- •Предисловие
- •Лекция 1 Общие сведения о стохастических системах
- •1.1 Общие сведения о системах
- •1.2. Основные задачи теории стохастических систем
- •1.3. Моделирование сложных (стохастических) систем
- •Лекция 2 Случайные события
- •2.1 Испытание. Поле событий. Операции над событиями [4]
- •2.2 Частость и вероятность [4]
- •2.3 Основные аксиомы теории вероятностей [4]. Из того, что
- •2.4 Элементы теории вероятностей [4]
- •Лекция 3 Случайные величины
- •3.1 Определение случайной величины [5]
- •Контрольные вопросы
- •Лекция 4. Непрерывные случайные величины
- •4.1. Экспоненциальный закон распределения
- •Контрольные вопросы.
- •Лекция 5
- •5.3. Закон больших чисел
- •5.4. Основные предельные законы теории вероятностей
- •Контрольные вопросы
- •Лекция 6
- •Лекция 7Случайные процессы и их аналитическое описание
- •7.4 Определение статистических оценок математического ожидания и корреляционной функции случайного процесса
- •7.5 Стационарные случайные процессы
- •Контрольные вопросы
- •Лекция 8 Корреляционный анализ
- •1. Функциональные и корреляционные связи между переменными
- •2. Корреляционный анализ
- •Контрольные вопросы
- •Лекция 9 Дисперсионный и регрессионный анализы
- •9.1 Дисперсионный анализ
- •9.2 Регрессионный анализ. Множественная регрессия
- •Приложение 9.1. D-статистика Дарбина - Уотсона: d1 и d2, уровень значимости в 5%
- •Контрольные вопросы
- •Лекция 10 стохастическое программирование
- •1. Линейное программирование.
- •2. Стохастическое программирование
- •3. Формальная постановка стохастической задачи
- •4. Методы решения задач стохастического программирования
- •Контрольные вопросы
- •Лекция 11 Особенности решения одноэтапных задач стохастического программирования
- •1. Моделирование систем массового обслуживания
- •2. Основы теории статистических решений. Статистические игры
- •Контрольные вопросы
- •2. Задача достижения нечеткой цели
- •Контрольные вопросы
- •2. Методы анализа больших систем, планирование экспериментов
- •Контрольные вопросы
- •Лекция 14 Адаптационная оптимизация
- •1. Постановка задачи адаптационной оптимизации [14]
- •2. Симплекс планирование
- •Лекция 15 Имитационное моделирование стохастических систем
- •1. Модели и моделирование. Общие понятия
- •2. Методы статистического моделирования
- •3. Имитационное моделирование непрерывных процессов
- •4. Имитационное моделирование процесса стекловарения в производстве листового стекла флоат-способом
- •Контрольные вопросы
- •Список литературы
7.5 Стационарные случайные процессы
На практике часто встречаются случайные процессы, протекающие в вероятностном отношении однородно при изменении параметра времени t. К числу таких процессов относятся помехи в линиях связи, ошибки в системах автоматического регулирования и др. Вероятностный режим таких процессов не изменяется при любом сдвиге всей группы точек t1, t2, ..ts вдоль числовой оси, т.е. при переходе к точкам t1+τ, t2+τ, ..ts+τ, где τ произвольно выбранное время. Поэтому, прежде всего, случайная величина X(t) для любого момента имеет одно и то же распределение и, значит, имеет одинаковые математические ожидания и дисперсии. Для процесса в целом M[X(t)]=const, D[X(t)]=const, а автокорреляционная функция процесса непрерывна и зависит только от разности t2 – t1=τ, т.е. является непрерывной функцией RX(τ) одного аргумента τ. Такие случайные процессы называются стационарными случайными процессами. Для стационарных процессов доказана сходимость по вероятности среднего по времени от случайной функции:
Xcp T = 1/2T x(t)dt
к математическому ожиданию M[X(t)] при T→∞.
Аналогично этому и для корреляционной функции доказана сходимость по вероятности к величине
1/2Tx(t)x(t+τ)dt → RX(τ) при T→∞.
Точно так же для двух стационарных и стационарно связанных случайных процессов X(t) и Y(t) доказывается сходимость по вероятности к величине:
1/2T x(t)y(t+τ)dt → RXY (τ) при T→∞,
если x(t) и y(t) – возможные реализации процессов соответственно X(t) и Y(t).
Определение статистических оценок стационарного случайного процесса можно производить не по множеству реализаций, а по единственной записи, если она охватывает большой интервал значений параметра времени t. При этом на оси t откладывают n равных отрезков и в конце каждого из них определяются значения x1, x2., …xn.
Средняя арифметическая хср из них дает статистическую оценку математического ожидания случайного процесса.
Статистическая оценка автокорреляционной функции находится по формуле:
RX(τ) = 1/(n-τ) (xl – xcp)(xl+τ – xcp).
Взаимная корреляционная функция двух стационарных процессов рассчитывается по формуле:
RXY(τ) = 1/ (n-τ)(xl+τ – xcp)(yl – ycp).
Контрольные вопросы
Дайте определение случайного процесса.
Чем характеризуется случайный процесс. Сечение случайного процесса.
Одномерный закон распределения мгновенных значений случайной функции и связанные с ним основные характеристики.
Многомерный закон распределения мгновенных значений случайной функции и связанные с ним основные характеристики.
Гауссовский случайный процесс и его характеристики.
Определение статистических оценок математического ожидания и корреляционной функции случайного процесса.
Стационарные случайные процессы и их характеристики.
Лекция 8 Корреляционный анализ
Корреляционный анализ, разработанный К. Пирсоном и Дж. Юлом является одним из методов статистического анализа взаимозависимости нескольких переменных – компонент случайного вектора.
Одним из основных показателей взаимосвязи двух случайных величин является парный коэффициент корреляции, служащий мерой линейной статистической зависимости между этими величинами, когда статистическая связь между соответствующими признаками в генеральной совокупности линейна.
Указанное условие выполняется, если генеральная совокупность распределена по многомерному нормальному закону.