Elementy rachunku prawdopodobieństwa.
1.8
Proces stochastyczny - X(t,e) - zbiór zmiennych losowych zależnych od parametru t, najczęściej czasu; dla każdego momentu czasu X(e) jest zmienną losową.
Przy ustalonym t=t0 proces stochastyczny X(t,e) jest zmienną losową X(t0,e)=X0(e).
Realizacja procesu stochastycznego - przy ustalonym zdarzeniu elementarnym e=e0 proces stochastyczny X(t,e0) jest funkcją czasu x(t)
Gęstość prawdopodobieństwa:
jednowymiarowa gęstość prawdopodobieństwa - funkcja f1(x1,t1) dla wartości procesu x1 w chwili t1;
dwuwymiarowa gęstość prawdopodobieństwa - f2(x1,t1 ; x2,t2) - gęstość łączna dla wartości procesu x1 w chwili t1 i x2 w chwili t2;
Wartość oczekiwana procesu stochastycznego X(t) -
E[X(t)]=
Wariancja / dyspersja procesu stochastycznego X(t) -
var[X(t)] = E{[X(t)-mx(t)]2} =
1.9
Funkcje korelacji własnej procesu stochastycznego X(t) -
Kx(t1,t2) = E{[X(t1)-mx(t1)] [ X(t2)-mx(t2)]}=
[x1-mx(t1)][ x2-mx(t2)] f(x1,t1,x2,t2) dx1dx2
Funkcje korelacji wzajemnej między dwoma procesami stochastycznymi X(t) i Y(t) -
Kxy(t1,t2) = E{[X(t)-mx(t1)][Y(t)-my(t2)]}=
[x-mx(t1)][ y-my(t2)] f(x,t1,y,t2) dxdy
Unormowana funkcja korelacji wzajemnej procesów stochastycznych -
Rxy(t1,t2) =
oraz -1 ≤ Rxy ≤ 1
1.10
Stacjonarny proces stochastyczny i jego własności.
Proces stochastyczny jest stacjonarny, jeśli wszystkie wielowymiarowe gęstości prawdopodobieństwa zależą tylko od wzajemnej odległości chwil t1, t2, ... tn, nie zależą jednak od nich samych. Własności statystyczne stacjonarnego procesu stochastycznego nie zmieniają się przy przesunięciu wszystkich punktów t1, t2, ... tn wzdłuż osi czasu o tę sama wartość τ:
fn(x1,t1; x2,t2; ...;xn,tn) = fn(x1,t1+τ; x2,t2+τ; ...;xn,tn+τ)
W szczególności gęstość jednowymiarowa procesu stochastycznego stacjonarnego nie zależy od czasu:
f1(x1,t1) = f1(x1)
Dwuwymiarowa gęstość prawdopodobieństwa procesu stacjonarnego zależy tylko od różnicy t2-t1=τ
f2(x1,t1; x2,t2) = f2(x1,x2,τ)
Wartość oczekiwana:
E[X(t)] =
x1f1(x1)dx1= mx = const.
Wariancja:
var[X(t)]=
(x1-mx)2f1(x1)dx1= σx2 = const.
Funkcja korelacji własnej (autokorelacji):
Kx(t1,t2) =
(x1-mx)(x2-mx)f(x1,x2,τ)dx1dx2 = Kx(τ)
Wartość oczekiwana i wariancja są stałe, natomiast funkcja korelacji własnej zależy tylko od różnicy t1-t2=τ
1.11
Hipoteza ergodyczna - duża ilość obserwacji przeprowadzonych w dowolnie wybranych momentach czasu nad pojedynczym układem, którego ruch jest stacjonarnym procesem stochastycznym ma takie same własności statystyczne, jakie miałaby ta sama ilość obserwacji dokonanych nad dowolnie wybranymi podobnymi układami w jednym i tym samym momencie czasu.
Procesy ergodyczne - bardzo ważne wśród procesów stacjonarnych, których własności statystyczne obliczane są po zbiorze i po czasie.
Własności statystyczne po zbiorze - własności określane na podstawie obserwacji nad wieloma podobnymi układami w tym samym momencie czasu. (w/w własności statystyczne - wartość oczekiwana, wariancja, funkcja autokorelacji były własnościami po zbiorze)
Własności statystyczne po czasie - własności określane na podstawie obserwacji nad jednym z tych układów dla dostatecznie dużej liczby kolejnych momentów czasu.
1.12
Własności statystyczne po czasie dla procesów ciągłych
wartość oczekiwana obliczana jako średnia po czasie (dla jednego wylosowanego układu ze zbioru wielu podobnych)
wariancja obliczana jako średnia po czasie
funkcja autokorelacji obliczana jako średnia po czasie
funkcja korelacji wzajemnej dwóch procesów X(t) i Y(t)
Własności statystyczne po czasie dla procesów dyskretnych
wartość oczekiwana
wariancja obliczana
funkcja autokorelacji
funkcja korelacji wzajemnej