Professional Documents
Culture Documents
Lecture16 Handwrite
Lecture16 Handwrite
م اهلل ا ر ن ا ر م بس
1
فرایندهای اتفاقی
Stochastic Processes
ترم پاییز
سال تحصیلی 1400-1401
حسین کاظمی
krhkazemi@ihu.ac.ir
2
فرایندهای اتفاقی (تصادفی)
ادامه مفاهیم
3
ویژگیهای خاص فرایندها
فرایندهای مستقل
فرایندهای نویز سفید-a ،وابسته و -aهمبسته
فرایندهای با نمو مستقل ( )independent incrementsو فرایندهای با نمو ناهمبسته ( uncorrelated
)increments
فرایند وینر ()Wiener Processes
فرایند پواسون ()Poisson Processes
فرایندهای نرمال ()Normal Processes
فرایندهای ایستان ()Stationary Processes
فرایندهای ایستان به مفهوم اکید ( Strict-Sense Stationaryیا )SSS
فرایندهای ایستان به مفهوم وسیع ( Wide-Sense Stationaryیا )WSS
فرایندهای ایستان دوری به مفهوم اکید ( Strict-Sense Cyclo-Stationaryیا )SSCS
فرایندهای ایستان دوری به مفهوم وسیع ( Wide-Sense Cyclo-Stationaryیا )WSCS
فرایندهای مارکف ()Markov Processes
فرایندهای ارگادیک ()Ergodic Processes
4
فرایندهای مستقل
فرایندهای 𝑡 𝐱 و 𝑡 𝐲 مستقل نامیده می شوند هر گاه برای هر nو mدلخواه و مقادیر
𝑚𝑡 𝑡1′ ,𝑡2′ , … ,متغیرهای تصادفی 𝐱 𝑡1و 𝐱 𝑡2و ...و 𝑛𝑡 𝐱 و ′
دلخواه 𝑛𝑡 𝑡1 , 𝑡2 , … ,و
𝑚𝑡 𝐲 مستقل باشند.′
𝐲 𝑡1′و 𝐲 𝑡2′و ...و
5
نویز سفید ()white noise
فرایند )𝑡(𝛎 را نویز سفید می گوییم اگر برای هر دو زمان متفاوت 𝑡1و ،𝑡2مقادیر ) 𝛎(𝑡1و
) 𝛎(𝑡2ناهمبسته باشند.
𝐶 𝑡1 , 𝑡2 = 0 𝑡1 ≠ 𝑡2
اتوکواریانس فرایند نویز سفید بصورت ) 𝐶 𝑡1 ,𝑡2 = 𝑞(𝑡1 )𝛿(𝑡1 − 𝑡2نوشته می شود
که 𝑞 𝑡 ≥ 0واریانس لحظه ای فرایند مورد نظر است.
بطور پیشفرض میانگین یک فرایند نویز سفید را برابر صفر فرض می کنیم.
اگر برای هر دو زمان متفاوت 𝑡1و ،𝑡2مقادیر ) 𝛎(𝑡1و ) 𝛎(𝑡2نه تنها ناهمبسته بلکه
مستقل باشند ،فرایند )𝑡(𝛎 را نویز سفید اکید ( )strictly white noiseمی گویند.
6
مثال ( 9-9با کمی تغییر)
فرض کنید )𝑡(𝛎 نویز سفید با واریانس لحظه ای )𝑡(𝑞 باشد .فرایند 𝑡 𝐱 را بصورت زیر تعریف می کنیم:
𝑡
= 𝑡 𝐱 𝛼𝑑 𝛼 𝛎
0
واریانس لحظه ای 𝑡 𝐱 را بدست آورید.
حل:
𝑡
= 𝑡 𝐱 𝐸 𝐸
میانگین 𝑡 𝐱 برابر است با 𝛎 𝛼 𝑑𝛼 = 0
0
توان لحظه ای و واریانس لحظه ای فرایند تصادفی 𝑡 𝐱 به این صورت بدست می آید:
𝑡 𝑡 𝑡 𝑡
𝑡 𝜎 2 = 𝐸 𝐱2 𝐸= 𝛼𝑑 𝛼 𝛎 𝐸 = 𝛽𝑑 𝛽 𝛎 𝛽𝑑𝛼𝑑 𝛽 𝛎 𝛼 𝛎
𝑡 𝑡 0 𝑡 𝑡0 0 0 𝑡
= = 𝛽𝑑𝛼𝑑} 𝛽 𝛎 𝛼 𝛎{𝐸 = 𝛽𝑑𝛼𝑑 𝛽 𝑞 𝛼 𝛿 𝛼 − 𝛽𝑑 𝛽 𝑞
0 0 0 0 0
2
در حالت خاص 𝑞 = 𝑡 𝑞 داریم 𝑡𝑞 = 𝜎
7
فرایند -aوابسته و فرایند -aهمبسته
فرایند -aوابسته (:)a-dependent
فرایند 𝑡 𝐱 یک فرایند -aوابسته نامیده می شود اگر برای هر 𝑡1و 𝑡2با فاصله بیش از ( aیعنی
𝑎 > 𝐱 𝑡1 ،) 𝑡2 − 𝑡1و 𝐱 𝑡2نسبت به هم مستقل باشند.
فرایند -aهمبسته (:)correlation a-dependent
فرایند 𝑡 𝐱 یک فرایند -aهمبسته نامیده می شود اگر برای هر 𝑡1و 𝑡2با فاصله بیش از ( aیعنی
𝑎 > 𝐱 𝑡1 ،) 𝑡2 − 𝑡1و 𝐱 𝑡2نسبت به هم ناهمبسته باشند یعنی𝐶 𝑡1 ,𝑡2 = 0 :
8
فرایندهای با نمو ناهمبسته و فرایندهای با نمو
مستقل
فرایندهای با نمو ناهمبسته ( )uncorrelated incrementsو فرایندهای با نمو مستقل
(:)independent increments
اگر برای هر⋯ < ،𝑡0 < 𝑡1 < 𝑡2 < 𝑡3نموهای 𝐱 𝑡1 − 𝐱 𝑡0و 𝐱 𝑡2 − 𝐱 𝑡1و 𝐱 𝑡3
− 𝐱 𝑡2و ...ناهمبسته (مستقل) باشند ،فرایند 𝑡 𝐱 را با نمو ناهمبسته (مستقل) می گویند.
فرایند پواسون نمونه ای از فرایندهای با نمو مستقل است.
فرایند انتگرال نویز سفید مثال ،9-9نمونه ای از فرایند های با نمو ناهمبسته است.
9
فرایند نرمال
تعریف :فرایند 𝑡 𝐱 را نرمال می گوییم اگر برای هر nو 𝑛𝑡 ، 𝑡1 , 𝑡2 , … ,متغیرهای تصادفی
𝐱 𝑡1و 𝐱 𝑡2و ...و 𝑛𝑡 𝐱 توامان نرمال باشند.
نکته :آمارگان یک فرایند نرمال بطور کامل توسط میانگین و اتوکواریانس آن مشخص می
شود.
𝑡𝑁 𝜂 𝑡 , 𝐶 𝑡, تابع چگالی مرتبه اول:
; 𝑁(𝜂 𝑡1 ,𝜂 𝑡2 تابع چگالی مرتبه دوم𝐶 𝑡1 ,𝑡1 , 𝐶 𝑡2 ,𝑡2 ; 𝑟 𝑡1 ,𝑡2 ) :
1
𝑗{𝑝𝑥𝑒 𝜂𝑖 𝑡𝑖 𝜔𝑖 − 2 } 𝑘𝜔 𝑖𝜔) 𝑘𝑡𝑖,𝑘 𝐶(𝑡𝑖 , تابع مشخصه مرتبه nام:
10
11
)𝑥(𝐺 𝑄 𝑥 = 1 −
مثال 9-10
پایان این جلسه
12