Некоторые определения из теории случайных процессов
Перейдём к изучению случайной составляющей временного ряда и построению математических моделей этой составляющей. Введём основные определения. Определение. Случайным процессом называется функция двух переменных , где – элементарный исход эксперимента, – время. Таким образом - функция двух переменных, принимающая вещественное значение. Пусть зафиксирован элементарный исход эксперимента . Тогда эта функция выражает развития случайного явления во времени. Рассмотрим
4 3 2 1 t t t1 t2 t3 t4
называется траекторией процесса, а набор значений , ,... называется рядом. Определение.Временным рядом называется последовательность значений случайного процесса, взятых в некоторый момент времени , ,..., . То есть временной ряд можно рассматривать как последовательность случайных величин. Определение.Последовательность случайных величин называется стационарной, если и (*) . i j i+k j+k
Выражение (*) означает, что величины на любых двух непересекающихся промежутках времени одинаковой длины одинаково коррелированны. Определение.Ковариацией случайных величин и называется число . Определение. Коэффициентом корреляции случайных величин и называется величина . Основные свойства коэффициента корреляции. 1. , т.е. коэффициент корреляции принимает значения от -1 до 1. 2. Если случайные величины и независимы, то (обратное неверно!) 3. Если величины и линейно зависимы, то и наоборот. Определение. Коэффициентом автокорреляции называется величина , то есть коэффициент корреляции между уровнями временного ряда и . Здесь вводится понятие порядка автокорреляции. Например, коэффициент автокорреляции первого порядка имеет вид . Говорят, что это коэффициент с лагом 1. Коэффициент – коэффициент автокорреляции с лагом . Определение. Последовательность случайных величин называется белым шумом, если , , и . Таким образом, «белый шум» – это последовательность некоррелированных случайных величин, одинаково распределённых и имеющих нулевое математическое ожидание и постоянную дисперсию . Иногда добавляется следующее требование: которое означает, что величины распределены по нормальному закону с математическим ожиданием, равным нулю и дисперсией, равной . В этом случае говорят, что шум – гауссовский «белый шум».
Основным предположением построения модели является то, что текущее значение определяется некоторой предысторией и случайной ошибкой. В основном строятся модели не более чем второго порядка.
Рассмотрим пример вычисления коэффициента корреляции между случайными величинами и . Пусть даны случайные величины и и их совместное распределение.
Требуется рассчитать коэффициент корреляции и ответить, являются ли данные величины зависимыми? 1 этап. Восстановим частные распределения и . Для этого суммируем вероятности в столбцах для Х и в строках для .
2. Определим числовые характеристики величин x и y:
3. Вычислим совместное математическое ожидание этих случайных величин x и y: 4. Вычисление коэффициента ковариации:
Напомним, что коэффициент корреляции . Так как в данном случае близко к нулю, величины и слабо коррелированны и их совместное распределение плохо оценивается при помощи линейной функции. Так как коэффициент отрицательный, то величины и отрицательно коррелированны, то есть с ростом одной величины другая уменьшается..
|