенство:

Случайные процессы

Случайные процессы. (72.3)

В простейшем варианте при Случайные процессы формула (73.1) для условных плотностей принимает вид:

Случайные процессы . (73.4)

Отсюда

Случайные процессы . (73.5)

Поскольку плотность второго порядка симметрична относительно перестановок пар Случайные процессы и Случайные процессы , то из (73.5) следует

Случайные процессы . (73.6)

Соотношения (73.5), (73.6) - это формулы умножения для плотностей. Очевидна аналогия этих формул с формулой умножения вероятностей. Используя свойство согласованности, из (73.6) получим

Случайные процессы . (73.7)

Это соотношения аналогично формуле полной вероятности. Далее, выражения (73.6), (73.7) подставим в (73.4), тогда

Случайные процессы . (73.8)

Данное соотношение представляет собой аналог формулы Байеса.

 

Примеры математических моделей случайных процессов

 

Из соотношения (73.1) следует

Случайные процессы

Случайные процессы . (74.1)

Отметим, что здесь произведение первых двух сомножителей, согласно (73.1), равно

Случайные процессы . (74.2)

Аналогично, произведение первых трех сомножителей в (74.1) равно

Случайные процессы . (74.3)

 

74.1. Случайный процесс Случайные процессы называется процессом с независимыми значениями, если случайные величины Случайные процессы независимы в совокупности для любого Случайные процессы и всех различных Случайные процессы. При этом соотношение (74.1) принимает вид:

Случайные процессы . (74.4)

Таким образом, Случайные процессы- мерная плотность распределения вероятности Случайные процессы случайного процесса с независимыми значениями полностью определяется через его одномерную плотность вероятности Случайные процессы. Столь простая структура Случайные процессы- мерной плотности позволяет во многих случаях легко находить решения задач. Однако, столь простая математическая модель (74.4) может оказаться неадэкватной исследуемому процессу. Тогда результаты теоретических расчетов, основанные на формуле (74.4), не соответствуют результатам опыта, и возникает необходимость построения более сложной математической модели исследуемого процесса с учетом статистических связей между его различными сечениями Случайные процессы, Случайные процессы, что позволит получить более точное описание свойств исследуемого процесса.

 

74.2. Случайный процесс Случайные процессы называется процессом с ортогональными значениями, если

Случайные процессы (74.5)

для любых моментов времени Случайные процессы.

 

74.3. Случайный процесс Случайные процессы называется процессом с независимыми приращениями, если случайные величины Случайные процессы и Случайные процессы независимы для любых неперекрывающихся отрезков Случайные процессы, Случайные процессы.

74.4. Пусть моменты времени Случайные процессы - упорядочены по индексу. Случайный процесс Случайные процессы называется марковским, если его условная плотность вероятности удовлетворяет равенству:

Случайные процессы . (74.6)

Таким образом, для марковского процесса случайная величина Случайные процессы зависит только от Случайные процессы и не зависит от всех Случайные процессы, Случайные процессы. Принято говорить, что марковский процесс помнит свою историю только на один шаг.

Соотношение (74.1) для марковского процесса принимает вид:

Случайные процессы.

(74.7)

Отсюда следует, что, Случайные процессы- мерная плотность распределения вероятности Случайные процессы случайного марковского процесса полностью определяется его двумерной плотностью Случайные процессы, поскольку одномерная плотность Случайные процессы и условная Случайные процессы определяются через Случайные процессы по формулам (73.7) и (73.4).

Марковский процесс можно рассматривать как обобщение процесса с независимыми значениями, в том смысле, что последний не помнит свою историю, а марковский процесс помнит свою историю на один шаг. Но и марковский процесс можно усложнить, удлиняя его память на два шага, на три шага и т.д. В результате получаются более точные математические модели исследуемого процесса, что, однако, достигается их усложнением. Такие модели также принято называть марковскими процессами, но самая простая из них, с памятью в один шаг (74.7), в этом ряду называется простейшим марковским процессом.

 

Стационарные процессы

 

75.1. Случайный процесс Случайные процессы называется строго стационарным, если его Случайные процессы - мерная плотность вероятности удовлетворяет условию:

Случайные процессы (75.1)

для любого Случайные процессы. Отсюда при Случайные процессы и Случайные процессы получим

Случайные процессы . (75.2)

Это равенство означает, что плотность первого порядка Случайные процессыне зависит от времени Случайные процессы. При этом математическое ожидание случайного процесса

Случайные процессы (75.3)

- величина постоянная, не зависимая от времени. Аналогично, постоянными для этого процесса являются среднее квадрата Случайные процессы и дисперсия Случайные процессы. Пусть Случайные процессы и Случайные процессы, тогда из (75.1) следует равенство

Случайные процессы . (75.4)

Таким образом, плотность второго порядка Случайные процессы зависит от временных аргументов Случайные процессы через их разность Случайные процессы. Поэтому корреляционная функция Случайные процессы и ковариационная функция Случайные процессы также являются функциями разности Случайные процессы своих аргументов.

В общем случае в соотношении (75.1) можно положить, например, Случайные процессы, тогда плотность Случайные процессы зависит от Случайные процессы временных аргументов Случайные процессы Следовательно, моментные функции, которые в общем случае зависят от Случайные процессы временных аргументов Случайные процессы, для строго стационарных случайных процессов также зависят от Случайные процессы временных аргументов Случайные процессы

 

75.1. Раздел теории случайных процессов, в котором излагаются основные свойства функций Случайные процессы и Случайные процессы, принято называть корреляционной теорией случайных процессов. Таким образом, в рамках корреляционной теории рассматриваются моментные функции не более, чем второго порядка. В связи с этим вводится специальное определение стационарности.

Случайный процесс Случайные процессы называется стационарным в широком смысле (по Хинчину), если его математическое ожидание Случайные процессы и дисперсия Случайные процессы - величины постоянные, не зависимые от времени Случайные процессы, а корреляционная функция Случайные процессы зависит от аргументов Случайные процессы через их разность Случайные процессы.

 

Литература

 

1. Вентцель Е.С. Теория вероятностей: Учебник для вузов. М.: Высшая школа, 1999. - 575с.

2. Коваленко И.Н., Филиппова А.А. Теория вероятностей и математическая статистика. М.: Высшая школа, 1973. - 368с.

3. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения М.: Высшая школа, 2000. - 480с.

4. Гмурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1999. - 479с.

5. Пытьев Ю.П., Шишмарев И.А. Курс теории вероятностей и математической статистики для физиков. М.: Изд-во Моск. ун-та, 1983. - 256с.

6. Пугачев В.С. Теория вероятностей и математическая статистика. М.: Наука, 1979. - 496с.

7. Колемаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991. - 400с.

8. Фигурин В.А., Оболонкин В.В. Теория вероятностей и математическая статистика. М.: Новое знание, 2000. - 206с.

9. Чистяков В.П. Курс теории вероятностей. М.: Наука, 1982. - 256с.

10. Боровков А.А. Теория вероятностей. М.: Наука, 1976. - 352с.

11. Кремер Н.Ш. Теория вероятностей и математическая статистика. М.: ЮНИТИ, 2000. - 543с.

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: