лекция. СТРЭС -Л 1-4ТВ. Функциональные преобразования случайных величин в задачах анализа рэс
![]()
|
ЛЕКЦИЯ 4. ФУНКЦИОНАЛЬНЫЕ ПРЕОБРАЗОВАНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН В ЗАДАЧАХ АНАЛИЗА РЭС 4.1.Плотность вероятности монотонной функции случайного аргумента 4.1.1Функциональное преобразование случайной величины На практике часто одна случайная величина ![]() ![]() ![]() и требуется найти закон распределения ![]() ![]() Для нахождения ![]() ![]() ![]() Связывающая между собой возможные значения x и y соответственно случайные величины ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() y ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() 0 x x+dx x x1 x2 x3 x1+dx1 x2+dx2 x3+dx3 а) б) рис.4.1. Монотонная и немонотонная функциональные зависимости В силу однозначной связи между ![]() ![]() ![]() P(y< ![]() ![]() Куда ![]() Абсолютного значения производной [dx/dy] поставлен потому. Что любая плотность вероятности по своему определению не может быть отрицательной, а производная dx/dy может быть и больше, и меньше нуля. Кроме того, чтобы справа была зависимость только от x необхожимо в ![]() ![]() ![]() 4.2 .Плотность вероятности немонотонной функции случайного аргумента Если же функция ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() P(y< ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() К плотностям вероятности и методика рассмотрения задана в монотонном случае, имеем: ![]() ![]() где формула (4.5) сообщена на случай, когда число неоднозначностей в общем случае будет n. Таким образом, можно сформулировать следующее правило определения ![]() ![]() 1. Провести анализ у= f(х), в результате которого определено число неоднозначностей n и найти производные dxi/dy по каждому участку неоднозначности. 2. Воспользоваться формулами (4.4), если n = 1, или (4.5) общем случав и найти ![]() ![]() 3. По заданному интервалу [ ![]() ![]() 4.3.Чиловые характеристики функции случайного аргумента Получив ![]() ![]() соответствии с их определением. Например, для математического ожидания я дисперсии имеем выражения: ![]() ![]() Если же в задаче по заданным y=f(x) и ![]() ![]() ![]() ![]() Другими словами, для определения только ![]() ![]() 4.4. Функциональное преобразование системы двух случайных величин Пусть двумерная случайная величина ( ![]() ![]() связана с другой двумерной случайной величиной ( ![]() ![]() ![]() Прямые зависимости: ![]() (4.11) ![]() Кратные зависимости: ![]() (4.12) ![]() Пусть прямые и обратные зависимости являются однозначными, непрерывными и дифференцируемыми. Примерами таких функциональных преобразований служат поворот прямоугольных координат или преобразование прямоугольных координат в полярные и обратно. Поставим задачу найти двумерную плотность вероятности ![]() ![]() ![]() ![]() (7.11),(7.12). Применив методику, изложенную выше, получим Р(У1< ![]() ![]() ![]() ![]() ![]() ![]() откуда ![]() где знак абсолютного значения поставлен из соображения объяснения условия ![]() Из математического анализа известно, что соотношение I J2= ![]() является якобианом преобразования, который выражается через делитель второго порядка. Таким образом, ![]() ![]() то есть плотность вероятности ![]() 4.5. Двумерная плотность вероятности модуля и аргумента случайного вектора при гауссовских проекциях. (пример) Рассмотрим случайный вектор, у которого проекции в прямоугольной системе координат являются случайными величинами ![]() ![]() ![]() ![]() По своему геометрическому смыслу поставленная задача сводится к определению плотности вероятности полярных координат случайной точки, если её прямоугольные координаты являются независимыми величинами. Прямые и обратные зависимости между возможными значениями координат а, ![]() а= ![]() ![]() (7.17) ![]() ![]() обратные: х=асоs ![]() ![]() Воспользуемся формулой(7.16), которая для данного случая представляется в виде P(a, ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() p( ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() - ![]() ![]() в) Якобиан преобразования будет равен ![]() ![]() ![]() Подставив (7.20) в (7.19), получим P(а, ![]() ![]() ![]() где а ![]() ![]() ![]() ![]() Формула (7.21) определяет искомую двумерную плотность вероятности модуля и фазы случайного вектора при гауссовских проекциях с нулевым математическим ожиданием и одинаковыми дисперсиями. Для нахождения отдельно р(а) или р( ![]() ![]() ![]() ![]() Полученная зависимость р(а) носит название распределения (рис.7.2.б). Говорят, что длина вектора при рассмотрении в гауссовских проекциях с нулевым средним и одинаковыми дисперсиями имеет распределение Релея, в котором параметр ![]() ![]() ![]() ![]() р( ![]() ![]() так как ![]() Из (7.25) следует что р( ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() ![]() Полученный результат имеет радиотехническую интерпретацию. Любой узкополосный процесс может быть представлен вектором, которого модуль соответствует амплитуде (огибающей), a аргументом в фазе колебаний. Если ортогональные составляющие этого узкополосного процесса независимы и имеют гауссовское распределение с левыми математическими ожиданиями и одинаковыми дисперсиями, огибающая процесса имеет релеевское распределение, а фаза распределяется равномерно на интервале [ ![]() ЗАКЛЮЧЕНИЕ В лекции выведены соотношения для плотности вероятности числовых характеристик случайной величины и системы двух случайных величин, полученных в результате функционального, в общем случае нелинейного, преобразования. Приведены примеры преобразований системы случайных величин при переходе от прямоугольной полярной системы координат и при суммировании случайных величин. Раскрыта методика моделирования на ЭВМ случайной величины, имеющий заданный закон распределения. |