Дискретный случайный процесс

Cтраница 2

При таком подходе источник представляет собой не что иное, как произвольный дискретный случайный процесс. [17]

Обоснуйте, что процесс, протекающий в системе 5, является марковским дискретным случайным процессом. [18]

Выражение (5.20) представляет собой дискретный аналог теоремы Винера-Хин - чина: спектр дискретного случайного процесса является преобразованием Фурье от его корреляционной функции. [19]

Если реализация процесса является дискретными функциями, то такой процесс будем называть дискретным случайным процессом. При таком рассмотрении не имеется принципиальной разницы между непрерывным и дискретным случайными процессами, так же как и для закономерных процессов. Однако, учитывая, что теория обобщенных функций представляет собой достаточно сложный предмет для изучения будем излагать теорию дискретных случайных процессов, не прибегая к аппарату обобщенных функций. [20]

Согласно ГОСТ 21878 - 76 различаются непрерывнозначный случайный процесс и случайная последовательность, дискретный случайный процесс и дискретная случайная последовательность. Области значений параметров первых двух процессов являются непрерывными множествами ( континуумами), а области значений параметров двух остальных процессов - дискретными множествами. [21]

При математическом моделировании процессов функционирования технической системы для определения вероятностных характеристик используют реализации дискретных случайных процессов, получаемых в результате вычислительного эксперимента на ЭВМ. Дискретные случайные процессы характеризуют изменение во времени фазовых координат и выходных параметров технической системы в условиях случайных воздействий внешней среды. Значения фазовых координат получают в процессе интегрирования системы дифференциальных уравнений математической модели, а значения выходных параметров вычисляют на основе функциональных зависимостей между ними и фазовыми координатами. Задачей анализа процесса функционирования технической системы в этом случае является получение статистических оценок вероятностных характеристик фазовых координат и выходных параметров, характеризующих качество и эффективность системы, и оценка степени выполнения технических требований на эти параметры. [22]

Если отложим по оси абсцисс время, а по оси ординат - амплитуду поступающих импульсов, то получим дискретный случайный процесс ( фиг. [23]

В результате дискретизации по времени и по уровню непрерывный случайный процесс, являющийся математической моделью непрерывных сообщений, заменяется дискретным случайным процессом. Такой процесс представляет собой последовательность отсчетов, каждый из которых может принять любое мгновенное значение из конечного множества возможных целых значений, соответствующих выбранным уровням квантования. [24]

Все сказанное в этой главе до сих пор относилось к детерминированным сигналам, теперь же мы переходим к рассмотрению спектров дискретных случайных процессов. [25]

Можно взять и ряд отдельных значений x ( t) и x ( t т) и определить Дж ( т) так, как было указано для дискретного случайного процесса. Автокорреляционная функция RX ( T) имеет следующие свойства. Являются одинаковыми ее значения при равных пб абсолютной величине положительных и отрицательных т, то есть Д ( т) - четная относительно т функция. [26]

Цель этого параграфа состоит отчасти в том, чтобы дать примеры нормальных распределений, и отчасти в том, чтобы уста-ноннть некоторые соотношения, имеющие важное применение в теории дискретных случайных процессов и временных рядов. Они носят аналитический характер и легко отделимы от более глубокого стохастического анализа. Фактически мы будем иметь дело только с конечномерными нормальными плотностями, или, что равносильно, с их ковариационными матрицами. Хп) может быть взято сколько угодно большим. [27]

Отметим, пока не вдаваясь в подробности вопроса, что уравнение (1.39) является частным случаем известного уравнения Маркова, а сама рассматриваемая модель процесса накопления хода ТСХ является простейшим случаем специфических дискретных случайных процессов ( так называемые цепи Маркова), когда вероятность перехода к любому возможному новому значению просто совпадает с вероятностью достижения этого значения на n - м шаге, независимо от значений на всех других предыдущих шагах. [28]

Так как счетчик может менять свои состояния случайным образом в случайные моменты времени, а в каждый момент он пребывает в одном из состояний s, s2, sy то процесс, протекающий в системе S, будет дискретным случайным процессом с непрерывным временем. Данный процесс можно считать марковским, поскольку состояние счетчика в будущем существенно зависит от его состояний в настоящий момент времени и несущественно - от его состояний в прошлом. Незначительные колебания плотностей вероятностей переходов с течением времени позволяют нам сделать допущение об однородности рассматриваемого процесса. [29]

Страницы: 1 2 3