Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
В зависимости от того, непрерывное или дискретное множество есть область значений процесса и область определения параметра времени , различают четыре основных вида марковских процессов:
- марковские цепи (марковский процесс, у которого область значений (значения процесса) и область определения (время) – дискретные множества);
- марковская последовательность (марковский процесс, у которого область значений (значения процесса) – непрерывное множество, а область определения (время) – дискретное множество);
- дискретный марковский процесс (марковский процесс, у которого область определения (время) – непрерывное множество, а область значений (значения процесса) – дискретное множество);
- непрерывнозначный марковский процесс (марковский процесс, у которого область значений и область определения – непрерывные множества).
Характер временных реализаций перечисленных процессов показан на рис.5.17.
Случайный процесс является марковским, если для любых моментов времени условная функция распределения «последнего» значения при фиксированных значениях , , …, зависит только от .
Важным, определяющим специфику марковости, является свойство условной плотности вероятностей
,
где - переходная плотность вероятности из состояния в состояние .
Для марковских процессов справедлива теорема о факторизации, в соответствии с которой вероятность состояния в момент связана с вероятностью первоначального состояния соотношением
.
Так в соседних сечениях и процесса вероятности состояния связаны следующим образом
.
То есть значения марковского процесса образуют своеобразную цепь, в которой очередное звено определяет состояние последующего или же соответственно: его состояние зависит только от состояния предыдущего.
Для стационарных процессов
.
Приведенные свойства отображают важнейшую специфику и отличие случайных процессов, а именно: свойство динамики, поскольку позволяет описывать (моделировать) изменение свойств системы во времени, что невозможно описать с помощью эргодических процессов или случайных величин. Вместе с тем, марковские процессы не обладают достаточной гладкостью (рис.5.18), и в общем случае имеет произвольный закон распределения.
Часто используется центрированный марковский процесс, для которого плотность распределения вероятности носит гауссовский характер
,
- дисперсия процесса.
Такой сигнал называют гауссовским марковским процессом (рис.5.19).
Уравнение корреляционной функции для центрированного гауссовско-марковского процесса имеет вид (рис.5.20 а)
.
где , - интервал корреляции.
Корреляционной функции соответствует спектральная плотность мощности (рис.5.20 б)
.
Дата публикования: 2015-09-17; Прочитано: 690 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!