- •1. Вероятностные характеристики дискретных случайных величин
- •2. Вероятностные характеристики непрерывных случайных величин.
- •3. Формы представления законов распределения случайных величин.
- •4. Векторные случайные величины.
- •5. Типы случайных процессов.
- •6. Вероятностные характеристики случайных процессов.
- •7. Эргодическое свойство стационарных случайных процессов
- •8. Выбросы стационарных случайных процессов
- •9. Корреляционная функция и её основные свойства.
- •Свойства корреляционных функций
- •10. Экспериментальное определение корреляционных функций.
- •11. Спектральное разложение стационарных случайных процессов в непрерывный спектр дисперсий.
- •12. Свойства спектральной плотности.
- •13. Корреляционные функции и спектральные плотности типовых стационарных процессов.
- •14. Представление случайного процесса в виде канонического разложения. Интегральное каноническое представление случайного процесса. Полиномиальное представление случайного процесса.
- •Представление случайного процесса в виде канонического разложения Каноническое разложение корреляционной функции случайного процесса X(t):
- •Интегральное каноническое представление случайного процесса
- •Полиномиальное представление случайного процесса
- •15. Структура стохастической системы автоматического управления
- •16. Случайные процессы и возмущения в автоматических системах
- •17. Реакция динамической системы на случайное возмущение
- •18 Критерии точности системы
- •19 Характеристики выходных сигналов систем, заданных весовыми функциями
- •20 Корреляционный анализ систем, заданных дифференциальными уравнениями
- •21. Законы распределения выходных сигналов линейных систем (лс)
- •22. Определение установившихся систематических ошибок стационарных линейных систем (слс)
- •23. Определение установившейся дисперсии выходной переменной стационарной линейной системы (слс)
- •24. Критерии оптимальности автоматических систем.
- •25. Условие минимума среднеквадратичной ошибки.
- •26. Уравнение оптимальной линейной системы.
- •Определение весовой функции оптимальной линейной системы
- •Оптимальные системы, описываемые дифференциальными уравнениями
- •Дискретные случайные функции
- •30. Линейные операции над дискретными случайными функциями
- •Стационарные дискретные случайные процессы
- •32.Корреляционный анализ дискретных систем, заданных разностными уравнениями
- •33. Особенности вероятностного анализа нелинейных систем.
- •34. Линеаризация нелинейностей разложением в ряд.
- •35. Статистическая линеаризация нелинейностей.
- •36. Совместная гармоническая и статистическая линеаризация нелинейностей
- •37. Корреляционный анализ нелинейных систем, заданных дифференциальными уравнениями
- •38. Вероятностный анализ автоматических систем методом статистических испытаний
- •Марковские векторные процессы и последовательности
- •40. Уравнение Фоккера – Планка - Колмогорова
- •42. Анализ процесса срыва управления в автоматических системах
Свойства корреляционных функций
Корреляционная функция Rx(t1, t2) симметрична относительно своих аргументов:
Rx(t1, t2) = Rx(t2, t1) (3.33)
в соответствии с определением корреляционной функции X(t).
При добавлении к случайной функции X(t) произвольного неслучайного слагаемого (t), корреляционная функция случайной величины не изменяется, т.е. если (3.35)
то Rz(t1, t2) = Rx(t1, t2).
При умножении случайной функции X(t) на произвольный неслучайный множитель ψ(t) корреляционная функция Rx(t1, t2) умножается на ψ(t1)ψ(t2):
.
Корреляционная ф-я является положительно определённой функцией:
, (3.36)
где (τ1), (τ2) – произвольные функции при t = τ1 и t = τ2. Взаимная корреляционная функция двух случайных функций X(t) и Y(t) не изменяется при добавлении к этим случайным функциям произвольных неслучайных функций.
Если U(t) = ψ1(t)X(t); V(t) = ψ2(t)Y(t), то RUV(t1, t2) = ψ1(t1)ψ2(t2)Rxy(t1, t2).
.
10. Экспериментальное определение корреляционных функций.
Корреляционную функцию процесса можно определить экспериментально на основании снятой кривой (реализации) данного процесса при достаточно длительной записи.
Обработка имеющейся записи процесса (осциллограммы) производится следующим образом.
Рис. 3.10. Определение корреляционной функции по снятой экспериментально кривой
Весь интервал записи осциллограммы Т делится на N равных частей, длительность которых составляет ; T >>t.
Для различных значений = mt находят средние значения произведений ординат (формула математической статики):
. (3.40)
При этом необходимо выделить постоянную составляющую
. (3.41)
По этим значениям строится график корреляционной функции в зависимости от интервала m или времени = mt.
Корреляционную функцию можно найти по результатам эксперимента при помощи специальных приборов-корреляторов, которые автоматически вычисляют среднее произведение двух ординат осциллограммы (реализации процесса), отстоящих друг от друга на время .
11. Спектральное разложение стационарных случайных процессов в непрерывный спектр дисперсий.
Перейдём к рассмотрению непрерывного спектра дисперсий стационарной случайной функции X(t).
Для этого будем рассматривать X(t) при T . Тогда расстояния между опорными частотами будут неограниченно уменьшаться, так как при .
При этом дискретный спектр дисперсии будет неограниченно приближаться к непрерывному, в котором бесконечно малому интервалу частот k = k – k–1 будет соответствовать элементарная дисперсия dk(k).
Прежде, чем перейти к пределу, рассмотрим допредельный случай, когда интервал 0, но ещё не равен нулю (рис. 4.6).
Рис. 4.6. Дискретный спектр дисперсий
Примем следующие допущения:
1) по оси абсцисс (ось частот) отложим отрезки :
Рис. 4.7. Средняя плотность дисперсий
2) по оси ординат (ось дисперсий) будем откладывать среднюю плотность дисперсии – дисперсию dk, отнесённую к величине
, (4.30)
т.е. на каждом отрезке как на основании построим прямоугольник площадью dk. Это напоминает гистограмму статистического распределения случайной величины.
Таким образом, ордината имеет физический смысл средней плотности дисперсии и называется спектральной плотностью, т.е.
, (4.31)
здесь эта величина и есть спектральная плотность процесса X(t).
Графический смысл предельного перехода от конечного интервала [0, T] к бесконечному при T , 0 выражается в том, что ступенчатая функция sx(k) будет неограниченно приближаться к непрерывной функции sx(), которая будет изображать плотность распределения дисперсии случайных амплитуд по частотам непрерывного спектра.
Непрерывная функция sx() называется спектральной плотностью стационарного случайного процесса. sx() характеризует частотный состав стационарного случайного процесса X(t) и полностью определяется его корреляционной функцией Rx(τ) (4.45).
Рис. 4.8. Спектральная плотность стационарного случайного процесса
Если рассматривать спектр дисперсии в физически возможном диапазоне частот [0, ), то спектральная плотность Sx() в этом диапазоне удваивается по амплитуде с тем, чтобы площадь под кривой спектральной плотности не изменилась.