Примеры случайных процессов


Приведем примеры случайных процессов, которые можно определить и изучить на основе понятий, введенных ранее в этой главе.

Пример 1.5. Процесс с взаимно независимыми значениями. Пусть Fn(Х) – последовательность одномерных функций распределения, где n пробегает множество целых чисел. Для любой конечной группы целых чисел n1, …, nk функция

является k-мерной функцией распределения. Очевидно, что семейство всех таких F с k = 1,2, … удовлетворяет условиям симметрии и согласованности. Следовательно, по теореме Колмогорова существует случайный процесс с целочисленным параметром …, x–1, x0,x1, …, семейство конечномерных распределений которого совпадает с семейством всех F. В силу определения F, случайные величины xn взаимно независимы. Процесс xn называется процессом с взаимно независимыми значениями.

Пример 1.6. Стационарный марковский процесс. Пусть x1, x2, … – последовательность независимых случайных величин, распределенных нормально с параметрами (0, 1); иначе говоря, каждая случайная величина xn имеет нормальную функцию распределения j(x). Определим новую последовательность случайных величин:

h1 = x1,

h2 = rx1 + (1 – r2)1/2 x2,

hn = rn-1x1 + (1 – r2)1/2 (rn-2x2 + rn-3x3 + … +xn),

где r – некоторое число, ½r½< 1. Для всех m и n

Shn = 0, Shn2 = 1, Shmhn = r½mn½.

Любая конечная группа величин hn имеет совместное нормальное распределение с нулевыми средними, единичными дисперсиями и с коэффициентами корреляции для любой пары hn и hт, равными r½m-n½, так что свойство стационарности имеет здесь место.

Найдем

h = x1,

,

.

Случайные величины, стоящие в этих равенствах справа, независимы и нормально распределены с параметрами (0, 1). Следовательно, условная плотность распределения

при условии, что величины x1, …, xn–1 приняли некоторые определенные значения, не зависит от этих значений и равна нормальной плотности j(x). Величины x1, …, xn–1 однозначно определяют h1, …, hn–1, и наоборот. Поэтому условное распределение hn–1 при данных h1, …, hn–1 нормально с условным средним rhn–1 и дисперсией (1 – r2)1/2. Заметим, что это распределение зависит только от непосредственно предшествующей величины hn–1 и не зависит от h1, …, hn–2. Случайный процесс, для которого зависимость от прошлого носит такой характер, называется марковским.

Приведенные примеры иллюстрируют применение теоремы Колмогорова при доказательстве существования случайных процессов с конечномерными распределениями.

 




Дата добавления: 2021-01-11; просмотров: 420;


Поиск по сайту:

Воспользовавшись поиском можно найти нужную информацию на сайте.

Поделитесь с друзьями:

Считаете данную информацию полезной, тогда расскажите друзьям в соц. сетях.
Poznayka.org - Познайка.Орг - 2016-2024 год. Материал предоставляется для ознакомительных и учебных целей.
Генерация страницы за: 0.009 сек.