1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
Случайным (стохастическим, вероятностным) процессом называется функция действительного переменного t, значениями которой являются соответствующие случайные величины X(t).
В теории случайных процессов t трактуется как время, принимающее значения из некоторого подмножества Т множества действительных чисел (t T, T R).
В рамках классического математического анализа под функцией y=f(t) понимается такой тип зависимости переменных величин t и y, когда конкретному числовому значению аргумента t соответствует и притом единственное числовое значение функции y. Для случайных процессов ситуация принципиально иная: задание конкретного аргумента t приводит к появлению случайной величины X(t) с известным законом распределения (если это дискретная случайная величина) или с заданной плотностью распределения (если это непрерывная случайная величина). Другими словами, исследуемая характеристика в каждый момент времени носит случайный характер с неслучайным распределением.
Значения, которые принимает обычная функция y=f(t) в каждый момент времени, полностью определяет структуру и свойства этой функции. Для случайных процессов дело обстоит иным образом: здесь совершенно не достаточно знать распределение случайной величины X(t) при каждом значении t, необходима информация об ожидаемых изменениях и их вероятностях, то есть информация о степени зависимости предстоящего значения случайного процесса от его предыстории.
Наиболее общий подход в описании случайных процессов состоит в задании всех его многомерных распределений, когда определена вероятность одновременного выполнения следующих событий:
t1, t2,…,tn T, n N: X(ti)≤xi; i=1,2,…,n;
F(t1;t2;…;tn;x1;x2;…;xn)=P(X(t1)≤x1; X(t2)≤x2;…; X(tn)≤xn).
Такой способ описания случайных процессов универсален, но весьма громоздок. Для получения существенных результатов выделяют наиболее важные частные случаи, допускающие применение более совершенного аналитического аппарата. В частности, удобно рассматривать случайный процесс X(t, ω) как функцию двух переменных: t T, ω Ω, которая при любом фиксированном значении t T становится случайной величиной, определенной на вероятностном пространстве (Ω, A, P), где Ω - непустое множество элементарных событий ω; A - σ-алгебра подмножеств множества Ω, то есть множество событий; P - вероятностная мера, определенная на A.
Неслучайная числовая функция x(t)=X(t, ω0) называется реализацией (траекторией) случайного процесса X(t, ω).
Сечением случайного процесса X(t, ω) называется случайная величина, которая соответствует значению t=t0.
Если аргумент t принимает все действительные значения или все значения из некоторого интервала T действительной оси, то говорят о случайном процессе с непрерывным временем. Если t принимает только фиксированные значения, то говорят о случайном процессе с дискретным временем.
Если сечение случайного процесса - дискретная случайная величина, то такой процесс называется процессом с дискретными состояниями. Если же любое сечение - непрерывная случайная величина, то случайный процесс называется процессом с непрерывными состояниями.
В общем случае задать случайный процесс аналитически невозможно. Исключение составляют так называемые элементарные случайные процессы, вид которых известен, а случайные величины входят как параметры:
X(t)=Х(t,A1,…,An), где Ai, i=1,…,n - произвольные случайные величины с конкретным распределением.
- Конспект лекций по дисциплине «Теория случайных процессов»
- Тема 1. Основные понятия теории случайных процессов 2
- Тема 2. Элементы корреляционной теории случайных процессов 4
- Тема 3. Элементы случайного анализа 7
- ТеМа 4. Канонические разложения случайных процессов 9
- Глава 5. Стационарные cлучайные процессы 14
- Тема 6. Цепи Маркова 17
- Тема 1. Основные понятия теории случайных процессов
- 1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- 1.2. Некоторые классы и виды случайных процессов
- 1.1.6. Пуассоновские случайные процессы
- 1.1.7. Винеровский случайный процесс
- Тема 2. Элементы корреляционной теории случайных процессов
- 2.1. Понятие корреляционной теории случайных процессов
- 2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- 2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- 2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- 2.5 Вероятностные характеристики суммы двух случайных величин
- Тема 3. Элементы случайного анализа
- 3.1. Сходимость и непрерывность
- 1. Классические виды сходимости
- 2. Сходимость по вероятности
- 3.2. Производная случайного процесса и ее свойства
- 3.3. Интеграл от случайного процесса и его свойства
- ТеМа 4. Канонические разложения случайных процессов
- 4.1. Понятие канонического разложения случайного процесса
- 4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- 4.3. Линейные и нелинейные преобразования случайных процессов
- Глава 5. Стационарные cлучайные процессы
- 5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- 5.2 Свойства вероятностных характеристик стационарного случайного процесса
- 5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- 5.4. Эргодические стационарные случайные процессы и их характеристики
- 5.5. Потоки событий
- Пуассоновский поток
- Тема 6. Цепи Маркова
- 6.1. Цепи Маркова.