- •Тема 1. Основные понятия теории случайных процессов 68
- •Понятие подмножества. Свойства подмножеств.
- •Операции над множествами.
- •Дистрибутивные законы.
- •Законы Моргана.
- •Конечные множества и их элементы.
- •Понятие алгебры множеств σ – алгебры.
- •Борелевские множества. Борелевскаяσ– алгебра.
- •Выбор с возвращением.
- •Выборка без возвращения.
- •Размещения с повторениями.
- •Теория вероятностей. События и их классификация.
- •Операции над событиями.
- •Понятие вероятности.
- •Вечерняя электричка.
- •Геометрический подход.
- •Задача Бюффона.
- •Аксиоматический подход к вероятности. Вероятностное пространство. Аксиомы вероятности Колмогорова.
- •Вероятности, вытекающие из аксиом.
- •Задача о совпадениях.
- •Условная вероятность. Правило умножения вероятностей.
- •Независимость событий.
- •Задача о наилучшем выборе.
- •Расчет работоспособности цепей
- •Формула полной вероятности.
- •Задача о разорении игрока.
- •Формула вероятностей гипотез. (Формула Байеса)
- •Случайные величины.
- •Дискретные случайные величины.
- •Свойства функции распределения.
- •Биноминальное распределение (Независимые испытания по схеме Бернулли).
- •Асимптотическое представление формулы Бернулли.
- •Теорема (формула) Пуассона.
- •Локальная теорема Муавра-Лапласа.
- •Интегральная теорема Муавра-Лапласа.
- •Независимые случайные величины
- •Операции над случайными величинами:
- •Математическое ожидание
- •Свойства математического ожидания
- •Функции случайного аргумента и их мат. Ожидание.
- •Дисперсия
- •Свойства дисперсии
- •Свойства условных вероятностей и плотностей вероятностей
- •Условное математическое ожидание
- •Корреляционный момент (корреляция) двух случайных величин
- •Свойства корреляционного момента
- •Коэффициент корреляции и его свойства
- •Свойства
- •Уравнения Регрессии
- •Характеристики
- •Неравенство Чебышева
- •Нормальное распределение с параметрами (а;σ)
- •Основные свойства кривой Гаусса
- •Расчет доверительных интервалов
- •Некоторые важнейшие распределения связанные с нормальным. - распределение.
- •Распределение Стьюдента (t– распределение)
- •Распределение Фишера-Снедекора (f– распределение).
- •Закон больших чисел.
- •Теорема Чебышева.
- •Теорема Бернулли.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •Введение в теорию случайных процессов тема 1. Основные понятия теории случайных процессов
- •1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- •1.2. Некоторые классы и виды случайных процессов
- •2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- •2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- •2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- •2.5 Вероятностные характеристики суммы двух случайных величин
- •Тема 3. Элементы случайного анализа
- •3.1. Сходимость и непрерывность
- •1. Классические виды сходимости
- •2. Сходимость по вероятности
- •3. Сходимость в среднем в степени p1
- •3.3. Интеграл от случайного процесса и его свойства
- •ТеМа 4. Канонические разложения случайных процессов
- •4.1. Понятие канонического разложения случайного процесса
- •4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- •4.3. Линейные и нелинейные преобразования случайных процессов
- •Глава 5. Стационарные cлучайные процессы
- •5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- •5.2 Свойства вероятностных характеристик стационарного случайного процесса
- •5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- •5.4. Эргодические стационарные случайные процессы и их характеристики
- •Эргодическая теорема Биркгофа-Хинчина
- •Для ссп с непрерывным временем, для ссп с дискретным временем.
- •Достаточные условия эргодичности
Свойства условных вероятностей и плотностей вероятностей
Не отрицательность
Нормированность
Условное математическое ожидание
Условным математическим ожиданием случайной величины hпри некотором фиксированном значении случайной величины ξ = х называется
В случае дискретных случайных величин
В случае дискретных случайных величин
, где– называется функцией регрессии случайной величиныhна случайную величину ξ
, где– называется функцией регрессии случайной величины ξ на случайную величинуh
Пример
h
ξ
-2
4
1
0.2
0.4
0.6
3
0.3
0.1
0.4
0.5
0.5
Корреляционный момент (корреляция) двух случайных величин
Рассматриваются случайные величины ξ и hдля которых задан двумерный закон распределения, если они дискретные или плотности совместного распределения, если непрерывны, тогда корреляционный момент случайных величин ξ иh.
Свойства корреляционного момента
,гдеD – дисперсия
Если случайные величины ξ и hнезависимы, то
Коэффициент корреляции и его свойства
Коэффициент корреляции есть отношение корреляционного момента к произведению стандартных отклонений случайных величин
Если , то случайные величины ξ иhназываются некоррелированными
Если , то случайные величины ξ иhназываются коррелированными
Свойства
Если случайные величины ξ и hнезависимые, то они некоррелированные ()
Если случайные величины ξ и hкоррелированные (), то эти случайные величины зависимы
Обратные утверждения неверны !
Нормированной случайной величиной называется отношение отклонения случайной величины от ее математического ожидания к стандартному отклонению
Коэффициент корреляции двух случайных величин ξ и hравен корреляционному моменту их нормированных случайных величин
Если случайные величины ξ и hлинейно-зависимые, то модуль коэффициента корреляции
гдеa,bпроизвольные коэффициенты.
Если линейная зависимость между ξ и hносит возрастающий характер, тогда коэффициент корреляции равен 1. Если линейная зависимость между ξ иhносит убывающмй характер, тогда коэффициент корреляции равен -1.
Коэффициент корреляции является мерой линейной зависимости двух случайных величин
Степень линейной зависимости
-
0 ÷ 0.3
0.4 ÷ 0.7
0.8 ÷ 1
С.Л.З.
Слабая
Средняя
Сильная
Уравнения Регрессии
Кривые, которые задаются двумя уравнениями, называются кривыми регрессии. Ограничимся случаем, когда кривые регрессии являются прямыми (прямые регрессии).
уравнение регрессии случайной величиныhна случайную величину ξ
уравнение регрессии случайной величины ξ на случайную величинуh
Характеристики
В общем, для произведения случайной величины ξ и hпрямые регрессии не совпадают
Если модуль коэффициента корреляции равен 1, т.е. ξ и hлинейно-зависимы, то оба уравнения регрессии совпадают между собой и с самим уравнением линейной зависимости ξ иh
Обе прямые регрессии проходят через точку т.е. пересекаются в этой точке
Прямая регрессии случайной величины hна случайную величину ξ имеет следующий смысл, если случайные величины ξ иhкоррелированны (), то правая часть уравнения регрессии обеспечивает наилучшее приближение случайной величиныhк случайной функции видав смысле метода наименьших квадратов