Вероятностные характеристики.

Если рассматривать не каждую реализацию в отдельности, а совокупность их большого числа, то окажется, что некоторые средние результаты обладают статистической устойчивостью, т.е. могут быть оценены количественно. Устойчивость средних результатов носит вероятностный характер.

Пусть имеется случайный процесс , который задан совокупностью N реализации (рис. 2). Произведем сечение случайного процесса в некоторый фиксированный момент времени t. Выделим из общего числа N те реализаций, значения которых в момент времени меньше некоторого уровня . При достаточно большом N относительная доля реализации, находящихся в момент времени ниже уровня , будет обладать статистической устойчивостью, т.е. будет оставаться приблизительно постоянной, колеблясь при изменении N и вокруг некоторого среднего значения. Это среднее значение определяет вероятность пребывания значений случайного процесса ниже уровня . Функция ,определяющая вероятность нахождения значений случайного процесса момент времени ниже уровня , называется одномерной интегральной функцией распределения вероятностей случайного процесса. Ее производная, если она существует, называется одномерной плотностью вероятности или дифференциальной функцией распределения случайного процесса.

Введенные функции, и дают представление о процессе лишь для изолированных друг от друга моментов времени . Для более полной характеристики процесса необходимо учитывать статистическую связь между значениями случайного процесса в различные моменты времени. Эту связь для двух моментов времени учитывает двумерная интегральная функция распределения вероятностей определяющая вероятность того, что значения случайного процесса в момент времени , будут находиться ниже уровня , а в момент времени - ниже уровня . Частная производная второго порядка

называется двумерной плотностью вероятностей случайного процесса. Эти функции зависят уже от четырех аргументов.

Аналогично определяются многомерные интегральная и дифференциальная функции распределения случайного процесса

которые зависят от 2 n -аргументов.

Если значения случайного процесса при любых значениях t зависимы, то многомерная функция распределения равна произведению одномерных

(3.1.7)

1. Числовые характеристики случайных сигналов.

Простейшей характеристикой случайного процесса является его среднее значение или математическое ожидание

Дисперсией случайного процесса называется неслучайная функция, значения которой для каждого момента времени t равны, т.е. математическому ожиданию квадрата отклонения случайного процесса от его среднего значения:

Следовательно, дисперсия определяет степень разброса значений случайного процесса около среднего значения. Среднее значение и дисперсия характеризуют поведение случайного процесса в отдельные моменты времени. В качестве характеристики, учитывающей статистическую зависимость между значениями случайного процесса в различные моменты времени, используется корреляционная (иначе - автокорреляционная) функция случайного процесса

определяемая как математическое ожидание от произведения значений процесса в два различных момента времени. Корреляционная функция определяет степень линейной зависимости между значениями случайного процесса в различные моменты времени. На рис. 3.5 и 3.6 показаны соответственно два случайных процесса с сильной и слабой статистической зависимостью их значений в моменты времени и .

Из определения корреляционной функции следует

т.е. она является симметричной относительно начала отсчета времени.

Для совокупности двух случайных и статистическая зависимость между их значениями в различные моменты времени определяется функцией взаимной корреляции