Шпаргалка: Микропроцессорная система
В чем состоят особенности статистических характеристик случайных величин? Назовите числовые характеристики случайных процессов и приведите алгоритмы измерения этих величин. Приведите аналитическое выражение, графическое изображение и структурную схему системы для измерения функции распределения.
Статистические измерения, или измерения вероятностных характеристик случайных процессов, — это широкий круг методов и средств, применяемых в различных областях народного хозяйства.
Под вероятностными характеристиками случайных процессов будем понимать математическое ожидание, дисперсию, законы распределения вероятностей, корреляционные и спектральные функции.
На рис. 10.18, а изображен стационарный случайный процесс; на рис. 10.18, б -- нестационарный случайный процесс с переменным во времени математическим ожиданием; на рис. 10.18, в — нестационарный случайный процесс с переменной во времени дисперсией; на рис. 10.18, г — нестационарный случайный процесс с переменным во времени математическим ожиданием и дисперсией
Если рассматривать стационарный случайный процесс, приведенный на рис. 10.19, а, то функция распределения определяется как вероятность Р в интервале - оо < Х( f ) < x , где ;с может изменяться от - оо до + оо;
Значение функции распределения при изменении х в вышеуказанных пределах изменяется от 0 до 1:
Эмпирическая функция распределения — это функция F *( X )9 определяющая для каждого значения х относительную частоту события X < х, т.е.
а — стационарный; б — нестационарный с переменным математическим ожиданием; в — нестационарный с переменной дисперсией; г — нестационарный с переменным математическим ожиданием и дисперсией
а — стационарный случайный процесс; б — функция распределения; в — плотность распределения
где X -- статистическое распределение частот; пх — число наименьших вариантов п\п — объем выборки.
Плотность распределения вероятностей получают путем дифференцирования Р(Х) по х:
Измерение математического ожидания. Структурная схема устройства,
Измерение дисперсии. приведен один из вариантов построения средств измерений дисперсии случайного процесса дисперсиометром:
Структурная схема средств измерения математического ожидания случайного процесса
Измерение функции и плотности распределения вероятностей
На рис. 10.22, а представлена многоканальная аналоговая система для измерения распределения вероятностей F*(x), а на рис. 10.22, б - цифровая система для измерения плотностираспределения вероятностей/*(х, Ux ).
Структурная схема анализатора: а — функции распределения вероятностей; б — плотности распределения вероятностей
Ввиду того что анализ F *( x ) и /(jc, Ux ) в настоящее время в основном ведется с помощью ЭВМ, предлагаем читателям ознакомиться с этими анализаторами самостоятельно.
Для стационарного эргодического процесса x(t) корреляционная функция может быть определена как математическое ожидание центрированных значений x(t) в моменты времени t и t + т:
Здесь приведена схема корреляционной системы, реализующая алгоритм взаимной корреляционной функции между двумя случайными процессами x ( t ) и ^СО-Спектр мощности
характеризует ее частотное распределение и определяется следующим алгоритмом:
Спектрального анализа могут быть как с параллельным, так и с последовательным сбором информации.
На рис. 10.25 изображена структурная схема анализатора мощности случайного процесса.
При измерении нестационарного случайного процесса прежде всего необходимо определить характер нестационарности, так как от этого зависит методика измерения и определения числовых характеристик данного процесса. Практически наиболее часто встречаются три основных типа нестационарных случайных процессов (см. рис. 10.18, б—г). Так как статистические характеристики нестационарных, случайных процессов зависят от времени, то для их определения, в отличие от стационарных эргодических случайных процессов, необходимо располагать несколькими реализациями данных.
Пусть в результате независимых измерений получено 7V реализаций случайного процесса X ( f ), которые обозначим */(/), /=1,2, ..., я. Для любого фиксированного момента времени статистическая характеристика случайного процесса X ( f ) получается осреднением по ансамблю 7V реализации для этого момента времени. Поэтому, как и для полученных ранее соотношений статистических числовых характеристик случайных величин, аналогично можно получить выражения для статистического математического ожидания mx *( f ), статистической дисперсии Dx ( f ) и статистического среднеквадратичес-кого отклонения а/(/) нестационарного случайного процесса X ( t ).
Учитывая, что истинное значение mx ( t ) неизвестно, статистическую дисперсию определяют по формуле, которая является несмещенной оценкой истинного значения дисперсии нестационарного случайного процесса.
Для определения статистической корреляционной Rx *( t \9 t 2 ) и взаимной корреляционной R ^( t \, t 2 ) функций необходимо рассматривать два фиксированных момента времени: t \ и /2 - При этом
Статистические корреляционную и взаимную корреляционную функции можно определить по соотношениям:
Так как истинное значение mx ( t ) и mv ( f ), как правило, неизвестно, для вычисления указанных статистических характеристик пользуются соотношениями: