WikiDer > Avtokovaryans

Autocovariance

Yilda ehtimollik nazariyasi va statistikaberilgan stoxastik jarayon, avtokovariantlik funksiyasini beradi kovaryans jarayonning juftlik nuqtalarida o'zi bilan. Avtokovariantlik bilan chambarchas bog'liq avtokorrelyatsiya ko'rib chiqilayotgan jarayonning.

Stoxastik jarayonlarning avto-kovaryansiyasi

Ta'rif

Odatiy yozuv bilan ${ displaystyle operator nomi {E}}$ uchun kutish operator, agar stoxastik jarayon bo'lsa ${ displaystyle left {X_ {t} right }}$ bor anglatadi funktsiya ${ displaystyle mu _ {t} = operator nomi {E} [X_ {t}]}$ , keyin avtokovaryans tomonidan beriladi^[1]^{:p. 162}

{ displaystyle operator nomi {K} _ {XX} (t_ {1}, t_ {2}) = operator nomi {cov} chap [X_ {t_ {1}}, X_ {t_ {2}} o'ng] = operator nomi {E} [(X_ {t_ {1}} - mu _ {t_ {1}}) (X_ {t_ {2}} - mu _ {t_ {2}})] = operator nomi { E} [X_ {t_ {1}} X_ {t_ {2}}] - mu _ {t_ {1}} mu _ {t_ {2}}}

(Ikkinchi tenglama)

qayerda ${ displaystyle t_ {1}}$ va ${ displaystyle t_ {2}}$ vaqt ikki lahza.

Zaif statsionar jarayon uchun ta'rif

Agar ${ displaystyle left {X_ {t} right }}$ a zaif statsionar (WSS) jarayon, keyin quyidagilar to'g'ri:^[1]^{:p. 163}

{ displaystyle mu _ {t_ {1}} = mu _ {t_ {2}} triangleq mu}

Barcha uchun

{ displaystyle t_ {1}, t_ {2}}

va

{ displaystyle operator nomi {E} [| X_ {t} | ^ {2}] < infty}

Barcha uchun

{ displaystyle t}

va

{ displaystyle operator nomi {K} _ {XX} (t_ {1}, t_ {2}) = operator nomi {K} _ {XX} (t_ {2} -t_ {1}, 0) triangleq operator nomi {K} _ {XX} (t_ {2} -t_ {1}) = operator nomi {K} _ {XX} ( tau),}

qayerda ${ displaystyle tau = t_ {2} -t_ {1}}$ kechikish vaqti yoki signalni almashtirish vaqti.

Shuning uchun WSS jarayonining avtokovariantlik funktsiyasi quyidagicha beriladi:^[2]^{:p. 517}

{ displaystyle operator nomi {K} _ {XX} ( tau) = operator nomi {E} [(X_ {t} - mu _ {t}) (X_ {t- tau} - mu _ {t - tau})] = operator nomi {E} [X_ {t} X_ {t- tau}] - mu _ {t} mu _ {t- tau}}

(Tenglama 3)

ga teng bo'lgan

{ displaystyle operator nomi {K} _ {XX} ( tau) = operator nomi {E} [(X_ {t + tau} - mu _ {t + tau}) (X_ {t} - mu _ { t})] = operatorname {E} [X_ {t + tau} X_ {t}] - mu ^ {2}}

.

Normalizatsiya

Bu ba'zi bir fanlarda odatiy holdir (masalan, statistika va vaqt qatorlarini tahlil qilish) vaqtga bog'liq bo'lish uchun avtokovariantsiya funktsiyasini normallashtirish Pearson korrelyatsiya koeffitsienti. Ammo boshqa fanlarda (masalan, muhandislik) normallashtirish odatda bekor qilinadi va "avtokorrelyatsiya" va "avtokovaryans" atamalari bir-birining o'rnida ishlatiladi.

Stoxastik jarayonning normallashtirilgan avtomatik korrelyatsiyasining ta'rifi

{ displaystyle rho _ {XX} (t_ {1}, t_ {2}) = { frac { operatorname {K} _ {XX} (t_ {1}, t_ {2})} {{sigma _ {t_ {1}} sigma _ {t_ {2}}}} = { frac { operatorname {E} [(X_ {t_ {1}} - mu _ {t_ {1}}) (X_ { t_ {2}} - mu _ {t_ {2}})]} { sigma _ {t_ {1}} sigma _ {t_ {2}}}}}

.

Agar funktsiya bo'lsa ${ displaystyle rho _ {XX}}$ aniq belgilangan, uning qiymati oraliqda bo'lishi kerak ${ displaystyle [-1,1]}$ , mukammal korrelyatsiyani ko'rsatadigan 1 bilan va mukammallikni ko'rsatadigan −1 bilan korrelyatsiyaga qarshi.

WSS jarayoni uchun ta'rif shu

{ displaystyle rho _ {XX} ( tau) = { frac { operator nomi {K} _ {XX} ( tau)} { sigma ^ {2}}} = { frac { operator nomi {E } [(X_ {t} - mu) (X_ {t + tau} - mu)]} { sigma ^ {2}}}}

.

qayerda

{ displaystyle operatorname {K} _ {XX} (0) = sigma ^ {2}}

.

Xususiyatlari

Simmetriya xususiyati

{ displaystyle operator nomi {K} _ {XX} (t_ {1}, t_ {2}) = { overline { operator nomi {K} _ {XX} (t_ {2}, t_ {1})}} }

^[3]^:169-bet

mos ravishda WSS jarayoni uchun:

{ displaystyle operator nomi {K} _ {XX} ( tau) = { overline { operator nomi {K} _ {XX} (- tau)}}}

^[3]^:177-bet

Lineer filtrlash

Chiziqli filtrlangan jarayonning avtokovariantligi ${ displaystyle left {Y_ {t} right }}$

{ displaystyle Y_ {t} = sum _ {k = - infty} ^ { infty} a_ {k} X_ {t + k} ,}

bu

{ displaystyle K_ {YY} ( tau) = sum _ {k, l = - infty} ^ { infty} a_ {k} a_ {l} K_ {XX} ( tau + kl). , }

Turbulent diffuziyani hisoblash

Avtokovaryans hisoblash uchun ishlatilishi mumkin notinch diffuzivlik.^[4] Oqimdagi turbulentlik tezlikning makon va vaqtdagi tebranishini keltirib chiqarishi mumkin. Shunday qilib, biz ushbu dalgalanmalar statistikasi orqali turbulentlikni aniqlay olamiz^{[iqtibos kerak]}.

Reynolds parchalanishi tezlik tebranishini aniqlash uchun ishlatiladi ${ displaystyle u '(x, t)}$ (endi biz 1D muammosi bilan ishlaymiz va ${ displaystyle U (x, t)}$ - bu tezlik ${ displaystyle x}$ yo'nalish):

{ displaystyle U (x, t) = langle U (x, t) rangle + u '(x, t),}

qayerda ${ displaystyle U (x, t)}$ haqiqiy tezlik va ${ displaystyle langle U (x, t) rangle}$ bo'ladi tezlikning kutilayotgan qiymati. Agar biz to'g'ri yo'lni tanlasak ${ displaystyle langle U (x, t) rangle}$ , turbulent tezlikning barcha stoxastik tarkibiy qismlari kiritiladi ${ displaystyle u '(x, t)}$ . Aniqlash uchun ${ displaystyle langle U (x, t) rangle}$ , fazodagi nuqtalardan, vaqt momentlaridan yoki takroriy tajribalardan yig'iladigan tezlikni o'lchovlari to'plami talab qilinadi.

Agar biz turbulent oqimni qabul qilsak ${ displaystyle langle u'c ' rangle}$ ( ${ displaystyle c '= c- langle c rangle}$ va v kontsentratsiya atamasi) tasodifiy yurish tufayli kelib chiqishi mumkin, biz foydalanishimiz mumkin Fikning diffuziya qonunlari turbulent oqim atamasini ifodalash uchun:

{ displaystyle J _ {{ text {turbulence}} _ {x}} = langle u'c ' rangle taxminan D_ {T_ {x}} { frac { qismli langle c rangle} { qismli x}}.}

Tezlik avtokovarianligi quyidagicha aniqlanadi

{ displaystyle K_ {XX} equiv langle u '(t_ {0}) u' (t_ {0} + tau) rangle}

yoki

{ displaystyle K_ {XX} equiv langle u '(x_ {0}) u' (x_ {0} + r) rangle,}

qayerda ${ displaystyle tau}$ kechikish vaqti va ${ displaystyle r}$ kechikish masofasi.

Turbulent diffuziya ${ displaystyle D_ {T_ {x}}}$ quyidagi 3 usul yordamida hisoblash mumkin:

Agar bizda a bo'yicha tezlik ma'lumotlari bo'lsa Lagranj trayektoriyasi:
${ displaystyle D_ {T_ {x}} = int _ { tau} ^ { infty} u '(t_ {0}) u' (t_ {0} + tau) , d tau.}$
Agar bizda tezlik ma'lumotlari aniqlangan bo'lsa (Evleriya) Manzil^{[iqtibos kerak]}:
${ displaystyle D_ {T_ {x}} approx [0.3 pm 0.1] chap [{ frac { langle u'u ' rangle + langle u rangle ^ {2}} { langle u'u ' rangle}} right] int _ { tau} ^ { infty} u' (t_ {0}) u '(t_ {0} + tau) , d tau.}$
Agar bizda ikkita sobit (Eylerian) joylarda tezlik haqida ma'lumot bo'lsa^{[iqtibos kerak]}:
${ displaystyle D_ {T_ {x}} approx [0.4 pm 0.1] left [{ frac {1} { langle u'u ' rangle}} right] int _ {r} ^ { infty} u '(x_ {0}) u' (x_ {0} + r) , dr,}$
qayerda ${ displaystyle r}$ bu ikkita aniq joy bilan ajratilgan masofa.

Tasodifiy vektorlarning avtomatik kovaryansiyasi

Shuningdek qarang

Avtoregressiv jarayon
O'zaro bog'liqlik
O'zaro bog'liqlik
O'zaro bog'liqlik
Shovqin kovaryansını baholash (dastur namunasi sifatida)

Adabiyotlar

^ ^a ^b Xsu, Xvey (1997). Ehtimollar, tasodifiy o'zgaruvchilar va tasodifiy jarayonlar. McGraw-Hill. ISBN 978-0-07-030644-8.
^ Lapidot, Amos (2009). Raqamli aloqa asoslari. Kembrij universiteti matbuoti. ISBN 978-0-521-19395-5.
^ ^a ^b Kun Il Park, ehtimollik asoslari va stokastik jarayonlar, aloqa uchun qo'llanmalar, Springer, 2018, 978-3-319-68074-3
^ Teylor, G. I. (1922-01-01). "Doimiy harakatlarning tarqalishi" (PDF). London Matematik Jamiyati materiallari. s2-20 (1): 196-221. doi:10.1112 / plms / s2-20.1.196. ISSN 1460-244X.

Hoel, P. G. (1984). Matematik statistika (Beshinchi nashr). Nyu-York: Vili. ISBN 978-0-471-89045-4.
JSST tomonidan avtokovarianatsiya bo'yicha ma'ruza matnlari

[HweiHsu-1] Xsu, Xvey (1997). Ehtimollar, tasodifiy o'zgaruvchilar va tasodifiy jarayonlar. McGraw-Hill. ISBN 978-0-07-030644-8.

[Lapidoth-2] Lapidot, Amos (2009). Raqamli aloqa asoslari. Kembrij universiteti matbuoti. ISBN 978-0-521-19395-5.

[KunIlPark-3] Kun Il Park, ehtimollik asoslari va stokastik jarayonlar, aloqa uchun qo'llanmalar, Springer, 2018, 978-3-319-68074-3

[4] Teylor, G. I. (1922-01-01). "Doimiy harakatlarning tarqalishi" (PDF). London Matematik Jamiyati materiallari. s2-20 (1): 196-221. doi:10.1112 / plms / s2-20.1.196. ISSN 1460-244X.

[1]

[2]

[3]

[4]

Navigation