Уменьшение оценки взаимной спектральной плотности стационарного случайного процесса
![Курсовая: Уменьшение оценки взаимной спектральной плотности стационарного случайного процесса](https://gugn.ru/work/1330846/cover.png)
Рис. 6 — График оценки спектральной плотности (2.1) для окна вида 3 для центрированного случайного процесса Рис. 7 — График оценки спектральной плотности (2.1) для окна Хэннинга Рис. 8 — График оценки спектральной плотности (2.1) для окна Хэннинга для центрированного случайного процесса Рис. 9 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 5. Возьмем произвольное. Пусть… Читать ещё >
Уменьшение оценки взаимной спектральной плотности стационарного случайного процесса (реферат, курсовая, диплом, контрольная)
Математический факультет
Кафедра информатики и прикладной математики
КУРСОВАЯ РАБОТА НА ТЕМУ:
«УМЕНЬШЕНИЕ ОЦЕНКИ ВЗАИМНОЙ СПЕКТРАЛЬНОЙ ПЛОТНОСТИ СТАЦИОНАРНОГО СЛУЧАЙНОГО ПРОЦЕССА»
Брест 2009
- СОДЕРЖАНИЕ
- ВВЕДЕНИЕ
- 1. ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ, ИСПОЛЬЗУЕМЫЕ В РАБОТЕ
- 2. УМЕНЬШЕНИЕ СМЕЩЕНИЯ ОЦЕНКИ ВЗАИМНОЙ СПЕКТРАЛЬНОЙ ПЛОТНОСТИ
- 3. ОКНА ПРОСМОТРА ДАННЫХ
- ЗАКЛЮЧЕНИЕ
- СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
- ПРИЛОЖЕНИЕ
Почти в каждой области встречаются явления, которые интересно и важно изучать в их развитии и изменении во времени. В повседневной жизни могут представлять интерес, например, метеорологические условия, цены на тот или иной товар, те или иные характеристики состояния здоровья индивидуума и т. п. Все они изменяются во времени. Совокупность измерений какой-либо одной характеристики подобного рода и представляет собой временной ряд.
Одной из главных задач спектрального анализа временных рядов является построение и исследование оценок спектральных плотностей стационарных случайных процессов, так как они дают важную информацию о структуре процесса.
Методы анализа временных рядов широко используются в различных областях науки и техники, их можно применять при анализе больших объемов данных, получаемых в процессе вибрационных испытаний или извлекаемых из сводок экономических данных.
В данной работе исследована оценка спектральной плотности, построенная с использованием различных окон просмотра данных. Построены графики этой оценки для временного ряда, представляющего собой последовательность наблюдений — температуры воздуха в городе Бресте с октября 2008 по февраль 2009 года.
Графики построены также для центрированного случайного процесса.
1. ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ, ИСПОЛЬЗУЕМЫЕ В РАБОТЕ
Векторным временным рядом (r-мерным временным рядом) называется совокупность функций вида
.
Переменная t обычно соответствует времени выполнения или регистрации наблюдений и измерений.
Действительным случайным процессом = называется семейство случайных величин, заданных на вероятностном пространстве, где, , — некоторое параметрическое множество.
Если, или — подмножество из, то говорят, что , — случайный процесс с дискретным временем.
Если, или подмножество из, то говорят, что , — случайный процесс с непрерывным временем.
Введем характеристики случайного процесса, , во временной области.
Математическим ожиданием случайного процесса, , называется функция вида
где .
Дисперсией случайного процесса, , называется функция вида
где .
Спектральной плотностью случайного процесса, , называется функция вида
=,
при условии, что
.
Нормированной спектральной плотностью случайного процесса называется функция вида где, если и, если .
Из определения видно, что спектральная плотность непрерывная, периодическая функция с периодом, равным по каждому из аргументов.
Ковариационной функцией случайного процесса, , называется функция вида
.
Смешанным моментом го порядка,, случайного процесса, , называется функция вида
, .
Заметим, что
.
Лемма 1.1. Для любого целого р справедливо следующее соотношение
.
Доказательство. Если, то доказательство очевидно. Рассмотрим случай. Воспользуемся формулой Эйлера тогда Лемма доказана.
Пусть — значения случайного процесса в точках. Введем функцию
которую будем называть характеристической функцией, где — ненулевой действительный вектор,, .
Смешанный момент го порядка,, можно также определить как
, .
Смешанным семиинвариантом (кумулянтом) го порядка,, случайного процесса, , называется функция вида
, ,
которую также будем обозначать как .
Между смешанными моментами и смешанными семиинвариантами го порядка,, существуют связывающие их соотношения, которые имеют вид
где суммирование производится по всевозможным разбиениям множества
, ,, .
При
.
При
Спектральной плотностью случайного процесса, , называется функция вида
=, ,
при условии, что Из определения видно, что спектральная плотность непрерывная, периодическая функция с периодом, равным по каждому из аргументов.
Семиинвариантной спектральной плотностью го порядка,, случайного процесса, , называется функция вида
=, ,
при условии, что
.
Теорема 1. Для смешанного семиинварианта го порядка,, случайного процесса справедливы представления
.
Пусть — случайный процесс, заданный на вероятностном пространстве, и
— мерная функция распределения, где
Случайный процесс называется стационарным в узком смысле (строго стационарным), если для любого натурального, любых и любого, такого что выполняется соотношение где
Возьмем произвольное. Пусть, тогда В дальнейшем функцию, в правой части (1), будем обозначать Используя определение стационарного в узком смысле СП, смешанный момент го порядка,, будем обозначать Смешанный семиинвариант го порядка,, стационарного в узком смысле СП будем обозначать Случайный процесс, называется стационарным в широком смысле, если и
Замечание 1. Если, является стационарным в узком смысле СП и то, является стационарным в широком смысле, но не наоборот.
Спектральной плотностью стационарного случайного процесса, называется функция вида
при условии, что
Семиинвариантной спектральной плотностью — го порядка,, стационарного СП, называется функция вида при условии, что
Для смешанного семиинвариантаго порядка,, стационарного СП справедливо следующее соотношение
.
Для эти соотношения примут вид
.
2. УМЕНЬШЕНИЕ СМЕЩЕНИЯ ОЦЕНКИ ВЗАИМНОЙ СПЕКТРАЛЬНОЙ ПЛОТНОСТИ
Рассмотрим действительный стационарный в широком смысле случайный процесс, с математическим ожиданием, , взаимной ковариационной функцией, и взаимной спектральной плотностью .
Предположим, имеются Т последовательных, полученных через равные промежутки времени наблюдений за составляющей, рассматриваемого процесса. Как оценку взаимной спектральной плотности в точке рассмотрим статистику
(2.1)
где , — произвольная, не зависящая от наблюдений четная целочисленная функция, для, а
(2.2)
s — целое число, — целая часть числа .
Статистика, называемая выборочной взаимной спектральной плотностью или периодограммой, задается соотношением
(2.3)
определено равенством (2.2).
Предположим, если оценка взаимной спектральной плотности, построенная по T наблюдениям, является асимптотически несмещенной, то математическое ожидание ее можно представить в виде
(2.4)
где некоторые действительные функции, не зависящие от T,
В качестве оценки взаимной спектральной плотности возьмем статистику
и исследуем первый момент построенной оценки.
Математическое ожидание построенной оценки будет следующее
Использовав соотношение (2.4), получим
где Поскольку
следовательно, оценка является асимптотически несмещенной со смещением, убывающим как .
Так как равенство (2.4) справедливо и при, то, рассматривая оценку
где
то оценка является асимптотически несмещенной со смещением, убывающим на. Далее рассмотрим оценку
(2.5)
Найдем математическое ожидание построенной оценки :
где Следовательно, оценка является асимптотически несмещенной со смещением, убывающим как .
Найдем явный вид коэффициентов в представлении (2.4),
Видим, что
Таким образом, справедливо следующее утверждение.
Теорема 2.1. Оценка взаимной спектральной плотности стационарного в широком смысле случайного процесса, задаваемая равенством (2.5), удовлетворяет соотношению
,
при условии, что справедливо соотношение (2.4) для
При нахождении моментов оценок спектральных плотностей вторых и высших порядков появляются функции вида
(2.6)
где задаются соотношением
3. ОКНА ПРОСМОТРА ДАННЫХ
Чтобы выделить определенные характеристики спектральных оценок, нередко прибегают к сглаживанию значений на концах случайного временного ряда. Временное сглаживание представляет собой умножение ряда на «окно данных».
В соотношении (2.3) введена функция, называемая окном просмотра данных (множителем сходимости, коэффициентом сглаживания).
Функцию
(3.1)
называют частотным окном. Из соотношения (3.1) вытекает, что Характерное поведение функции состоит в том, что она становится все более сконцентрированной в окрестности нуля при .
Примеры окон просмотра данных:
1. 1 — окно Дирихле;
2. 1- - окно Фейера;
3. ;
4. — окно Хэннинга;
5. — окно Хэмминга;
6. — окно Хэмминга;
7., где — окно Хэмминга;
8. 1- - окно Рисса.
ЗАКЛЮЧЕНИЕ
В данной работе исследована оценка спектральной плотности вида где, а периодограмма задана следующим соотношением
Построены графики этой оценки для различных окон данных на основании данных, представляющих собой последовательность наблюдений — температуры воздуха в городе Бресте с октября 2008 по февраль 2009 года.
Графики построены также для центрированного случайного процесса.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Андерсон Т. Статистический анализ временных рядов. — М.: Мир, 1976. — 755 с.
2. Бриллинджер Д. Временные ряды. Обработка данных и теория. — М.: Мир, 1980. — 536 с.
3. Журбенко И. Г. Спектральный анализ временных рядов. — М.: Изд-во МГУ, 1982. — 168 с.
4. Труш Н. Н. Асимптотические методы статистического анализа временных рядов. — Мн.: БГУ, 1999. — 218 с.
5. Труш Н. Н., Мирская Е. И. Случайные процессы. Преобразования Фурье наблюдений. — Мн.: БГУ, 2000.
ПРИЛОЖЕНИЕ
Для исследования оценки (3.1) был исследован ряд, состоящий из 176 наблюдений ежедневной температуры воздуха в городе Бресте с октября 2008 по февраль 2009 года.
Рис. 1 — График оценки спектральной плотности (2.1) для окна Дирихле Рис. 2 — График оценки спектральной плотности (2.1) для окна Дирихле для центрированного случайного процесса Рис. 3 — График оценки спектральной плотности (2.1) для окна Фейера Рис. 4 — График оценки спектральной плотности (2.1) для окна Фейера для центрированного случайного процесса Рис. 5 — График оценки спектральной плотности (2.1) для окна вида 3
Рис. 6 — График оценки спектральной плотности (2.1) для окна вида 3 для центрированного случайного процесса Рис. 7 — График оценки спектральной плотности (2.1) для окна Хэннинга Рис. 8 — График оценки спектральной плотности (2.1) для окна Хэннинга для центрированного случайного процесса Рис. 9 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 5
Рис. 10 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 5 для центрированного случайного процесса Рис. 11 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 6
Рис. 12 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 6 для центрированного случайного процесса Рис. 13 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 7
Рис. 14 — График оценки спектральной плотности (2.1) для окна Хэмминга вида 7 для центрированного случайного процесса Рис. 15 — График оценки спектральной плотности (2.1) для окна Рисса Рис. 16 — График оценки спектральной плотности (2.1) для окна Рисса для центрированного случайного процесса