Главная Носители тока 1 [ 2 ] 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 - МАТЕМАТИЧЕСКИЕ МЕТОДЫ [1-13] 2.1. ПЛОТНОСТИ ВЕРОЯТНОСТИ, СРЕДНИЕ И КОРРЕЛЯЦИЯ А. Плотность вероятности одной переменной. Средние значения Пусть рассматривается большое число (ансамбль) идентичных систем, которые подвержены различным флуктуациям. Число систем в этом ансамбле должно быть чрезвычайно большим; строго говоря, оно должно стремиться к бесконечности, чтобы сделать последую-гцие выкладки достаточно справедливыми. Можно определить вероятность JP того, что случайная переменная X, описывающая флуктуации, принимает значения, заключенные между X и Х+\1Х. Для этого представим АР в виде APANjN, где \Ш - число систем в момент tu для которых эта переменная заключена в интервале АХ, а N - число систем в ансамбле. В дифференциальной, форме dP=f{X)dX. (2.1) Функцию 1{Х) называют плотностью вероятности величины X. Обычно она определяется не экспериментально, а из детального статистического исследования флуктуирующей величины X: В общем случае f{X) может зависеть от U, и поэтому необходимо было бы писать f{X, ti) вместо f{X). К счастью, оказывается, что во многих случаях /(X,- ti+t)=f{X, 1{) для всех значений t, и тогда говорят, что случайный процесс стационарен, и можно писать f{X, ti + t)=f{X). Шумовые процессы, которые здесь предполагается обсудить, практически все являются стационарными *К Функция f{X) удовлетворяет условию нормировки: p{X)dX=h (2.1а) где интегрирование распространяется на все допустимые значения X. Соотношение (2.1а) выражает тот факт, что *> Исследования Брофи {126-130]-показали, что шум типа 1 не является стационарным процессом. Прим. ред. X обязательно лежит в пределах диапазона допустимых значений, и тогда говорят, что функция f{X) нормирована. В противном случае вводится нормированная плотность вероятности Cf{X), для которой константа С определяется из равенства { Cf{X)dX\, т. е. Jf(X)dX]~. (2.16) Если известна f(X), то средние значения X , обозначаемые Х *, вычисляются следуюцим образом Х^= J Xl (X)dX {т=\, 2,...), (2.2) а среднее значение функции (Х) ).= [g(X)i{X)dX. (2.3) В обоих случаях интегрирование распространяется на все допустимые значения X. Если f{X)-четная функция X, то средние значения всех нечетных степеней X равны нулю. Наиболее важными средними значениями являются X и XX Если, среднее значение X не равно нулю, реко; мендуется ввести новую случайную переменную X-X. Тогда наиболее важным средним значением оказывается дисперсия величины X{t): varX = a = (X-X)=F-(X) (2.4) Теперь обратимся, к дискретным переменным п, которые могут принимать только целые положительные значения. Пусть Р{п) является вероятностью появления значения п; тогда определения, сформулированные для непрерывных случайных переменных, остаются верными, следует лишь заменить интегрирование суммированием.-Например, условие нормировки (2.1а) должно быть записано в виде S( )=;i, (2.1 в) а среднее от п* , по аналогии с (2.2), =S (0 (m = l. 2,...). (2.2а) Дисперсия п теперь определяется соотношением var = a= = ( -?z)==Ai=-(n)=. (2.4а) Важными примерами дискретных плотностей вероятности являются биномиальный закон, закон Пуассона и нормальный закон. Обсудим эти три случая подробно. Биномиальный закон. Пусть Некоторое событие имеет вероятность р реализации в форме А и вероятность 1-р реализации в форме В, и пусть отдельные события независимы. Если событие случается т раз, то вероятность Рт{п) того, что п раз оно реализуется в форме А, Применение соотношения (2.2а) для средних значений сразу дает п=тр, а'=тр{1-р). (2.5а) Закон Пуассона. Пусть отдельные события независимы и происходят случайно со средней частотой п. Тогда вероятность Р{п) того, что п событий произойдут в течение временного интервала единичной длительности, Р(,г) = [(й) ехр(-й)]/п! (2.6) Применение соотношения (2.2а) для средних значений дает G=n. (2.6а) Нормальный закон. Пусть события случаются со средней частотой п. Пусть п велико и определено обычным образом. Тогда вероятность того, что п событий произойдут в единичном временном интервале, Можно показать, что биномиальный и пуассонов-ский законы сходятся к нормальному при больших значениях п. Частный случай, когда а'==п называют законом Гаусса. Уравнение (2.7) легко модифицируется Для случая непрерывной случайной переменной, имеющей Х=0. Нормальный закон теперь выражается в виде где а^=Х\ |