Documente Academic
Documente Profesional
Documente Cultură
Cursul
11
.r se
Funcfia de densitate de probabilitate exprimd probabilitateaca X:x: :> -f (x) = p(X - x) = {Ex.
f(x)-p(x)-+" o42r
X(t)
-(r-r.)t
(gaussian6)
Un proces stochastic
este o familie de
u
xr(t)
xr(t) func{ii
xr+t)
de "realizare"
Pentru
$e'$'"'c-l ) , un tffifr{procesul
(stochastic) se transformi intr-o variabild aleatoare. Se numestefunclie de realizare (esantiqn) a unui proces)oricare dintre funcliile x,(t). Pentru procese stochastice se definesc similar: - funclia de disnibulie (carcinsa este o functie de x si t nmp ) F (*) -+ F (x,t) ( P Ar+1 ) - funcfia de densitate
de
probabilitate
f (r) ->
Procese stochastice stafionare Sunt procese stobhastice pentru carc proprietdlile statistice strfi invariante in raport cu o deplasare de-a lungul axei timpului. Proprietatile statistice nu depind de momentele ci numai de decalajul de timp inhe ele: r = tz - tr.
f (x,il -AF{*'t) Ax
( s"r.
Crt,
tl )
t,t,
Modelare si Simulare
'
Procese ergodice
poces
de realizdri se pot inlocui cu medii temporale pe o realizarc se numesc (ipoteza ergodic6 IE). Ipoteze principale: procesele stochastice sunt stalionare si ergodice.
e ergadice
&
t
I
i
I
tl
/t
I
/r\
H
d
Dxr-r
I
/f
tz ==tr*t
ry
"/ medii
temporale
tr
\
medii pe
ansamblu
7.2
Pentru caractenzarea mai sintetica a proprietllilor statistice ,. d.fin.sc similar ca si in cazul marimilor aleatoare, "mornente" $i "valori medii". S<- reot* t^,fe s c d. g6tr1 (r- ". h Se numeqte momegtt de ordin k alvariabilei aleatoar:e X media statisticd i R niliei ,k:
J:r
unde E
Expected value- este operatorul de mediere statistica; ,,media" valorilor deja disponibile reprezinta valoarea viitoare cea mai asteptatd. Obs" Pentru eazul discret dacd x(i) este o secventd de variabili aleatoare discreta se definesc similar cu cazul continuu, m6rimi statistice corespondente, i
(;:
E{*r(r)}=
i,11#I
xoU)
Modelare st Simulare
momentul de ordin
si
pentru
= i xf (x,t)h
=Vansambtu
unde -f (*,t) = fr(x,t) - funclia d"*drnrftatu de probabilitate unidimensionald a procesului stochastic X(t) " Dacd procesul este ergodic atunci media statisticd se calculeazl. ca medie
temporal6:
m*(t) =ftansamblu -f;temPoratd
lim J-T *rnat = T->a 2T '- ' '
x{r.t
-VQ) a unui proces stochastic reprezintd o funcfie nealeatoare, in jurul cdreia se grupeazd, realizdnle procesului stochastic ai faf6 de care acestea "oscileazd". Pentru o secliune tp a procesului stochastic speranla matematicd este rezultatul operaliei de mediere probabilistic[ cdnd fiecare valoare x din cele n realizlri'se ia cu o pondere egald cu (x,to)" "f Obs" In cazul discret daca x(k) esteo secvenfd de variabila aleatoare se defineste similar
valoarea medie (sau speranla matematicd) prin:
w = E{,(k)t=J*1"Eon
Caracterizarea unui proces stochastic doar prin media statistica este insuficienta fiind necesara cunoasterea gradului de gnrpare/raspandire a datelor in jurul mediei (dispersia) cat si daca sunt sau nu sunt corelate.
2.
Dispersia (varianga)
D""(t)= var{X(/)} =
Reprezint
d momentul de ord,inul 2 al prollsufuf aleator centrat. Dispersia caracterizeazd, imprdgtierea (gradul de oscilalie) alrealizdrilor procesului stochastic in jurul valorii medii. In cazul discret varianta (dispersia) va fi datd pentru un proces stochastic centrat illcl = x(k)-r{"(t)} = xft)*F de relatia:
var
=Eh'(,rt=Hi,X iz 1k7= 62
Modelare si Simulare
3.
Devialia standard
2 avanabilei
|=661-Tl
o = E{(x -V)t
}t - "[DJ\ = o(t)
4.
D,(r)
stochastice, dar nu intotdeauna dau o reprezentare suficientd privind caracterul dependenlei intre realizdrile proceselor aleatoare. Ex. in fig. procesele Xr(t) si Xr(t) au aproximativ aceeasi medie (*t ,m2) si dispersie( D1 si Dz)rdar Xr(t) - variafii relativ monotone iar
X
se observi o anulare rapidd a dependenfei intre valorile x(t) gi x(rr). Pentru a evidenlia aceasti diferen![ se introduce funclia de autacorela{ie ( autocovarianyd)
Pentru procesele de
/, gi t z
,tr) = E{X(tt)X(tr)} Funclia de corelalie este egald cu valoarea medie a produsului celor doul mdrimi aleatoare X(tt) Si X(tr) gi caractefizeazl gradul de dependenld intre sec{iunile procesului stochastic.
R.=,
(/,
''
*"*,
(t,,tr): E{x(t,)x(trrt
I*,*rfr(x,,t,x,t2)dxrdx,
f, - funclia de densitate bidimensionald de probabilitate. Dac[ procesul stochastic este stalionar si ergodic atunci funclia nu mai depinde de momentele /, $i t, ci de distanfa dintre ele (r - tz -/, ) si se poate calcula ca medie temporald:
R* (t) = ]1"," ,-fr(*r,x,r)d.xrd,x, Proprietn{ile funcfiei de autocorelatie
1). R* (0) =
'ot-T
A*gp1t1r1t
4=
l51
#'FUrx(t
r)dt
x'(t\'
= lim
,T t-
( ataaE Y:
Modelare si Simulare
2).
R.*(") = R* (-r)
functie
pard,
monoton
+cosr,'
m-n:k)
Obs. In cazul discret, se defineste secventa de autocovarianfd a unui proces prin apli carea ipotezei ergodice , pentru oricare doud momente de timp discrete m st n, (numiti ,, pivo{i" cu
:
R*,(*,d
= E{x@).x@)}
- n)
R*(*
-n) =igg*
i.<,
x(i
m)
=R.",(fr)
- E{*U).
x(i -,a)}=
Aceleasi proprietdti ca in cazul continuu se regdsesc si in cazul discret: 1. Proprietatea de marginire: autocovarianta este maxima in origine
dispersia
+T xU). x(i - k)
si este egald cu
R-.t
Functia de autocovariantd este simetricd R*(-k) = R,,, r\o\-t{)=Ko\K) Yk e Z _i 3. Proprietatea de periodicitate a autocovarianfei :dacf, setul de dati p"riodic ic de < "rt. perioada T. perioadi T atunci si secventa de autocorelafie este periodicd si are aceeasi NotS: R o ,, se mai noteaza; noteaza:R, R- sau r" r*
2.
(fr) vKL
-l_-iff.t
5.
Funclia de intercorelayie
(/d
ftovarianyd, intercdvarianld)
se
Dacd' u(t) este intrarea (I) si y(t) iesirea (E) unui sistem sunt doud procese stochastice, poate defini similar funcfla de intercorelalie (covarianla incrucisatd alil u si y) :
= \ lrrf,
(u,
t i 1
y, t r) dudy
1co =&iG;6 = Ji* _ [u(t)y(t+rpt I -+a 21
statjonar
RuyG) =
1u1r7r1r1fz(u,
-co
celllalt
-w
de ex.
(er,u) funclia de
nuld.
Modelare si Simulare
Func{ia de intercovarianld se defineste similar in variabile centrate f, = u I = , -V . Obs. In cazul discret pentru a aprecia gradul de corelare intre valorile unui set de date (secven{e aleatoare de intrare/iesire) mai exact cat de corelata statistic este iesirea y(n) de intrarea u(m) unde m si n se numesc ,,pivofi" , s defineste similar funclia de covarianli (care depinde doar de diferen,ta dintre pivoli bm-n ) ca medie statistica a produsului uy prin: R*
(m, n)
-u gi
y(n
-u)} =
ue). y(i
- k)
este
a procesului respectiv:
(j
a):
.F[Ro (r)]
=\
-co
^*1r1"-i'"
Deoarece s-iat -
cos(an)
sin(arc)
si
R*(-r)= Ro(r)
S*
Daca se cunoaste
^S,
autocovariantd S, (ar)
R* (e)
R-'
(r) -
Conform proprietafilor transformatei Fourier, daca Rn se ,,ingusteaza" afunci Sxx se ,,intinde" (si invers)
La limitd semnalele aleatoare care au densitatea spectrald constantd pe intreaga band6 de frecven{d au funcfia de autocorelalie de tip impuls Dirac R_ (r) = d(r) )semnalul se numeste zgomot alb ZA si are proprietdli statistice deosebite"