Стационарные случайные процессы

В приложениях теории вероятностей часто встречаются так называемые стационарные случайные процессы.

Определение 4. Случайный процесс называется стационарным, если для всех его n конечных функций распределения при любом t0 справедливо равенство

(1.9)

Свойство стационарного процесса, выраженного формулой (1.10), означает инвариантность, т.е. независимость конечных распределений относительно сдвига во времени на величину . В частности, это означает, что все сечения случайного процесса X(t) одинаково распределены и ковариационная функция cov(s, t) обладает следующим свойством: для любых таких, что справедливо равенство . Из последнего условия следует, что cov(s, t) будучи функцией двух переменных s и t, фактически зависит от разности (s - t), т.е. существует функция , обладающая свойством cov(s, t) = , где = .

Если X(t) – случайный процесс, описывающий отклонение управляемого объекта от расчетной траектории, то этот процесс является стационарным тогда, когда факторы, вызывающие отклонение, не меняются со временем (установившийся режим полета).

Определение 5. функция - математическое ожидание произведения случайных величин и ,называется корреляционной функцией случайного процесса .

Рассмотрим также корреляционную функцию пары случайных процессов и . По определению: . (1.10)

Приведем свойства корреляционной функции пары случайных процессов.

Корреляционная и ковариационная функции связаны соотношением:

(1.11)

1. Если _X=Y, то равенство (1.11) примет вид:

.

2. Для стационарного случайного процесса корреляционая функция является функцией одной переменной = , при этом употребляют обозначение . Тогда , где - это математическое ожидание случайной величины , не зависящее от .

Среди всевозможных случайных процессов естественно выделить те, для которых -е конечномерные функции распределений имеют простой вид. Иногда все -е конечномерные функции определяются -ми функциями ( > ). Говорят, что случайный процесс имеет порядок , если все его конечномерные функции распределения выражаются через n - мерные функции, но не выражаются через (n - 1)-мерные функции распределения. Рассмотрим, например, процесс, который определен семейством попарно независимых случайных величин. Он называется чисто случайным процессом. Первая конечномерная функция распределения совпадает с функцией распределения сечения ; вторая конечномерная функция распределения . Аналогичное утверждение справедливо и для n – ой дифференциальной функции распределения:

Таким образом, чисто случайный процесс является процессом первого порядка. Замети, что реализации (траектории) такого процесса не могут быть непрерывными функциями. Поэтому для всякого чисто случайного процесса, характеризующего какое-либо физическое явление, случайные величины должны быть дискретными.

Марковские случайные процессы

Марковские случайные процессы характеризуются следующими свойствами: их основные конечномерные функции распределения

(1.11)

т.е. условное и не зависит от остальных условий при любых . Марковский процесс определяется своей второй конечномерной функцией или первой конечной функцией распределения совместно с “вероятностями перехода” . Марковский случайный процесс это процессом 2-го порядка.