Среднее квадратическое отклонение случайного процесса
Средним квадратическим отклонением (с. к. о.) ax ( t ) случайного процесса Х( t ) называется арифметическое значение корня квадратного из дисперсии Dx ( t ):
(формула 1.23) размерность функции равна размерности случайного процесса Х( t ).
Введенные нами характеристики случайного процесса X ( t ): 1. математическое ожидание случайного процесса mx ( t ) 2. дисперсия случайного процесса Dx ( t ) 3. Среднеквадратическое отклонение ) являются весьма важными, но отнюдь не исчерпывающими, так как определяются только одномерным законом распределенияслучайного процесса. Поясним сказанное на примере. Так, например, у случайного процесса X1 ( t ) и X 2 ( t ), представленных на рисунке 1.1.8 примерно одинаковые математические ожидания и дисперсии Рисунок 1.1.8 Однако внутренняя структура этих процессов резко различна. Случайный процесс X1 ( t ) имеет плавно меняющиеся реализации, тогда как случайный процесс X2(t) имеет резко выраженную колебательную структуру. Для процесса X1 ( t ) характерна большая предсказуемость реализаций: если реализация процесса X1 ( t ) была в какой-то момент времени t больше его математического ожидания mx 1 ( t ), то с большой вероятностью можно ожидать, что и ее продолжение будет лежать выше кривой mx i ( t ). Другими словами, для случайного процесса X1 ( t ) характерна сильная вероятностная зависимость между двумя его сечениями X1 ( t ) и X1 ( t ') .
Однако как видно из приведенного выше рисунка, это утверждение не справедливо для случайного процесса X2(t), который характеризуется неправильными, беспорядочными колебаниями. Между его сечениями X2(t) и X2(t') практически нет вероятностной зависимости при достаточном удалении сечений (эта вероятностная зависимость быстро уменьшается по мере увеличения разности (t- t '). Известно, что степень линейной зависимости (связи) между двумя случайными величинами X и Y определяется их ковариацией: (формула 1.2 4 ) Аналогичная характеристика вводится и для случайного процесса. Рассмотрим две случайные величины - два сечения случайного процесса для моментов времени t и t ': X (t) и X (t'). Для этих двух случайных величин можно найти ковариацию- обозначим еекак Kx(t, t')): (формула 1.25) Функция, отраженная в формуле (1.25) называется корреляционной функцией случайного процесса X (t). Определение (1.15) Корреляционная функция случайного процесса X (t). Корреляционной функцией случайного процесса X (t)называется неслучайная функция Kx ( t , t ') двух аргументов t и t ', которая при каждой паре значений аргументов t и t ' равна ковариации соответствующих сечений случайного процесса: X ( t ) и X ( t '). Рассмотрим основные свойства корреляционной функции Kx(t,t') случайного процесса X (t). 1. При равенстве аргументов (t= t') к. ф. равна дисперсии с. п. X (t). Действительно
Рисунок 1.1.9
(формула 1.26) 2. Корреляционная функция Kx ( t , t ') симметрична относительно своих аргументов. Данное свойство корреляционной функции непосредственно происходит из определения 1.15.
(формула 1.27) 3. Корреляционная функция Kx ( t , t ') является положительно определенной.
(формула 1.28) где а( t )-произвольная функция аргумента t , В-произвольное подмножество множества Т, на котором определен случайный процесс X( t ). Определение (1.16)
Популярное: Личность ребенка как объект и субъект в образовательной технологии: В настоящее время в России идет становление новой системы образования, ориентированного на вхождение... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (332)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |