Эта функция зависит от двух аргументов:
1. во-первых, от значения t , для которого берется сечение; 2. во-вторых, от значения х, меньше которого должна быть случайной величины X ( t )
(рисунок 1.1.4). Функция (1.4) называется одномерным законом распределения случайного процесса X ( t ) Данная функция характеризует только свойства одного отдельно взятого сечения случайного процесса X ( t ), но не дает понятия о совместном распределении двух (или более) сечений случайного процесса. Очевидно, одномерный закон распределения (1.4) не может служить полной, исчерпывающей характеристикой случайного процессаX ( t ). Очевидно также, что более полной, но все еще не исчерпывающей характеристикой будет двумерный закон распределения, представленный совместной функцией распределения двух сечений случайного процесса, взятых соответственно для моментов t 1 и t 2 (формула 1.5) Это функция уже не двух, а четырех аргументов: двух моментов времени, для которых берутся сечения, и двух значений x 1 и x 2 Однако и двумерный закон распределения (формула 1.5) еще не является исчерпывающей характеристикой случайного процесса Х(t) еще более полной характеристикой будет трехмерный закон (формула 1.6) Очевидно, теоретически можно неограниченно увеличивать число сечений и получать при этом все более полную характеристику случайного процесса. Однако оперировать со столь громоздкими характеристиками, зависящими от многих аргументов, крайне неудобно; к тому же объем экспериментального материала, необходимого для их получения, с увеличением числа сечений растет чрезвычайно быстро. Поэтому на практике более чем двумерные законы распределения применяются крайне редко. В инженерных приложениях обычно ограничиваются одномерным, иногда — двумерным законом распределения с. п. Нередко этого оказывается и достаточно. Рисунок 1.1.5
Для решения практических инженерных задач при исследовании случайных процессов пользуются его основными характеристиками, описывающими с. п. не полностью, а частично. Основные характеристики будут представлены функциями аргумента t , от которого зависит случайный процесс X ( t ). Первой и важнейшей характеристикой X ( t ) является его математическое ожидание, т. е. «средняя» функция, вокруг которой происходит разброс реализаций с. п. Рисунок 1.1.6 Необходимо заметить, что эта функция, характеризующая «среднее» значение случайного процесса, является сама уже неслучайной. Обозначим ее mx ( t ). Обозначим ее mx ( t ). Определение (1.9) Математическое ожидание случайного процесса Х( t ) Математическим ожиданием случайного процесса Х( t ) называется неслучайная функция mx ( t ), которая при любом значении аргумента t равна математическому ожиданию соответствующего сечения случайного процесса
(формула 1.7) Зная одномерный закон распределения с. п. X ( t ),всегда можно найти mx ( t ) для любого сечения и установить его зависимость от t. Известно, если с. в. X дискретна ее математическое ожидание находится как сумма произведений ее возможных значений на их вероятности: (формула 1.8) если она непрерывна и имеет плотность f ( x )- м.о. вычисляется как интеграл: (формула 1.9) Математическое ожидание смешанной с. в. X находится как сумма произведений значений с. в., обладающих отличными от нуля вероятностями, на эти вероятности плюс интеграл, распространенный на участки непрерывности функции распределения F ( x ). Совершенно аналогично, зафиксировав t и переходя от случайного процесса к случайной величине (его сечению), можно вычислить м.о. этого процесса. Например, если сечение с. п. Х( t ) при данном tпредставляет собой дискретную с. в. с рядом распределения:
то его м.о. может быть вычислено по формуле (формула 1.10) Здесь х1, x 2, xi первое, второе i-e, значения, которые может принимать случайная величина X ( t ) сечение с. п. при данном t; p 1 ( t ), p 2 ( t ), pi ( t ) соответствующие вероятности p 1 ( t )= Р { X ( t )= x 1 ( t )}…. pi ( t )= Р { X ( t )= xi ( t )} Очень часто встречается случай, когда значения с. в. Х( t ) не зависят от t, а зависят от t только их вероятности; в этом случае ряд распределения имеет вид Если сечение с. п. X ( t ) при данном t представляет собой непрерывную с. в. с плотностью f ( t , х), его м.о. может быть вычислено по формуле:
(формула 1.11) Для случая смешанной случайной величины X ( t )м.о., как обычно, вычисляется как сумма плюс интеграл. Размерность функции mx(t) равна размерности с. п. X ( t ). На практике чаще всего математическое ожидание mx ( t ) с. п. вычисляется не по его одномерному закону распределения, а заменяется приближенной оценкой, которую можно найти по опытным данным. Введем понятие центрированного случайного процесса; оно аналогично понятию центрированной с. в. Определение (1.10)
Популярное: Почему люди поддаются рекламе?: Только не надо искать ответы в качестве или количестве рекламы... Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (223)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |