- •С.П. Казаков
- •Содержание
- •1. Элементы теории вероятностей
- •1.1. Общие понятия
- •1.2. Сумма и произведение случайных событий,
- •1.3 Формула полной вероятности, формула Байеса
- •1.4 Схема Бернулли
- •1.5 Дискретные случайные величины
- •1.6 Непрерывные случайные величины
- •1.6.2 Числовые характеристики непрерывных случайных величин
- •1.3 – Плотности распределения случайных величин
- •1.7 Нормальное распределение
- •1.8 Основы теории надежности
- •1.8.2. Надежность элементов
- •Контрольные вопросы и задачи
- •2. Случайные прцессы
- •2.1Общие понятия
- •2.2 Непрерывный нормальный
- •2.3 Нестационарный случайный процесс (временной ряд)
- •2. 4 Марковские случайные процессы
- •Самостоятельная работа № 2
- •3. Математическая статистика
- •3.1 Общие понятия и задачи математической статистики
- •3.2 Выборочный метод
- •175, 166, 169, 179, 164, 170, 169, 167, 175, 181.
- •158, 162, 163, 164, 165, 166, 167, 168, 169,169,
- •170, 170, 171, 174, 175, 175, 177, 179, 180, 181.
- •3.3 Точечные оценки параметров распределений
- •3.4 Доверительные интервалы
- •3.5 Отсев грубых ошибок и определение минимально
- •3.6Проверка статистических гипотез
- •6, 4, 5, 7, 6, 4, 8, 6, 8, 9. 3, 2, 0, 4, 4, 3, 4, 1, 5, 7.
- •3, 6, 3, 4, 6, 9, 4, 9, 6, 5. 3, 4, 6, 4, 2, 3, 6, 3, 4, 1.
- •4 Статистические зависимости и связи
- •4.1 Подбор эмпирических формул (парная корреляция)
- •4.2 Практическая задача: проверка легитимности выборов
- •4.3 Множественная корреляция
- •4.4 Задачи классификации
- •Теория вероятностей, случайные процессы и математическая статистика
2. Случайные прцессы
2.1Общие понятия
Случайным (вероятностным, стохастическим) называется процесс изменения во времени состояния или характеристик некоторой системы под влиянием случайных факторов.
Случайные процессы (СП) бывают стационарными и нестационарными, непрерывными и дискретными, одномерными и многомерными.
Стационарныминазываются случайные процессы, вероятностные характеристики которых в пространстве не меняются со временем. Они называются стационарными СПв широком смысле. Если, например, среднее значение случайного процесса во времени не меняется, а среднеквадратичное отклонение σ различно на отдельных временных интервалах, то процесс называют стационарным СПв узком смысле.В прикладных задачах для стационарных СП обычно имеют дело с первой группой случайных процессов.
Если вероятностные характеристики процесса меняются во времени, то он называется нестационарным.
Понятие непрерывностислучайного процесса эквивалентно подобному понятию в математическом анализе.
В случае дискретностипроцесса считается, что в отдельные моменты времени меняется его состояние. Если время непрерывно, то дискретный случайный процесс называетсяпроцессом с непрерывным временем. Если переходы процесса из состояния в состояние происходят в заранее фиксированные моменты, то дискретный случайный процесс называетсяпроцессом с дискретным временем.
. Если функция x(t)в момент времениt принимает одно значение, процесс считаетсяодномерным.
Если функция X(t)– вектор, т. е. она включает в себя несколько статистически связанных между собой параметров, то этомногомерный случайный процесс.
Приведем примеры.
Малые изменения напряжения в электросети – случайный дискретный стационарный процесс с непрерывным временем.
Изменение температуры воздуха в атмосфере в течение года – процесс непрерывный нестационарный случайный.
Дискретный случайный процесс – изменение интервалов времени между телефонными звонками.
Скорость ветра в заданной точке приземного пространства - многомерный (трехмерный) случайный процесс. Составляющие здесь – модуль скорости и две координаты направления.
Специфически описываемыми являются процессы, которые называются нестационарный временной ряд; информацию об их поведении можно получить только на основе статистического анализа. Подобный анализ проведен в конце настоящего раздела.
Зная статистические характеристики случайного процесса x(t)во времени, можно прогнозировать его поведение в ближайшем будущем и вычислять вероятностные параметры.
Основными статистическими характеристиками случайного процесса x(t)являются:
- математическое ожидание x(t),равное М[ x(t)] или (t) для каждого значенияt;
- дисперсия x(t),равнаяD[ x(t)];
- корреляционная (автокорреляционная) функция K( t1, t2) , которая вычисляется по формуле
K( t1, t2) = М [ ( x(t1) -(t1))( x(t2) -(t2) ] .
Для стационарных случайных процессов
K( t1, t2) = М [( x(t1) -)( x(t2) -) ] = K( t2 - t1).
Достаточно просто описываемым является непрерывный нормальный стационарный случайный процесс. К исследованию таких процессов, как правило, можно свести многие непрерывные, выделив из них, так называемый, тренд – плавно меняющуюся во времени составляющую.
Дисперсия стационарного случайного процесса связана с корреляционной функцией формулой K(0) = σ 2.
Зная характеристики случайного процесса x (t)во времени, можно прогнозировать его поведение в ближайшем будущем и вычислять вероятностные параметры.