При решении задач статистического анализа и оптимизации управления движением летательных аппаратов часто требуется определять моменты и распределения линейных и нелинейных функций случайных величин. Например, при переходе от одной системы координат к другой требуется уметь вычислить вектор математических ожиданий и корреляционную матрицу фазового вектора, описывающего состояние летательного аппарата относительно новой системы координат, если статистические характеристики фазового вектора относительно исходной системы координат известны.
Вначале рассмотрим случай линейного преобразования случайной величины. Пусть х и у — случайные векторы, связанные между собой линейным соотношением
где х — вектор размерности п; у — вектор размерности l; А — матрица размерности l × п; b — неслучайный вектор размерности l.
Используя соотношение (1.11) и учитывая (1.12), находим соотношение между тх и ту:
Вычитая (1.25) из (1.24), получаем соотношение между центрированными случайными величинами, из которого непосредственно вытекает соотношение между корреляционными матрицами Кx и Ку:
В частном случае при , т. е. когда х и у — скалярные случайные величины, имеем my=amx+b; Dy=a2Dx. При п=2 и l=1, т. е. если y=a1x1 + a2x2 + b, получаем my = a1m1+ a2m2 + b и , где K11, K12, K22, - элементы корреляционной матрицы Кx-
В случае нелинейной зависимости y= f(x), где x — скаляр,
т. е. для нахождения my и Dy недостаточно знать тх и Dx, а должна быть известна плотность вероятности р(х) аргумента х.
Пример. Рассмотрим преобразование гауссовской случайной величины х нелинейным звеном типа «реле» с уровнем насыщения А. Подставляя уравнение реле f(x)=A sign (x) и выражение для нормальной плотности вероятности (1.17)в соотношения (1.27) — (1.28) и учитывая свойства интеграла вероятности (1.21), получаем
Аналитически решение задачи определения плотности вероятности p(у) нелинейной функции y = f(x) от случайной величины х может быть получено лишь в том случае, когда существует взаимно однозначное соответствие между х и у, т. е. когда функция f(х) — монотонная.
Пусть f (x) монотонно возрастает. Тогда функция распределения F(y) может быть найдена с помощью соотношения
При взаимно однозначном соответствии между х и у из соотношения y=f(x) можно найти обратную функцию поэтому . Дифференцирование интеграла по переменной у, входящей в верхний предел, дает
где .
При монотонном убывании f(x)
Отсюда
Соотношения (1.31) и (1.32) можно переписать в виде одной формулы:
Пример. Пусть , а аргумент х распределен равномерно на интервале [0, 1], т. е.
Требуется найти p(y). Поскольку в данном , то и
Отсюда
1.1.5. Характеристическая функция и семиинварианты
При решении ряда задач наряду с функцией и плотностью распределения вероятностей используют характеристическую функцию случайной величины. Так называют функцию , являющуюся преобразованием Фурье от плотности вероятности:
Приведем некоторые свойства характеристических функций
Если — независимые случайные величины и
Математическое ожидание и дисперсию случайной величины можно найти, используя производные от логарифма характеристической функции :
Для гауссовской случайной величины х с математическим ожиданием т и дисперсией D
Производную R-го порядка логарифма характеристической функции в точке , умноженную на , называют семиинвариантом R-го порядка случайной величины. Первыми двумя семиинвариантами являются математическое ожидание и дисперсия, а семиинвариант порядка R есть рациональная функция первых R моментов случайной величины. В частности,
где
СЛУЧАЙНЫЕ ПРОЦЕССЫ