- •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
2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
Если в каждом сечении случайного процесса существует математическое ожидание, то математическим ожиданием случайного процесса X(t) называется неслучайная функция mX(t), значение которой при каждом фиксированном значении t равно математическому ожиданию соответствующего сечения:
mX(t)=MX(t).
Основные свойства математического ожидания случайного процесса: если φ(t) - неслучайная функция, то
М φ(t)=φ(t); М(φ(t)X(t))=φ(t)mX(t);
M(X1(t)+X2(t))=; M(X(t)+φ( t))= mX(t)+ φ(t).
Если в каждом сечении случайного процесса существует дисперсия, то дисперсией случайного процесса X(t) называется неслучайная функция DХ(t), значение которой при каждом фиксированном значении аргумента t равно дисперсии соответствующего сечения:
DX(t)= DХ(t)= M(X(t)-mX( t))2.
Основные свойства дисперсии случайного процесса:
если φ(t) - неслучайная функция, то
D(φ(t))=0;D(φ(t)X(t))=φ2(t)DX(t);
D(X(t)+φ(t))=DX(t); .
Среднеквадратическим отклонением случайного процесса X(t) называется арифметический квадратный корень из его дисперсии:
.
2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
Корреляционной функцией случайного процесса X(t) называется неслучайная функция KX(t1; t2) двух независимых аргументов, значение которой равно корреляционному моменту сечений, соответствующих моментам времени t1 и t2:
KX(t1; t2)=M((X(t1)-mX(t1))(X(t2)-mX(t2))).
Основные свойства корреляционной функции:
2) KX(t; t)=DX(t);
3) KX(t1; t2)= KX(t2; t1);
4) если φ(t) - неслучайная функция, то
Kφ(t)(t1;t2)=0;Kφ(t)+X(t)(t1;t2)=KX(t)(t1;t2);
Kφ(t)X(t)(t1;t2)=φ(t1)φ(t2)KX(t)(t1;t2);
5)
6)
Функция вида называется нормированной корреляционной функцией.
2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
Взаимной корреляционной функцией двух случайных процессов X(t) и Y(t) называют неслучайную функцию RXY(t1; t2) двух независимых аргументов t1 и t2, значение которой равно корреляционному моменту сечений этих случайных процессов в соответствующие моменты времени:
RXY(t1; t2)= M((X(t1)-mX(t1))(Y(t2)-mY(t2))).
Свойства взаимной корреляционной функции:
если φ(t) и Ψ(t) - неслучайные функции, то
RX(t)+φ(t) Y(t)+Ψ(t)(t1;t2)=RXY(t1;t2);
RX(t)φ(t) Y(t)Ψ(t)(t1;t2)= φ(t1)Ψ(t2)RXY(t1;t2);
RXY(t1; t2)=RYX(t2; t1);
Функция вида называется нормированной взаимной корреляционной функцией случайных процессовX(t) и Y(t).
2.5 Вероятностные характеристики суммы двух случайных величин
Теорема 1. Математическое ожидание суммы двух случайных процессовX(t) иY(t) равно сумме их математических ожиданий:mX+Y(t)=mX(t)+mY(t).
Теорема 2. Корреляционная функция суммы двух случайных процессовX(t) иY(t) имеет вид:KX+Y(t1;t2)=KX(t1;t2)+KY(t1;t2)+RXY(t1;t2)+RYX(t2;t1).
Следствие 1. Если случайные процессыX(t) иY(t) некоррелированны, то
KX+Y(t1;t2)=KX(t1;t2)+KY(t1;t2);DX+Y(t)=DX(t)+DY(t).
Следствие 2. Если случайный процессX(t) и случайная величинаYнекоррелированны, то
KX+Y(t1; t2)=KX(t1; t2)+DY.
Тема 3. Элементы случайного анализа
3.1. Сходимость и непрерывность
1. Классические виды сходимости
В стандартном курсе математического анализа вводятся следующие типы сходимости.
а) Числовая последовательность xnназываетсясходящейся к числух приn, если для любого>0 (сколь угодно малого) существует номерN, начиная с которого все последующие элементы последовательности принадлежат-окрестности точки х:
;
б) Функциональная последовательность f n(x)называетсяпоточечно сходящейсяна множестве Х к функцииf (x), если она сходится (как числовая последовательность) при каждом фиксированномхХк значениюf (x).
Частным случаем поточечной сходимости является равномернаясходимость.
в) Функциональная последовательность f n(x)называетсясходящейся почти всюдуна множестве Х к функцииf (x), если она сходится поточечно кf (x) на множестве Х за исключением множества точек Х0меры нуль.
В теории вероятности такое понимание сходимости (кроме в)) мало содержательно. Тем не менее, приведенные здесь определения позволяют в полной мере ощутить разницу классических подходов и их вероятностных аналогов.