PROCESY STOCHASTYCZNE 2-GO RZĘ
Transkrypt
PROCESY STOCHASTYCZNE 2-GO RZĘ
PROCESY STOCHASTYCZNE 2-GO RZĘDU. PODSTAWOWE CHARAKTERSTYKI Definicja. Proces stochastyczny {X(t), t ∈ T } nazywamy procesem stochastycznym drugiego rzędu, jeśli E(X(t))2 < +∞ ∀t ∈ T. W przypadku takich procesów bardzo ważnymi charakterystykami są średnia i kowariancja (autokowariancja). Definicja. Kowariancją procesu {X(t), t ∈ T } nazywamy funkcję K : T × T 7→ R postaci K(s, t) = E[(X(s)−EX(s))(X(t)−EX(t))] = E[(X(s)−m(s))(X(t)−m(t))] = E[X(s)X(t)]−m(s)m(t), gdzie m(t) = EX(t) to średnia procesu. Przykłady. 1. Ruch Browna jest procesem 2-go rzędu, ponieważ, jak wiemy, E(W (t))2 = t < +∞ ∀t > 0. Dla niego m(t) = 0, K(s, t) = min{s, t}. 2. Proces Poissona jest procesem 2-go rzędu, ponieważ, jak wiemy, E(Y (t))2 = µ2t2 + µt < +∞ ∀t > 0. Dla niego m(t) = µt, K(s, t) = µ min{s, t}. Niektóre własności kowariancji. 1. K(t, t) = E[X(t) − m(t)]2 = Var X(t) > 0 ∀t ∈ T, przy czym równość 0 jest możliwa tylko wtedy, gdy X(t) = m(t) z prawdopodobieństwem 1. 1 2. K(s, t) = K(t, s) ∀(s, t) ∈ T × T . 3. [K(s, t)]2 6 K(s, s)K(t, t) ∀(s, t) ∈ T × T . 4. ∀n ∀t1, . . . , tn ∈ T ∀z1, . . . , zn ∈ R n ∑ zk zj K(tk , tj ) > 0. k,j=1 Własności druga (symetryczność) i czwarta (nieujemna określoność) są podstawowymi; pozostałe dwie własności to ich konsekwencja. Definicja. Proces stochastyczny 2-go rzędu {X(t), t ∈ T } nazywamy stacjonarnym słabo (lub w szerokim sensie), jeśli m(t)=const ∀t ∈ T oraz K(s, t) = K(s + h, t +h) ∀s, t, h, s + h, t + h ∈ T (czyli, jeśli 0 ∈ T, to funkcja K(s, t) jest funkcją tylko t − s). Definicja. Proces stochastyczny {X(t), t ∈ T } nazywamy stacjonarnym ściśle (lub w wąskim sensie), jeśli dla dowolnych wartości t1, . . . , tn ∈ T oraz dowolnego h ∈ T takiego, że t1 + h, . . . , tn + h ∈ T, rozkłady wektorów losowych (X(t1, ω), . . . , X(tn, ω)) i (X(t1 + h, ω), . . . , X(tn + h, ω)) (skończenie wymiarowe rozkłady procesu) są takie same. Jeśli proces stochastyczny jest ściśle stacjonarny, to jest on też słabo stacjonarny. Odwrotna implikacja nie musi zachodzić. 2 Przykłady. 1. Ruch Browna, jak i proces Poissona, nie są procesami słabo lub ściśle stacjonarnymi. Ale np. proces stochastyczny {W (t + 1) − W (t), t > 0} już takim jest (to samo jest z procesem Poissona). 2. Niech X1 i X2 będą niezależnymi zmiennymi losowymi o tym samym rozkładzie N (0, σ 2). Określmy proces stochastyczny {X(t), t ∈ R} jako X(t) = X1 cos(λt) + X2 sin(λt) dla pewnego λ ∈ R. Wówczas m(t) = 0 ∀t ∈ R oraz K(s, t) = σ 2 cos(λ(t−s)) ∀s, t ∈ R. Zatem jest to proces słabo stacjonarny i, jak można pokazać, też ściśle stacjonarny. 3. Niech T będzie zbiorem liczb całkowitych, a {Xt}, t ∈ T, będą niezależnymi zmiennymi losowymi o tym samym rozkładzie N (0, 1). Określmy proces stochastyczny {X(t), t ∈ T } jako X(t) = Xt, t ∈ T. Taki proces nazywa się procesem białego szumu. Jak łatwo widać, m(t) = 0 ∀t ∈ T, { 1, jeśli t − s = 0 K(s, t) = 0, jeśli t − s ̸= 0. Zatem jest to proces słabo stacjonarny i, jak można pokazać, też ściśle stacjonarny. 3