Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 584
Скачиваний: 2
26 |
Глава 2 |
|
|
кривой в момент времени t = |
ty проверяется, выполнено ли условие |
||
X (ti) ^ X. Пусть в момент |
времени ty будет |
всего пн показаний, |
|
для которых X (ty ) ^ X, а полное число кривых равно N. |
В пре |
||
|
дельном случае, |
когда |
|
|
N-> |
оо, |
|
|
|
|
|
Ясно, |
что |
|
величина |
||||||
|
|
|
|
Р {х; t) лежит в интер |
|||||||||
|
|
|
|
вале между 0 и 1. На |
|||||||||
|
|
|
|
фиг. |
2.1.2, а |
показано |
|||||||
|
|
|
|
некоторое |
распределе |
||||||||
|
|
|
|
ние |
накопленной |
веро |
|||||||
|
|
|
|
ятности |
для |
случая, |
|||||||
|
|
|
|
когда |
оно |
|
является |
||||||
|
|
|
|
функцией времени. При |
|||||||||
|
|
|
|
мер |
распределения |
на |
|||||||
|
|
|
|
копленной |
вероятности, |
||||||||
|
|
|
|
не зависящего от време |
|||||||||
|
|
|
|
ни, |
дан на фиг. 2.2.2, б. |
||||||||
|
|
|
|
|
Предположим, что те |
||||||||
|
|
|
|
перь исследуются экспе |
|||||||||
|
|
|
|
риментальные |
графики |
||||||||
|
|
|
|
как |
в |
момент |
времени |
||||||
|
|
|
|
t |
= |
ty, |
так |
и |
в |
момент |
|||
|
|
|
|
t |
— t2. |
Тогда |
совместное |
||||||
|
|
|
|
распределение |
случай |
||||||||
|
|
|
|
ных |
величин |
X |
(ty) и |
||||||
|
|
|
|
X (t2) можно обозначить |
|||||||||
|
|
|
|
как |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Р |
(Ху, Х2, |
ty, |
t2) SI |
|||||
Ф и г. 2.1.2. Распределения накопленной ве |
|
= |
Р {X |
(ty) < |
Ху, |
||||||||
а — распределение |
роятности . |
|
|
X(t2)^x2}; |
|
|
|
|
(2.1.2) |
||||
накопленной вероятности, явля |
|
|
|
|
|
||||||||
ющееся некоторой функцией |
времени; |
б — распре |
величина |
P |
(ху, |
хг; |
ty, |
||||||
деление накопленной вероятности, не |
зависящее от |
||||||||||||
|
времени. |
|
t2) называется распре |
||||||||||
|
|
|
|
||||||||||
|
|
|
|
делением |
|
накопленной |
|||||||
вероятности |
второго |
порядка величины X (t), |
a |
Ху и |
х2 |
пред |
ставляют собой некоторые два числа. Слова «второго порядка» отражают тот факт, что изучается совместное распределение одной
и той же величины, |
измеряемой в два разных момента |
времени. |
||||
С частотной |
точки |
зрения величина P (Xl, |
х2; |
ty, |
tz) |
является |
предельным |
значением доли совместных |
событий |
{X |
(ty) ^ Ху) |
||
и {X {t2) ^ х2) в двумерном пространстве при N-+- |
оо. Если вели- |
Распределения |
вероятности |
и |
выборочная |
статистика |
27 |
чина X не изменяется со временем, |
функциональная зависимость |
||||
от t может быть опущена. |
|
|
|
|
|
Каждому распределению накопленной вероятности соответ |
|||||
ствует плотность распределения |
вероятности, |
определяемая |
сле |
||
дующим образом: |
р(х; t ) = |
дР{хд1t] , |
( |
||
|
|
|
|
|
Заметим, что плотность распределения вероятности обозначается строчной буквой р, а распределение накопленной вероятности — прописной буквой Р. На фиг. 2.1.3 приведены кривые типичных процессов и соответствующие им плотности распределения вероят ности первого порядка. Использование термина «плотность» ста новится понятным, если заметить, что для того, чтобы величина Р (х; t) была безразмерной, единицы измерения р (х; t) должны
быть обратны единицам измерения х, т. е.р |
(х; t) |
является |
вероят |
|||||||
ностью, приходящейся на единичный интервал величины х. |
(Иног |
|||||||||
да выражение р (х; t) dx используется для обозначения |
вероят |
|||||||||
ности того, что величина х лежит в интервале |
от х |
до х |
+ |
dx.) |
||||||
До сих пор рассматривались плотность распределения вероят |
||||||||||
ности и распределение накопленной вероятности для |
непрерывных |
|||||||||
переменных. Распределением |
(но не плотностью) |
вероятности |
для |
|||||||
дискретной |
величины |
X |
(і) является |
величина |
Р (xh; |
t) == |
||||
= Р {X(t) = |
Хъ}, |
а |
распределение |
накопленной |
вероятности |
|||||
представляет |
собой |
не |
интеграл, а сумму |
|
|
|
|
|||
|
|
|
|
|
k |
|
|
|
|
|
|
Р(х; |
t)=.P{X{t)<.xK}= |
2 |
P(xt; |
t). |
|
|
|
||
|
|
|
|
|
i = |
l |
|
|
|
|
Соотношение между плотностью распределения вероятности
ираспределением накопленной вероятности для непрерывной
величины может быть записано в виде
X
|
|
|
Р{х; |
t)= |
j р(х'; |
t)dx', |
|
||
|
|
|
|
|
|
— 00 |
|
|
|
|
|
Р(х2; t) — P{xt; |
t)=^p{x; |
t) dx |
= P { ^ < X |
(t)*£x2), |
|||
|
|
|
|
|
Xi |
|
|
|
|
где |
штрихом |
обозначена |
немая |
переменная. |
Следовательно, |
||||
Р{Х |
= |
х0} = 0, |
так |
как |
интервал |
интегрирования равен нулю. |
|||
Кроме |
того, по |
определению, |
|
|
|
о о
j p (х; t)dx = l.
Распределения |
вероятности |
и выборочная |
статистика |
29 |
Аналогичные соотношения можно написать для распределения вероятности второго порядка. Соотношение между плотностями распределений первого и второго порядка имеет вид
о о
р ( я і ; ti)= j р(хи |
хг; tu h)dx2. |
(2.1.4) |
|
|
— о о |
|
|
Величина p (x4 ; ti) |
называется маргинальной |
(безусловной) плот |
|
ностью распределения |
вероятности; |
это плотность распределения |
вероятности величины X (tt) безотносительно к тому, каково зна
чение X (£2)-
Совместное распределение накопленной вероятности двух раз
личных случайных величин X (t) |
и |
Y |
(t) |
называется двумерным |
||||||||
распределением |
и может быть |
записано |
в |
виде |
|
|
|
|||||
Р (х, |
y;t)=P |
{X (t) ^х; |
Y (t) < |
y} |
= |
|
|
|
|
|
||
|
|
|
|
|
X |
y |
|
|
|
|
|
|
|
|
|
|
= |
j |
,J |
p (x', |
y'; t) dy' |
dx'. |
(2.1.5) |
||
|
|
|
|
|
— o o |
— o o |
|
|
|
|
|
|
Два |
типичных, |
не |
зависящих |
от |
времени |
двумерных'["рас |
||||||
пределения вероятности показаны на фиг. 2.1.4. |
условная |
плот |
||||||||||
В |
последующих |
главах будет |
использоваться |
|||||||||
ность |
распределения |
вероятности. |
|
Условное |
распределение на |
|||||||
копленной вероятности случайной величины Y, |
получающееся |
|||||||||||
при условии, что случайная величина X |
равна значению х, |
дается |
||||||||||
выражением |
|
|
|
|
|
|
|
|
|
|
|
|
|
P (у I X = |
х) = |
lim P (у I x < |
X < x + |
Ах), |
|
Дх->-0
где вертикальная черта означает «для данного» или «при условии, что». Затем, используя соотношение для верхнего и нижнего пре делов непрерывной величины, аналогичное соотношению (А.8) приложения А, получим
n , |
I V |
ч |
P(x-\-hx, |
у)— Р (х, у) |
дР(х, |
и)/дх |
|
Р (у \Х = х) = hm рТ I а ; р / t = |
Я р |
— |
• |
||||
к |
а 1 |
' |
дзс^о Р(х |
+ Ах) — Р(х) |
дР(х)Ідх |
|
Соответствующая плотность распределения вероятности получает
ся дифференцированием P |
(у \ X = х) |
по у: |
|
|
|
|||
|
р(у\Х |
= х) = |
Р |
^ . |
|
|
|
(2.1.6) |
Д л я упрощения записи условную |
плотность |
распределения веро- |
||||||
ч - Ф и г . 2.1.3. Типичные |
диаграммы процессов |
(слева) |
и соответствующие |
|||||
им (не з а в и с я щ и е от времени) плотности распределения |
вероятности |
(справа). |
||||||
а — синусоидальная волна |
(со случайной начальной фазой |
W); б — синусоидальная |
||||||
волна плюс случайный шум; в — узкополосный случайный |
шум; г — широкополосный |
|||||||
случайный шум. (Из работы |
[1], |
стр. |
17, 18.) |
, |
30 |
Глава |
2 |
|
ятности принято |
записывать |
в |
виде |
|
Р {у \ х) = |
р |
{у \ Х = х). |
Так как
оо
Р(У) = j Р (Х> У) D X >
•— о о
асовместная плотность распределения, согласно выражению
(2.1.6), |
равна |
|
|
|
|
|
|
|
• р (х, |
у) |
= |
р (у |
I х) |
р |
{х), |
можно |
записать |
|
|
|
|
|
|
|
|
о о |
|
|
|
|
|
|
Р (У) = |
j |
Р |
(У Iх) |
Р |
(х) |
d x - |
|
|
— о о |
|
условия |
X |
— х нужно условную |
|
Другими словами, для снятия |
Ф и г. 2.1.4. Д в а |
не з а в и с я щ и х |
|
от времени |
двумерных |
распределения . |
|||||||
а — двумерная |
плотность |
распределения вероятности непрерывных |
величин; |
б - дву |
||||||||
|
|
мерное распределение вероятности дискретных величин. |
|
|||||||||
плотность |
распределения умножить на |
плотность |
распределения |
|||||||||
X и проинтегрировать по всем значениям |
X. |
|
|
|
||||||||
Обобщая выражение (2.1.5), можно ввести и-мерное распреде |
||||||||||||
ление накопленной вероятности. Изучение п различных |
случайных |
|||||||||||
величин Хі, |
Х2, |
. . ., Хп |
эквивалентно |
рассмотрению |
одного |
|||||||
тг-мерного |
случайного вектора |
X = (Xt, |
Х2, |
• • -, |
Хп). Одномер |
|||||||
ные |
переменные |
называются |
статистически |
независимыми |
если |
|||||||
1 |
) Статистическую независимость двух случайных величин можно |
и н т е р - |
||||||||||
" претировать |
следующим образом. Вероятность получения какого - либо |
значе |
||||||||||
н и я |
одной |
из |
величин не д о л ж н а |
зависеть от |
того, каково |
фиксированное |
||||||
значение другой величины . Известны непрерывные |
процессы, |
д л я к о т о р ы х |
||||||||||
предыдущие |
значения |
переменных |
действительно |
в л и я ю т |
на следующие |
|||||||
j з н а ч е н и я . |
|
|
|
|
|
|
|
|
|
|
|
Распределения |
вероятности и выборочная |
статистика |
31 |
для всех возможных значении этих переменных и для всех сов местных распределений накопленной вероятности выполняется условие
Р (х) = Р (хі, . . ., хп; h, . . ., tn) = P (XÙ ti) . . . P (xn; tn).
(2.1.7a)
Эквивалентное соотношение для плотностей распределения веро ятности имеет вид
р (хи . . ., хп; ti, . . ., tn) = p (XÙ U) . . . p (xn; tn). (2.1.76)
Аналогичное выражение для независимых дискретных переменных получается обобщением выражения^(А.б) приложения А
P (xik, |
. . ., xnh) |
= |
P {Xi (t) ^ |
xih, |
. . . ; Xn (t) <Ç xnk} |
= |
|
||||||
|
|
|
|
|
|
|
|
|
— P (xlh) |
• • • P |
(^nft)- |
||
Пример 2.1.1. Двумерная функция распределения |
|
|
|
||||||||||
Пусть p (х, |
у; |
ti, |
t2) > 0 — двумерная |
плотность |
распреде |
||||||||
ления |
вероятности |
для двух |
случайных |
величин |
X |
(t) и Y (t). |
|||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
P (at < X < а2, Ьі < Y < Ъ2) = |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
= |
|
j |
j Р (ж, y; h, |
t2) |
dy dx, |
(a) |
||
|
|
|
|
|
|
|
ai |
bi |
|
|
|
|
|
P ( — оо < X < X, — oo < Y < y) = |
|
|
|
|
|
||||||||
|
|
|
|
|
X |
|
y |
|
|
|
|
|
|
|
|
|
|
= |
j |
|
J p (ж', |
y'; t u |
t2) |
dy' dx' |
(6) |
||
|
|
|
|
|
— OO |
— o o |
|
|
|
|
|
||
|
|
j |
j p (ж, г/; tu |
t2) dy dx = 1. |
|
|
(в) |
||||||
|
|
— o o |
— o o |
|
|
|
|
|
|
|
|
|
|
Приведем простой численный пример,"предполагая, что плот |
|||||||||||||
ность распределения p (х, у; tu |
t2) |
|
не зависит от времени и равна |
||||||||||
|
р (х, у; ti, t2) |
= е-( З С + у > |
|
|
для X |
> О, Г > О, |
|
||||||
|
p (х, у; tu |
t2) |
= 0 |
в |
остальной области. |
|
|||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
2 |
|
|
|
|
|
|
|
P ( - | - < Z < 2 ; 0 < y < 4 J = j Ç g - * * - » |
dy = |
|
|
|
|
О |
1/2 |
= |
(е-Ѵ2 _ e-s) (i _ e-i) = 0.4Ç2. |