Случайные величины и некоторые функции их распределения

Случайные величины и некоторые функции их распределения [c.15]

Способ программной "имитации случайных функций любой сложности сводится к генерированию некоторых стандартных базовых воздействий и к их последующему функциональному преобразованию для получения случайной величины (функции), подчиняющейся определенному закону распределения. Для большинства же исходных параметров, как уже отмечалось выше, вид закона распределения неизвестен. В этом случае для исходной информации, заданной в неопределенной форме, выдвигаются различные гипотезы о законах распределения, исходя из принципа максимума энтропии. Выдвинутые гипотезы, естественно, не снимают проблему принятия решений в условиях неопределенности, а лишь дают возможность использовать методы статистического моделирования для всестороннего исследования этой проблемы. [c.270]

Изложенный стохастический метод определения оптимального интерполяционного полинома может быть обобщен п применении к задаче поиска оптимума некоторой многопараметрической функции в смысле заданной оценочной функции. При этом, в зависимости от области изменения параметров и их характера, дискретные случайные величины могут быть заменены непрерывными случайными величинами, а также могут быть учтены различные законы распределения параметров. [c.174]

Существует несколько методов определения оценок. Наиболее распространен метод максимального правдоподобия, теоретически обоснованный математиком Р. Фишером. Идея метода заключается в следующем. Вся получаемая в результате многократных наблюдений информация об истинном значении измеряемой величины и рассеивании результатов сосредоточена в ряде наблюдений Хй Хг ..., Хп, где п — число наблюдений. Их можно рассматривать как п независимых случайных величин с одной и той же дифференциальной функцией распределения рх(х Q стх). Вероятность Pi получения в эксперименте некоторого результата Хи лежащего в интервале x, Ax, где Ах — некоторая малая величина, равная соответствующему элементу вероятности Pi= ==Px Xi Q (Тх) - Ах. [c.105]

Мертвый ход является линейной функцией трех случайных величин, подчиненных закону распределения Максвелла. Так как среди трех составляющих имеются две составляющие, равные друг другу, то для их совместного закона распределения а (Д ) = —0,08 Я, (Д ) = 0,34. Наличие третьего слагаемого приведет к некоторому уменьшению абсолютного значения величина (Д ) и %. (Дс). Для практических расчетов можно принять а (Дс) = 0 X (Дс) = 0,33. [c.132]

Входные зксплуатационные воздействия отражаются в первую очередь на амплитуде, частоте, форме, симметрии напряжения, а также й на температуре, давлении, перегрузке и пр. Часть из них может иметь и систематическую составляющую во времени (например, изменение момента трения в подшипниках по мере выработки их ресурса). Но всем им присущи одновременно шумы , случайные отклонения от номинального уровня. По своему характеру зти параметры должны быть отнесены к категории случайных функций времени, в общем случае нестационарных. Однако известно, что распределение вероятностей случайного процесса х, ( ) можно задавать совокупными распределениями вероятностей случайных величин х . ( ,),. .., Х (1к), , эг,( ), отвечающих любому конечному набору значений, 1 , , Это позволяет проводить исследования нестабильности в некоторых сечениях периода эксплуатации (причем продолжительность их во времени такова, что параметры распределения случайных значений эксплуатационных входных факторов не претерпевают существенных изменений и их можно принять постоянными), и при описании поведения этих факторов заменить нестационарные случайные функции стационарными. Это в совокупности с выполнением условий взаимной независимости параметров делает принципиально возможным проводить эксплуатационные испытания стохастической модели по общей схеме [22]. Сами же вероятностные распределения эксплуатационных факторов также могут быть обычно приняты нормальными - см., например, рис. 5.10, б. [c.134]

Следует заметить, что некоторые из кривых распределений, первоначально полученных названными выше искусственными путями, оказались в дальнейшем соответствующими теоретическим распределениям, вполне обоснованно полученными для определенных условий возникновения случайных величин или же как распределения выборочных (эмпирических) характеристик таких величин. Кроме примеров такого рода, упоминавшихся уже в предшествующем тексте, отметим здесь еще кривые распределения Щарлье (получаемые при разложении в ряд Чебышева—гамма-функции Гаусса). Эти кривые соответствуют так называемым допредельным случаям распределения величин, образованных по схеме суммы, когда число слагаемых превышает несколько единиц, и поэтому пользование правилами композиции распределений становится громоздким, но с другой стороны число их еще не настолько велико, чтобы можно было переходить к теоретическим распределениям, основанным на предельных теоремах. Естественно, что в подобного рода частных случаях использование теоретически обоснованных распределений, хотя и с сохранением для него первоначальных интерполяционных названий (кривые Пуассона или кривые Шарлье такого-то типа и т. п.), является совершенно разумным. [c.151]

Мы видим,, что корреляционная функция здесь зависит лишь от I2 — и, как это и должно быть для стационарного случайного процесса. При некоторых дополнительных условиях, налагаемых на величины Zk (и автоматически выполняюш,ихся, в частности, в случае, когда многомерные распределения вероятностей для величин ReZA и ImZfe все являются гауссовскими), все высшие моменты и конечномерные распределения вероятностей значений u(t) также будут зависеть лишь от разностей соответствующих моментов времени, т. е. процесс u f) будет стационарным. Равенство (5.1) и будет в таком случае задавать спектральное разложение этого стационарного процесса. [c.208]

Существует определенное сходство в формальных выражениях для матрицы плотности в квантовой механике и для корреляционной функции случайного классического волнового поля. Однако, по существу, эти физические объекты разительно отличаются друг от друга. Дело в том, что волновая функция квантовой механики в простейщем случае относится только к одной частице. Грубо говоря, она реальна только там, где эта частица существует, и имеет мало смысла для тех областей, где частицы нет. Можно сказать и по-другому. В квантовой механике все физические величины получаются в результате действия некоторых операторов на волновую функцию. Соответственно, средние значения этих величин можно получить путем их усреднения с весом ф . Отсюда видно, что абсолютная фаза и абсолютная амплитуда волновой функции не имеют физического смысла и могут быть выбраны для удобства расчетов по своему усмотрению. Поэтому сильные относительные изменения амплитуды в далеких по расстоянию точках не приводят к заметному изменению локальных физических величин, если градиент ф при этом изменяется ничтожно мало. По этой причине 1 / -функция приобретает смысл распределения вероятностей, а не распределения реальной плотности или волнового движения, как в случае классических полей. [c.57]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...