Электронные книгиСейчас, в эру высоких технологий, стало удобно и модно читать книги при помощи e-books в электронном формате. В это устройство можно загрузить сразу несколько десятков, а то и больше, книг. Специалисты решили провести исследование и окончательно определить, что все-таки лучше обычные бумажные книги или электронные ридеры. Далее... |
случайный процесс
СЛУЧАЙНЫЙ ПРОЦЕСС - ф-ция непрерывного времени,
значение к-рой в каждый момент является случайной величиной, т.
е. величиной, подчиняющейся вероятностным законам. Если аргумент t изменяется
дискретно, то
наз. случайной последовательностью. Случайную ф-цию неск. непрерывных аргументов
называют переменным случайным полем. Примерами С. п. могут служить
разл. физ. процессы, сопровождающиеся случайными флуктуациями, а также
мн. процессы в геофизике, радиофизике, биофизике и др.
С. п. задан, если для любых моментов времени t1,...,
tn известны многомерные (многоточечные) плотности вероятности
для совокупности случайных величин
либо
соответствующие многомерные характеристические функции
Для детерминиров. процессов
плотность вероятности выражается через
-функцию,
напр.
Исчерпывающей статистич. характеристикой С. п. является его характеристический
функционал
где (...) означает статистич. усреднение по всевозможным реализациям С.
п.
на
интервале (T1, T2). Зная Ф[v], можно получить многомерные
характеристич. ф-ции для
, взяв в качестве аргумента функционала ф-цию
. Коэф. разложения Ф[v] в окрестности v = 0 определяют моментные
функции Мп С. п.:
а коэф. разложения
- кумулянтные функции Кп:
Кумулянтные ф-ции 1-го и 2-го порядка характеризуют ср. значение
и корреляционную функцию
Ф-ции Mn(t1,...,tn)и Kn(t1,...,tn)при t1 = t2 = ... = tn определяют
одноточечные моменты и кумулянты С. ц.
, в частности со. интенсивность
, дисперсию
,
коэф. асимметрии
и эксцесса
При ограниченных сведениях о С. п. либо при невозможности его полного описания часто пользуются корреляционной теорией, рассматривающей только одноточечные и двухточечные статистич. характеристики 1-го и 2-го порядка.
Вместо характеристич. функционала иногда используют функционал плотности
вероятности С. п.
, к-рый является континуальным аналогом многоточечной плотности вероятности
и характеризует плотность вероятности отд. реализаций С. п.
.
Нормировочный множитель функционала
обычно обращается в О или в
,
но это не препятствует использованию
при нахождении моментов и кумулянтов С. п., наиб. вероятных реализаций
С. п. и т. п.
Перечисленные статистич. характеристики обобщают на комплексные и векторные
(многомерные, многокомпонентные) С. п.
. Наряду с моментами и кумулянтами, характеризующими статистич. свойства
отд. компонент С. п., пользуются также смешанными моментами и кумулянтами,
описывающими взаимные статистич. связи между компонентами С. п.
Нек-рые классы С. п. представляют спец. интерес для физики.
Стационарные процессы. С. п. наз. стационарным в узком смысле, если
все его многоточечные вероятностные характеристики не меняются при изменении
начала отсчёта времени, т. е. зависят только от разностей I; - tj. Если
этим свойством обладают только ср. значение и корреляц. ф-ция, т. е.
и
, причём
,
то С. п. является стационарным в широком смысле. Для стационарных в широком
смысле процессов имеет место Винера - Хинчина теорема: корреляц.
ф-ция и спектральная плотность (спектр мощности) С. п. связаны друг с другом
преобразованием Фурье.
Время корреляции tс, в течение к-рого корреляц. ф-ция спадает
в е раз, и ширина спектра
связаны соотношением неопределённости
. При
величина
и С. п. представляет собой белый шум.
Квазистационарные процессы. Если зависимость многоточечных статистич. характеристик С. п. от положения на оси времени является медленной по сравнению с зависимостью от разностей ti - tj, то такой С. п. относят к классу квазистационарных. Для него можно ввести понятие мгновенной спектральной плотности.
Периодически - нестационарные процессы. У таких С. п. статистич. характеристики
периодически зависят от времени, напр. , где F(t) - периодич. детерминированная
ф-ция, а
- стационарный С. п.
Случайные процессы со стационарными п р и р а щ е н и я м и. Это процессы,
для к-рых, как и для стационарных процессов, сохраняется понятие спектральной
плотности, но коррсляц. ф-ция может и но существовать. Для статистич. описания
таких С. п. пользуются не корреляционной, а структурно н функцией
равной дисперсии случайных приращений процесса на интервале (t1,t2). Структурная ф-ция стационарного процесса связана с его корреляц. ф-цией
(если последняя существует) соотношением:
Гауссовы процессы. В случае нормальных (гауссовых) процессов моментные и кумулянтные ф-ции произвольного порядка выражаются через ср. значение и корреляц. ф-цию, к-рые дают, т. о., полное описание С. п. этого класса. Значит. роль гауссовых процессов в физике определяется тем, что они реализуются практически всюду, где происходит сложение многих С. н. (центральная предельная теорема ).Однородный гауссов процесс с независимыми приращениями наз. винеровским случайным процессом, служит непрерывной моделью броуновского движения.
Марковские процессы (процессы без последействия), для них многоточечные вероятности выражаются через одномерные плотности распределения и двухточечные плотности вероятности перехода.
Кроме того, выделяют ещё импульсные процессы, диффузионные процессы, ветвящиеся процессы и др. Широкий класс С. п. составляют процессы, подчиняющиеся стохастическим уравнениям. Трудности в интерпретации эмпирич. статистич. характеристик реальных процессов связаны с выделением статистич. ансамбля, к к-рому может принадлежать ограниченный отрезок наблюдаемого процесса. При выборе статистич. ансамбля фундам. роль играет эргодическая гипотеза ,согласно к-рой моменты гипотетич. ансамбля отождествляют со средними по времени.
Лит.: Гнеденко Б. В., Курс теории вероятностей, 6 изд., М., 1988; Введение в статистическую радиофизику, ч. 1- Р ы т о в С. М., Случайные процессы, М., 1976; Справочник по теории вероятностей и математической статистике, 2 изд., М., 1985; Я г л о м А. М., Корреляционная теория стационарных случайных функций, Л., 1981; Розанов Ю. А., Теория вероятностей, случайные процессы и математическая статистика, М., 1985. О. В. Тулинский, Ю. Л. Кравцов, А. Б. Шмелёв.