Случайные процессы. Ансамбль реализаций.Плотность вероятности и функция распределения.

Теория случайных величин изучает вероятностные явления «в статике»,рассматривая их как некоторые зафиксированные результаты экспериментов. Для описания сигналов, которые отображают развивающиеся, во времени случайные явления, методы классической теории вероятностей оказываются недостаточными. Подобные задачи изучает особая ветвь математики, получившая название теории случайных процессов.

По определению, случайный процесс x(t) – это особого вида функция, характеризующаяся тем, что в любой момент времени t принимаемые ею значения является случайными величинами.

Детерминированные сигналы мы отображаем их функциональными зависимостями или осциллограммами. Если же речь идёт о случайных процессах, то фиксируя на определённом промежутке времени мгновенные значения случайного сигнала, мы получаем лишь единственную реализацию случайного процесса. Случайный процесс представляет собой бесконечную совокупность таких реализаций, образующих статистический ансамбль. Например, ансамблем является набор сигналов , которые можно одновременно наблюдать на выходах совершенно одинаковых генераторов шумового напряжения или на выходах много канальной системы связи.

Совсем необязательно, чтобы реализации случайного процесса представлялись функциями со сложным, нерегулярным во времени поведением. Часто приходится рассматривать случайные процессы, образованные, например, всевозможными гармоническими сигналами , у которых один из трёх параметров - случайная величина, принимающая определённое значение в каждой реализации. Случайный характер такого сигнала заключен в невозможности заранее до опыта знать значение этого параметра.

Случайные процессы, образованные реализациями, зависящими от конечного числа параметров, принято называть квазидетерминированными случайными процессами.

Характеристики случайных процессов

Определим в начале основные характеристики случайных величин. Пусть Х – случайная величина, т.е. совокупность всевозможных вещественных чисел x, принимающих случайное значение. Исчерпывающее описание статистических свойств Х можно получить, располагая неслучайной функцией F(x) вещественного аргумента x, которая равна вероятности того, что случайное число из X примет значение, равное или меньшое конкретного х:

(6.1)

Функция F(x) называется функцией распределения случайной величины Х. Если Х может принимать любые значения, то F(x) является гладкой неубывающей функцией, значения которой лежат на отрезке . Имеют место следующие предельные равенства:

Производная от функции распределения есть плотность распределения вероятности (или, короче плотность вероятности) данной случайной величины.

(6.2)

То есть величина есть вероятность попадания случайной величины Х в интервал .

Для непрерывной случайной величины Х плотность вероятности р(x) представляет собой гладкую функцию. Если же Х – дискретная случайная величина, принимающая фиксированные значения с вероятностями соответственно, то для неё плотность вероятности выражается как сумма дельта-функций.

(6.3)

В обоих случаях плотность вероятности должна быть неотрицательной: и удовлетворять условию нормировки:

(6.4)

Рассмотрим теперь плотность вероятности для случайных процессов. Пусть Х(t) случайный процесс, заданный ансамблем реализаций а - некоторый произвольный момент времени. Фиксируя величины , получаемые в отдельных реализациях, осуществляем одномерное сечение данного случайного процесса и наблюдаем случайную величину . Её плотность вероятности называется одномерной плотностью вероятности процесса X(t) в момент времени .

Информация которую можно извлечь из одномерной плотности вероятности, недостаточна для того, чтобы судить о характере развития реализаций случайного процесса во времени. Гораздо больше сведений можно получить, располагая двумя сечениями случайного процесса в несовпадающие моменты времени и .

Возникающая при таком мысленном эксперименте двумерная случайная величина описывается двумерной плотностью вероятности .

Естественным обобщением является n-мерное сечение случайного процесса (n>2), приводящее к n-мерной плотности вероятности .

Многомерная плотность вероятности случайного процесса должна удовлетворять обычным условиям, налагаемым на плотность вероятности совокупности случайных величин. Помимо этого, величина не должна зависеть от того, в каком порядке располагаются её аргументы (условие симметрии).

Дата добавления: 2015-08-20