Cтраница 1
Нормальный случайный процесс полностью определяется изменением во времени математического ожидания и корреляционной функции. Поэтому стационарный в широком смысле нормальный случайный процесс стационарен и в узком смысле. Кроме того, сумма двух нормальных процессов дает нормальный процесс, а распределение вероятностей производной стационарного процесса также нормально. [1]
Нормальные случайные процессы можно анализировать знаковым ( полярным) методом, при осуществлении которого не требуется умножитель. [2]
Узкополосный нормальный случайный процесс, имеющий дисперсию сг 2.5 В2, приложен ко входу идеального детектора огибающей. [3]
Узкополосный нормальный случайный процесс X ( t) характеризуется дисперсией а. Найдите вероятность того, что в некоторый фиксированный момент времени огибающая этого процесса превосходит уровень 4 В. [4]
Поскольку нормальный случайный процесс и его производные в совпадающие моменты времени независимы, то случайные величины у и z также независимы. [5]
Схема измерения скользящего среднего с периодическим ( а и непрерывным отсчетом ( б. [6] |
Для нормального случайного процесса [3, 79] теоретически Пфн стремится к бесконечности. [7]
Для стационарного нормального случайного процесса неизвестным параметром с может быть дисперсия; тогда R ( t, y) R ( у - 0 представляет известный коэффициент корреляции. [8]
Для нормальных случайных процессов понятия стационарности в широком и узком смысле совпадают, поскольку для них математическое ожидание и корреляционная функция полностью определяют п-мерную плотность вероятности. В дальнейшем будут рассматриваться только случайные функции, стационарные в широком смысле. [9]
Для нормальных случайных процессов понятия стационарности в широком и узком смысле совпадают. [10]
Винеровские процессы Нормальный случайный процесс с независимыми приращениями, для которого MX ( /) 0, D [ X ( t h) - X ( t) ft I называется винеровскнм процессом Такой процесс еще называют процессом броуновского движения. [11]
Винеровские процессы Нормальный случайный процесс с независимыми приращениями, для которого MX ( /) 0, D [ X ( t h) - X ( t) ft I называется винеровскнм процессом Такой процесс еще называют процессом броуновского движения. [12]
Определенный таким образом нормальный случайный процесс стационарен и в узком и в широком смысле слова. [13]
Выясним, когда стационарный нормальный случайный процесс является марковским. [14]
Если сигнал является нормальным случайным процессом, то порождающий процесс (7.65), как линейный функционал нормального процесса, представляет нормальный белый шум. [15]