Random processen, theorie deel 2
Citation for published version (APA):van Heck, J. G. A. M. (1982). Random processen, theorie deel 2: T.F.A.-kursus. (DCT rapporten; Vol. 1982.019). Technische Hogeschool Eindhoven.
Document status and date: Gepubliceerd: 01/01/1982 Document Version:
Uitgevers PDF, ook bekend als Version of Record Please check the document version of this publication:
• A submitted manuscript is the version of the article upon submission and before peer-review. There can be important differences between the submitted version and the official published version of record. People interested in the research are advised to contact the author for the final version of the publication, or visit the DOI to the publisher's website.
• The final author version and the galley proof are versions of the publication after peer review.
• The final published version features the final layout of the paper including the volume, issue and page numbers.
Link to publication
General rights
Copyright and moral rights for the publications made accessible in the public portal are retained by the authors and/or other copyright owners and it is a condition of accessing publications that users recognise and abide by the legal requirements associated with these rights. • Users may download and print one copy of any publication from the public portal for the purpose of private study or research. • You may not further distribute the material or use it for any profit-making activity or commercial gain
• You may freely distribute the URL identifying the publication in the public portal.
If the publication is distributed under the terms of Article 25fa of the Dutch Copyright Act, indicated by the “Taverne” license above, please follow below link for the End User Agreement:
www.tue.nl/taverne
Take down policy
If you believe that this document breaches copyright please contact us at:
openaccess@tue.nl
providing details and we will investigate your claim.
RANDOM PROCESSEN, THEORIE DEEL
2
T. F.
A. -kur s us j u n i 1982WE 82.19
Inhoud
1
OVERZICHT...
42 DE EXPECTED VALUE OPERATOR
...
73 EEN RANDOM VARIABELE
...
104 TWEE RANDOM VARIABELEN
...
145 HET SCHATTEN VAN EEN EVENTUEEL LINEAIR VERBAND
...
1 7 6 RANDOM VARIABELEN, SAMENVATTING...
207 EEN RANDOM PROCES. BESCHRIJVING I N HET TIJDDOMEIN
...
21
8 EEN RANDOM PROCES. BESCHRIJVING I N HET FREQUENTIEDOMEIN
...
259 TWEE RANDOM PROCESSEN. BESCHRIJVING I N HET TIJDDOMEIN
...
2810
TWEE RANDOM PROCESSEN, BESCHRIJVING I N HET FREQUENTIEDOMEIN...
3011
HET SCHATTEN VAN EEN LINEAIR VERBAND...
3 4 1 2 RANDOM PROCESSEN (TIJDDOMEIN). SAMENVATTING...
3 9 13 RANDOM PROCESSEN (FREQUENTIEDOmIN) SAPENVATTING...
40symbolenli j st
N
T tVK
( f,
T ) XY
k o n s t a n t e n voor l i n e a i r systeem V a r i a n t i e f u n k t i e voor x ( t ) C o v a r i a n t i e f u n k t i e t u s s e n x ( t ) en y ( t > f r e q u e n t i e f r e q u e n t i e r e s p o n s voor l i n e a i r systeem Impulsrespons g e t a l met l e n g t e1
langs i m a g i n a i r e as a a n t a l m i d d e l i n g e n v e r s t o r i n g i n d e vorm v a n random v a r i a b e l e R u i s s i g n a a l i n d e vorm v a n random p r o c e s E i n d i g F o u r i e r g e t r a n s f o r m e e r d e v a n n d t ) K a n p e r d e l i n g c f u n k t i e v a n random v a r i a b e l e x A u t o k o r r e l a t i e f u n k t i e v a n x ( t > C r o s s k o r r e l a t i e f u n k t i e t u s s e n x ( t ) en y ( t > Auto spektrum v a n x ( t ) Auto spektrum v a n y i t ) C r o s s spektsUm t ü s s e ï ì x ( t > en y ( t ) A u t o spektrum v a n d e r u i s n ( t ) Koherent o u t p u t spektrum v a n v( t ) Meettijd t i j d Koh er e n t e o u t p u t s i g n aal E i n d i g F o u r i e r g e t r a n s f o r m e e r d e v a n v ( t ) Random v ari a b e l e Random p r o c e s R e a l i s a t i e v a n random p r o c e s x ( t ) E i n d i g F o u r i e r g e t r a n s f o r m e e r d e v a n x k ( t > Random v a r i a b e l e Random p r o c e s kF
-
3-Y
,(f,T)
of
r e a l i s a t i e u i t y ( t > E i n d i g F o u r i e r g e t r a n s f o r m e e r d e v a n yK ( t ) Kans Koh er e n t i ef
unkti
e V a r i a n t i e v a n d e random v a r i a b e l e x V a r i a n t i e i n y als g e v o l g v a n v a r i a n t i e i n x V a r i a n t i e i n y als g e v o l g v a n v a r i a n t i e i n n Mean s q u a r e v a l u e G emi d d e Id e Kor r e1
z t i e k o e f f i c i e n t1
OVERZICHT V o o r d a t w e b e g i n n e n a a n d e b e s c h r i j v i n g v a n random p r o c e s s e n e n a a n d e a f l e i d i n g v a n b e s c h r i j v e n d e mathematische f u n k t i e s v o o r d e z e p r o c e s s e n z u l l e n w e eerst e n k e l e b e g r i p p e n u i t d e s t a t i s t i e k b e k i j k e n . Omdat random p r o c e s s e n e e n g e n e r a l i s e r i n g vormen v a n random v a r i a b e l e n i s h e t l o g i s c h om a l l e d e f i n i t i e s e n a f l e i d i n g e n v a n u i t d e s t a t i s t i e k op t e bouwen. De a f g e l e i d e t h e o r i e n e n f u n k t i e s z i j n e c h t e r ook b i j n a a l t i j d v a n t o e p a s s i n g op d e t e r m i n i s t i s c h e p r o c e s s e n . E e r s t w o r d t e e n b e s c h r i j v i n g g e g e v e n v a n d e " e x p e c t e d value"-operator, e e n o p e r a t o r waar i n d i t v e r h a a l z e e r v e e l g e b r u i k v a n wordt gemaakt. V e r v o l g e n s wordt i n h e t k o r t h e r h a a l d h o e men h e t s t a t i s t i s c h g e d r a g v a n e e n random v a r i a b e l e kan b e s c h r i j v e n . Een e n a n d e r w o r d t g e i l l u s t r e e r d met e e n a a n t a l v o o r b e e l d e n . V e r v o l g e n s w o r d t bekeken hoe d e i n t e r a k t i e d i e e v e n t u e e l t u s s e n twee random v a r i a b e l e n aanwezig i s b e s c h r e v e n k a n worden met f u n k t i e s u i t d e s t a t i s t i e k . T e n s l o t t e wordt aangegeven h o e u i t d e b e s c h r i j v e n d e f u n k t i e s e e n s c h a t t i n g kan worden gemaakt v a n e e n e v e n t u e l e l i n e a i r e r e l a t i e t u s s e n twee random v a r i a b e l e n . Ook h i e r w o r d t d e t h e o r i e weer t o e g e l i c h t met e e n a a n t a l v o o r b e e l d e n .Het doel v a n h e t h e r h a l e n v a n reeds bekende b e g r i p p e n u i t d e s t a t i s t i e k is om de d e f i n i t i e s d i e g e g e v e n z u l l e n worden voor random p r o c e s s e n t e kunnen i d e n t i f i c e r e n met d e d e f i n i t i e s u i t de l i n e a i r e regressie, z o d a t de i n t e r p r e t a t i e v a n d e b e g r i p p e n w a t e e n v o u d i g e r z a l z i j n . N a d e i n l e i d e n d e h e r h a l i n g v o l g e n d e f i n i t i e s e n f u n k t i e s waarmee e e n random p r o c e s i n h e t t i j d d o m e i n b e s c h r e v e n kunnen worden. D e d e f i n i t i e s worden v a n u i t d e s t a t i s t i e k opgebouwd. V e r v o l g e n s worden d e z e l f d e f u n k t i e s g e g e v e n maar nu i n h e t f r e q u e n t i e d o m e i n . D e i n f o r m a t i e Ls hetzelfde, a l l e e n d e p r e s e n t a t i e i s a n d e r s . N a d e b e s c h r i j v i n g v a n e e n random p r o c e s v o l g t de b e s c h r i j v i n g v a n twee random p r o c e s s e n . Ook h i e r worden weer e e n a a n t a l f u n k t i e s g e g e v e n n a a r a n a l o g i e met d e d e f i n i t i e s voor random v a r i a b e l e n . De f u n k t i e s worden zowel i n h e t t i j d d o m e i n a l s i n h e t f r e q u e n t i e d o m e i n g e g e v e n . T e n s l o t t e v o l g t e e n b e s c h r i j v i n g h o e u i t d e g e g e v e n d e f i n i t i e s een e v e n t u e l e l i n e a i r e r e l a t i e t u s s e n twee random p r o c e s s e n k a n worden gevonden.
-
5-BESCHRIJVING INTERAKTIE TUSSEN TWEE RANDOM VARIABELEN
RANDOM VARIABELE
BESCHRIJVING INTERAKTIE TWEE
RANDOM
PROCESSENcovari a n t i e f u n k t i e cros s k o r r e
1
a t i e 4 -RANDOM PROCES G e d d d e1
d e V a r i a n t i e f u n k t i e A u t o k o r r e1
at i e f u n k t i eSCHATTEN LINEAIR SYSTEEM i m p u l s r e s p o n s RANDOM PROCES G emi dd e I d e V a r i a n t i e f u n k t i e A u t o k o r r e l at i e f u n k t i e BESCHRIJVING INTERAKTIE TUSSEN TWEE PROCESSEN %=. C r o s s s p e k t r u m 4 Y . . I
I
I 4 SCEALTEM LINEAIRSYSTEEM
F r e q u e n t i e r e s p o n s
koh e r e n t i e f u n k t i e
RANDOM PROCES BESCHRI JVIh7G
RANDOK
PROCESAuto s p e k t r u m AQtQ Spektrum
-
7-
2 DE EXPECTED VALUE OPERATOR
D e E x p e c t e d v a l u e o p e r a t o r o f kortweg d e E-operator kan worden t o e g e p a s t op random v a r i a b e l e n of op f u n k t i e s v a n random v a r i a b e l e n . Met d e E-operator kan de verwachte waarde v a n zo"n random v a r i a b e l e of van e e n f u n k t i e v a n d i e random v a r i a b e l e worden b e r e k e n d . Het h e e f t g e e n e n k e l e z i n om d e E-operator t o e t e p a s s e n op d e t e r m i n i s t i s c h e v a r i a b e l e n of f u n k t i e s d a a r v a n
d a a r d e f u n k t i e w a a r d e v a n d e E - o p e r a t i e dan g e l i j k i s aan d e o n a f h a n k e l i j k e v a r i a b e l e z e l f . ( D e v e r w a c h t e waarde v a n
1
isg e l i j k a a n
1).
D e v e r w a c h t e waarde v a n een random v a r i a b e l e wordt v o l g e n s : g e d e f i n i e e r d Ecx] =
J@
x . p ( x ) . d x(1)
-00
H e t : xirandom v a r i a b e l e p(x)=kansverdelingsfunktieDe waarde d i e e e n v a r i a b e l e aan k a n nemen w o r d t v e r m e n i g v u l d i g d met d e kans d a t d i e waarde o p t r e e d t . D i t produkt wordt gesommeerd over a l l e m o g e l i j k e uitkomsten v a n x .
Voorbeeld
1:
normaal met gemiddelde m e n v a r i a n t i e
1
V o o r b e e l d 3: Dobbe1s
t een: E [ x ] = (1+2+3+4+5+6)/6 = 21/6 = 3.5 B i j d i s k r e t e k a n s v e r d e l i n g e n wordt weer e l k e u i t k o m s t d i e m g e l i j k i s v e r m e n i g v u l d i g d met de kans d a t d i e u i t k o m s t o p t r e e d t en d e z e p r o d u k t e n worden o p g e t e l d voor a l l e m o g e l i j k e u i t k o m s t e n , D e E - o p e r a t o r w o r d t zoals e e r d e r g e z e g d n i e t a l l e e n t o e g e p a s t oprandom v a r i a b e l e n , maar ook op f u n k t i e s v a n random v a r i a b e l e n . D e d e f i n i t i e w o r d t dan:
co
E [ f ( x ) ] = j f ( x ) . p ( x ) . d x(2)
-ca3 M e t : x = random v a r i a b e l e f ( x ) = f u n k t i e v a n x p ( x ) = k a n s v e r d e l i n g s f u n k t i e v a n x D e f u n k t i e w a a r d e v a n x w o r d t v e r m e n i g v u l d i g d met d e kans dat x o p t r e e d t . D e p r o d u k t e n worden weer gesommeerd over a l l e m o g e l i j k e u i t k o m s t e n v a n x. Zo wordt d e v e r w a c h t e w a a r d e v a n d e f u n k t i e w a a r d e v a n e e n random v a r i a b e l e b e p a a l d . V o o r b e e l d 4 : IL D e z e l f d e k a n s v e r d e l i n g a l s i n v o o r b e e l d1,
met f ( x ) = x E [ x 2 ] =:
j
. p ( x ) . d x =’7.
. d x =0.33*(0.125+0.125)
=1/12
-03-
1/2 Let op: E [ X ~J
#
( E ~ x ] ) ” ! V o o r b e e l d 5: D e z e l f d e k a n s v e r d e l i n g a l s i n v o o r b e e l d2,
f ( x ) = (x- m)
2-
9-@
00
2 4 1. -/x-iYp
E[(x-ni)’
1
= /(x-m) . p ( x ) . d x =&i- /(x-m) .exp(7
) . d x =1
Voorbeeld 6 , de d o b b e l s t e e n , f ( x ) = x z-4 -to
E [ x Z
1
= (1+4+9+16+25+36)/6 =15.2f
( E [ x ] ) * !We hebben i n d e v o o r b e e l d e n a l g e z i e n d a t E [ x . x ]
#
E [ x ] . E [ x ]I n h e t algemeen g e l d t d a t v o o r twee random v a r i a b e l e n x en y d a t
de r e l a t i e
3 EEN RANDOM VARIABELE.
Voordat random p r o c e s s e n bekeken worden z u l l e n eerst e n k e l e b e g r i p p e n voor random v a r i a b e l e n behandeld worden. Een random v a r i a b e l e i s e e n g r o o t h e i d waaraan e e n waarde kan worden t o e g e k e n d . Deze waarde i s min o f meer a f h a n k e l i j k v a n h e t t o e v a l . D e s t a t i s t i s c h e e i g e n s c h a p p e n v a n zo n v a r i a b e l e worden b e s c h r e v e n d o o r e e n k a n s v e r d e l i n g s f u n k t i e . Als d e z e f u n k t i e bekend i s kunnen e e n a a n t a l i n t e r e s s a n t e g r o o t h e d e n berekend worden waarmee d e s t a t i s t i s c h e s t r u k t u u r v a n d e random v a r i a b e l e
kan worden g e k a r a k t e r i s e e r d . Let w e l : h e t g a a t h i e r n i e t om e e n v o l l e d i g e b e s c h r i j v i n g , maar on; e e n a a n t a l g e t a l l e n waarmee e n k e l e k a r a k t e r i s t i e k e n worden v a s t g e l e g d .
De b e l a n g r i j k s t e g r o o t h e d e n z i j n : Het g e m i d d e l d e
Het g e m i d d e l d e v a n e e n random v a r i a b e l e i s dus g e l i j k a a n d e v e r w a c h t e w a a r d e v a n x .
De "mean s q u a r e value" 'I&::
x2=
E [ x 2 ] ( 5 )De mean s q u a r e value van x i s g e l i j k a a n d e v e r w a c h t e waarde v a n h e t k w a d r a a t v a n x . D e "Root mean s q u a r e va1ue"wordt g e d e f i n i e e r d door d e wortel u i t
x2*
De v a r i a n t i e$':
De v a r i a n t i e v a n x i s g e l i j k aan d e v e r w a c h t e waarde v a n h e t k w a d r a a t v a n de a f w i j k i n g v a n x t . o . v . z i j n gemiddelde waarde. D e r e l a t i e d i e b e s t a a t t u s s e n de d r i e g e d e f i n i e e r d e b e g r i p p e n l u i d t : V o o r b e e l d 7 : k a n s v e r d e l i n g s f u n k t i e u i t v o o r b e e l d1:
/c-'x = E [ x ] = O ( z i e v o o r b e e l d1)
yx'
= E [ x 2 =1/12
( z i e v o o r b e e l d 4) V o o r b e e l d 8 :kansve r d e lings funk t i e u i t v o o r b ee I d
2
= E [ x ] = m ( z i e v o o r b e e l d 2 )1 2
-
11-
2 =/UA2+
F,‘
= I n 2+
1.
Voorbeeld 9 , D o b b e l s t e e n :/c”x
= E [ x ] = 3.5 ( z i e voorbeeld 3) IC%:=
E [ x1
=15.2
( z i e v o o r b e e l d 6 ) E r b e s t a a n nog meer g r o o t h e d e n d i e de s t a t i s c h e s t r u k t u u r v a n d e random variabele x nog verder i n d e t a i l b e s c h r i j v e n , I n d e p r a k t i j k b l i j k t echter d a t h e t gemiddelde e n de v a r i a n t i e vaak v o l d o e n d e z i j n . We z u l l e n ons daarom b e p e r k e n t o t d e genoemde g r o o t h e d e n .I n d e p r a k t i j k i s d e k a n s v e r d e l i n g vaak n i e t bekend e n kunnen w e h e t g e m i d d e l d e , de v a r i a n t i e e n d e mean s q u a r e v a l u e n i e t exact b e p a l e n met de f o r m u l e s
(4),(5)>(6)
e n ( 7 ) . A l s w e dan t o c h i e t s over d e s t a t i s c h e s t r u k t s u r w i l l e n z e g g e n moeten w e g e b r u i k maken v a n schattersfix,
g r o o t h e d e n/ . ,
f2
,
v&‘.
De schatters worden berekend u i t een a a n t a l waarnemingen v a n d e variabele x , ook s t e e k p r o e v e n genaamd.,, Zo kan h e t g e m i d d e l d e a f g e s c h a t worden met de schatterI!=
x4, w a a r b i j xi é é n waarneming v a n d e random variabele x v o o r s t e l t . Het is d u i d e l i j k d a t deze schatter i n de p r a k t i j k n i e t nauwkeurig genoeg is. E e n maat voor de nauwkeurigheid v a n e e n b e p a a l d e s c h a t t e r w o r d t g e g e v e n door h e t b e t r o u w b a a r h e i d s i n t e r v a l . D i t wordt b e r e k e n d u i t d e k a n s v e r d e l i n g s f u n k t i e v a n de schatter. I n h e t g e v a l d a t d e schatter gevormd wordt door &n waarneming v a n d e random v a r i a b e l e g e l d t :‘Vk
voor de A schatter: /la= x, A v a r i a n t i e : varyJL] = varix]A l s de kans d a t w e e e n s t e e k p r o e f t r e k k e n met e e n waarde g r o t e r dan
,$+
n,$ of k l e i n e r d a n/J?-
n.$ g e l i j k is a a n 6 / 2 dan i s d e i n t e r v i1
kans d a t d e g e z o c h t e grootheidb $
i n h e tt
cr+)
betrcl*uba/keìd
s-in
kefUS1 V o o r b e e l d10
: We beschouwen h e t g e w i c h t v a n p a k j e s b o t e r . Aangenomen w o r d t d a t h e t g e w i c h t v a n e e n p a k j e b o t e r e n random v a r i a b e l e i s met e e n normale k a n s v e r d e l i n g met een g e m i d d e l d e v a n250
g r en e e n We nemen e e n s t e e k p r o e f u i t d e v e r z a m e l i n g p a k j e s b o t e r e n meten e e n g e w i c h t v a n 247 g r . . A l s w e d i t g e w i c h t g e b r u i k e n a l s s c h a t t e r v o o r h e t gemiddelde g e w i c h t v a n de p a k j e s b o t e r dan i s v a r i a n t i e v a n 9 g r 2.
h e t 95%i&uel:
(247-1.96*34:( 247+1.96*3) o f : (241.14)$4 252.9)Het
is
d u i d e l i j k d a t d e z e s c h a t t e r n i e t nauwkeurig genoeg i s om t w i j f e l s op t e bouwen d a t h e t gemiddelde g e w i c h t v a n d e p a k j e s b o t e r n i e t g e l i j k i s a a n250
g r . .s t e e k p r o e v e n u i t d e verzameling t e t r e k k e n e n d e g e w i c h t e n t e middelen. We k r i j g e n d a n a l s r e s u l t a a t : n v a r i a n t i e : v a r w x ] = v a r [ x I / ~ Door h e t a a n t a l m i d d e l i n g e n op t e v o e r e n kan d e v a r i a n t i e i n d e s c h a t t e r en d u s ook h e t b e t r o u w b a a r h e i d s i n t e r v a l v e r k l e i n d worden. Voorbeeld 11 : A l s we nu v i e r s t e e k p r o e v e n nemen u i t de v e r z a m e l i n g p a k j e s b o t e r u i t v o o r b e e l d 10 en h e t gemiddelde g e w i c h t b e d r a a g t 247 g r . dan kunnen we h e t 95% b e t r o u w b a a r h e i d s i n t e r v a l berekenen met: 4 c ).lx-.l .96*3*0.5 < ~ g < ~ ~ l
-
96*3*0.5 Of: E r b e s t a a t nu r e d e n om t e t w i j f e l e n a a n d e u i t s p r a a k d a t h e t gemiddelde g e w i c h t van de p a k j e s b o t e r 250 g r . b e d r a a g t .We hebben g e z i e n d a t we een s c h a t t e r kunnen b e r e k e n e n voor h e t gemiddelde v a n e e n random v a r i a b e l e . Zo kunnen w e ook s c h a t t e r s d e f i n i e r e n v o o r d e v a r i a n t i e van d e random v a r i a b e l e . We kunnen de v a r i a n t i e a f s c h a t t e n m e t : r 2 4 L e t op: g e e n v a r i a n t i e : v a r [ c i ,
I
= 2 . a ( 1 0 ) normale v e r d e l i n g ! Of b e t e r m e t : Uoorbeeld 12 : We nemer, h e t p a k j e b o t e r u i t v o o r b e e l d 1 O h m e t g e w i c h t 247 g r . . De v a r i a n t i e kunnen w e d a n a f s c h a t t e n opa;'
= (247-250)' = 9 g r ?.
( d a t d i t p r e c i e s goed g e s c h a t i s i s l o u t e r t o e v a l , de opzoeken i n b i j v o o r b e e l dv.
W i j v e k a t e (1972) d a t h e t 95% b e t r o u w b a a r h e i d s i n t e r v a l voor deze s c h a t t i n g g e l i j k i s a a n (O.Ol<C245.2).---
v a i i a n t i e-
-
ir; 62 s c h a t t e r is nuaeliji. 192 g r 4 M ~ X kanx
A l s w e
= 9 g r ? ,
,
d a n i s h e t 95% b e t r o u w b a a r h e i d s i n t e r v a l g e l i j k aan (6.74.qt411.7) a4 TWEE RAMDOM VARIABELEN.
Soms z i j n e r twee random v a r i a b e l e n d i e w e samen w i l l e n o b s e r v e r e n om e e n e v e n t u e l e samenhang t e ontdekken. Om l i n e a i r e v e r b a n d e n t e ontdekken kan met s u c c e s g e b r u i k gemaakt worden v a n de c o v a r i a n t i e cov[x,y] t u s s e n d e random v a r i a b e l e n x e n y. D e c o v a r i a n t i e w o r d t g e d e f i n i e e r d v o l g e n s : c o v [ x , y I = E[(x-,h,>.(y-p9)1 Of:
(12)
c o v [ x , y l = /"(x-$j 31.
(y-,h? . p ( x , y > . d x . d y - @ A l s x e n y o n a f h a n k e l i j k random v a r i a b e l e n z i j n d a n g e l d t m.b.v. (3) d a t C O V [ X , Y ] = E[(~-=~>].E[(y-)y>1 = O A l s er e e n z u i v e r l i n e a i r v e r b a n d b e s t a a t t u s s e n x en y, b . v . y = a . x + b , dan g e l d t : cov[x,y] = E[(x-p#). ( a . x + b - a y X - b ) l 2 c o v [ x , y ] = a.E[(x-SJ*) ] = a.varlx1 = y v a r [ x ] . v a r g H i e r u i t b l i j k t d a t h e t dus m o g e l i j k i s om met d e c o v a r i a n t i e t e onderzoeken o f er e e n l i n e a i r verband b e s t a a t t u s s e n x e n y. A l s w e p ( x , y ) kennen is h e t "eenvoudig" om m e t ( 1 2 ) d e c o v a r i a n t i e t e berekenen. I n d e p r a k t i j k kennen w e p ( x , y ) e c h t e r b i j n a n o o i t , w e moeten d e c o v a r i a n t i e d a n a f s c h a t t e n m.b.v. s c h a t t e r s d i e w e berekenen u i t e e n o f meer s t e e k p r o e v e n : De v a r i a n t i e i n d e z e s c h a t t e r i s a f h a n k e l i j k v a n de r e l a t i e t u s s e n x en y. We v o l s t a a n h i e r met e e n v e r w i j z i n g n a a r Hays ( 1 9 8 1 ) . V o o r b e e l d 13 :We g a a n temperatuur meten met een thermokoppel e n e e n v e r s t e r k e r
.
Om d e V e r s t e r k e r t e i j k e n meten w e e e n a a n t a l t e m p e r a t u r e n m e t b i j b e h o r e n d e o u t p u t v o l t a g e s . E r z i j n g e e n s t o o r s i g n a l e n
-
15- aanwezig d i e t o e v a l l i g e a f w i j k i n g e n v e r o o r z a k e n i n y d i e n i e t h e t g e v o l g z i j n van t e m p e r a t u u r v a r i a t i e s . We verzamelen d e meetwaarden i n o n d e r s t a a n d e t a b e l : XL YK t e m p e r a t u u r v o l t a g ef"c1
[VI [v." c ] 10 1 .o0 -62.5 20 2.00 -22.5 30 3 .O0-
2.5 40 4.00 2.5 50 5.00 22.5 60 6.00 62.5 r L f i /crx = 3 5&=
3 . 5 0 c o v [ x , y ] = 29.2e
= 252%i=
2.92%.tj
= 29.2 We z i e n d u s d a n i n h e t g e v a l van e e n p e r f e k t l i n e a i r verband d e c o v a r i a n t i e t u s s e n x en y g e l i j k i s a a n de w o r t e l u i t h e t p r o d u k t van d e v a r i a n t i e s van d e a f z o n d e r l i j k e g r o o t h e d e n x en Y - Voorbeeld 14 : I n d e v e r s t e r k e r u i t v o o r b e e l d 13 r a a k t nu e e n d r a a d j e l o s ; h e t o u t p u t v o l t a g e i s g e e n f u n k t i e meer van d e t e m p e r a t u u r maar e e n o n a f h a n k e l i j k e random v a r i a b e l e u i t e e n normale v e r d e l i n g m e t gemiddelde/Ur=
3 V . en een v a r i a n t i e@i=
3 V..
U i t e e nz e s t a l s t e e k p r o e v e n s t e l l e n w e d e v o l g e n d e t a b e l samen: n xu Yk (XK-p,) 0
(Yk.-/&)
t e m p e r a t u u r v o l t a g e [ Ocl
tv3
[ v .cl
10 3.52 -13.0 2û 4.65 -24.8 3 0 1.27 8.7 4 0 5 . 4 s 12.4 50 4.84 27.6 60 1 . 8 6 -28 a 5 35 Mj=3.00 C O V [ X , Y ] = -2.93V.
C 292 qa3.00t."y
= L / ? a. J
7 f7.e
Ae =
Y D e c o v a r i a n t i e i s n i e t p r e c i e s g e l i j k a a n n u l z o a l s verwacht kan worden b i j t w e e o n a f h a n k e l i j k e random v a r i a b e l e n omdat w e h i e r s l e c h t s m e t e e n s c h a t t e r v o o r d e w e r k e l i j k e g r o o t h e i d t e maken hebben. Deze s c h a t t e r wordt nauwkeuriger door h e t a a n t a l s t e e k p r o e v e n op t e v o e r e n .Voorbeeld 15 :
I n d e v e r s t e r k e r u i t v o o r b e e l d 1 3 wordt b i j h e t o u t p u t v o l t a g e een random r u i s v o l t a g e gesommeerd a m e t e e n gemiddelde spanning
/XAn=
OV.
e n e e n v a r i a n t i e$
= 0.8 V ..
We verzamelen weer z e s s t e e k p r o e v e n i n e e n t a b e l :X k Yu ["Cl
[VI
t e m p e r a t u u r v o 1 t a g e 10 -0.06 20 1.50 30 3 .O9 4 0 3.14 5 0 5.84 60 6.38i:
= 35-
3.328%
=252$1
5 . 0 9 A[v.'c]
8 4 . 5 27.3 1 . 2 -0.9 4 5 . 9 76.5 P c o v [ x , y ] = 37.725 V.'C &a!$, = 38.552 V.*C U i t d e v o o r b e e l d e n b l i j k t d a t h e t d u s m o g e l i j k i s om m e t d e c o v a r i a n t i e l i n e a i r e r e l a t i e s t u s s e n t w e e random v a r i a b e l e n t e ontdekken. I n d e v o l g e n d e p a r a g r a a f z a l d a a r n a d e r op worden ingegaan e n z a l worden gedemonstreerd hoe h e t m o g e l i j k i s om u i t een a a n t a l o b s e r v a t i e s van d e twee random v a r i a b e l e n een s c h a t t e r t e berekenen v o o r h e t e v e n t u e e l l i n e a i r verband w a t e r t u s s e n d i e v a r i a b e l e n b e s t a a t .-
17-5 HET SCHATTEN VAN EEN EVENTUEEL LINEAIR VERBAND.
I n d e z e p a r a g r a a f g a a n we u i t v a n h e t v o l g e n d e model:
Een l i n e a i r systeem wordt a a n d e ingang b e l a s t met e e n random v a r i a b e l e x . B i j d e u i t g a n g v a n h e t systeem v w o r d t e e n o n a f h a n k e l i j k e random v a r i a b e l e n o p g e t e l d , z o d a t e e n nieuwe random u i t g a n g s v a r i a b e l e y o n t s t a a t . x en y kunnen g e o b s e r v e e r d worden; h e t l i n e a i r e systeem en d e r u i s n z i j n onbekend.
Voor d e c o v a r i a n t i e t u s s e n x e n y g e l d t : Voor d e v a r i a n t i e i n y g e l d t : x en n z i j n o n a f h a n k e l i j k ! We kunnen nu i n z i e n d a t : a b s (cov[x,y]
)d
-
4
want :k o r r e l a t i e k o e f f i c i e n t t u s s e n x en y : A l s er e e n z u i v e r e l i n e a i r e r e l a t i e b e s t a a t t u s s e n x en y , d.w.z. v a r [ n ] = O , d a n g e l d t :
eyx
= +1 o f -1. ( a f h . v a n s i g n ( a ) ) A l s e r g e e n l i n e a i r e r e l a t i e b e s t a a t (d.w.z. a = O ) dan i s d e k o r r e l a t i e k o e f f i c i e n t g e l i j k a a n n u l . Met d e k o r r e l a t i e k o e f f i c i e n t i s dus i n t e z i e n i n h o e v e r r e er s p r a k e i s v a n e e n l i n e a i r v e r b a n d t u s s e n twee random v a r i a b e l e n . r B i j v o o r b e e I d : AI n v o o r b e e l d 13:
egr=
cov[x,y]/?/v^ar[x] .vâr[y]’ = +1 I n v o o r b e e l d 14:eYx
= 0 . 1 (geen l i n e a r v e r b a n d )( p e r f e k t l i n e a i r v e r b a n d )
A
A
I n v o o r b e e l d 15:
e%=
0.98 ( l i n e a i r v e r b a n d met r u i s )Als-we gek-onstätëerd hebben d a t e r min o f -meer e e n l i n e a i r v e r b a n d b e s t a a t t u s s e n twee random v a r i a b e l e n e n we w i l l e n d a t v e r b a n d z o g o e d m o g e l i j k a f s c h a t t e n kunnen w e g e b r u i k maken v a n d e c o v a r i a n t i e t u s s e n x e n y e n d e v a r i a n t i e i n x . Volgens (14) g e l d t n a m e l i j k : a = c o v [ ~ , y j / v a r [ x ] (18) h
We kunnen A e n schatte: a v o o r d e g r o o t h e i d a berekenen u i t s c h a t t e r s cov[x,y] en v a r [ x ] voor cov[x,y] e n v a r [ x ] . Het is d u i d e l i j k d a t e v e n a l s d e s c h a t t e r s c%v[x,y] e n &r[x] v o o r z i e n z a l z i j n v a n t o e v a l l i g e a f w i j k i n g e n . Voor h e t a f s c h a t t e n v a n var[$] w o r d t v e r w e z e n n a a r Bosch/Kamps e n Hays (1981). D e s c h a t t e r
%
w o r d t berekend v o l g e n s : P De s c h a t t e r b /- a voor bcôv
Ix,yl
var
1x3
: v o l g t u i t d e r e l a t i e : A A A ! ./y
-
a r x
( 1 9 ) (20: B i j d e g e g e v e n v o o r b e e l d e n : A b /r v b 13: a = cov[x,y]/var[x] = 29.2/292 = 0 . 1 A 4 A b=/uy-
a.pg
= O [ V I v b 14:2
= -2.93/292 = -0.01 [V’C-’]; b = 3+0.01*35 = 3.35[VI
v b 15: a = 37.7/292 = 0.129 [V@C1‘3 ;
b = 3.32-
4.52 = -1.2iVI [ V o d1
A A A-
19-3t
Met behulp van de korrelatiekoefficient kunnen we afschatten welk deel van de v a r i a n t i e i n y een gevolg was van de v a r i a n t i e i n x en welk deel veroorzaakt werd door de v a r i a n t i e i n de r u i s
n . U i t
(15)
v o l g t : v a r [ y l = a 2 . v a r [ x l + var in] met (14): v a r i y j = v a r i n j+
cov2 [ x , y j / v a r i x j 1 Of: v a r [ n ] =(1
-
Cyx
1
.var[yl 2Dus van de v a r i a n t i e i n y i s een f r a k t i e
(1
-
& y ) van de r u i s n afkomstig. Het gedeelte i n v a r l y ] dat veroorzaakt wordt door de r u i s n i s g e l i j k aan:En het gedeelte dat door x veroorzaakt wordt:
6 RANDOM VARIABELEN, SAMENVATTING. De v o l g e n d e b e g r i p p e n z i j n behandeld: De e x p e c t e d vit l u e o p e r a t o r : go € E x 7 = - g o /x.p(x).dx Go EEf ( x ) f
=
/f (x).p(x).dx -coB e s c h r i j v i n g van een random v a r i a b e l e : G r o o t h e i d
pX=
ECx3 2%=
EEx2S s c h a t t e r gemi dde l d e va r i a n t i e mean square v a l u eB e s c h r i j v i n g van twee random v a r i a h e Len: c o v a r i a n t i e
M
/z 1 -
covEx,y3
=
EC(x-/.rx> (y-Py)II CGVCX,y3L
(X, (yyL)
Opsporen van een e v e n t u e l e l i n e a i r e r e l a t i e t u s s e n x en y: U= 1 k o r r e l a t i ekoef f i c i e n t : cov cx, y3 A l s y=a.x
+
b dan z i j n s c h a t t e r s v o o r a enb:
A a = cSvEx,y3/vârCx;-
21-
7 EEN RANDOM PROCES, BESCHRIJVING
IN
HET TIJDDOMEIN.We z u l l e n i n d e z e p a r a g r a a f f u n k t i e b e k i j k e n d i e h e t g e d r a g v a n random p r o c e s s e n b e s c h r i j v e n . A l l e r e e r s t moeten w e e e n random p r o c e s d e f i n i e r e n .
*
e e n random p r o c e s i s e e n g r o o t h e i d w a a r v a n d e waarde d i e d a a r a a n k a n worden toegekend a f h a n k e l i j k i s v a n h e t toeval en v a n een a n d e r e o n a f h a n k e l i j k e v a r i a b e l e ( b i j v o o r b e e l d d e t i j d ) . V o o r b e e l d e n v a n random p r o c e s s e n z i j n :-
D e o u t p u t v a n e e n r u i s g e n e r a t o r-
D e g e l u i d s d r u ktij
e e n onweersbui-
D e h o o g t e v a n h e t water op e e n b e p a a l d e p l a a t s i n e e n haven. I n o n d e r s t a a n d f i g u u r i s e e n v o o r s t e l l i n g g e g e v e n v a n e e n random p r o c e s ; a l l e m o g e l i j k e v e r l o p e n a l s f u n k t i e v a n d e t i j d moeten b i j d e a n a l y s e worden bekeken! I , / / T /I
/ - 9 / We noemen d e verzameling v a n m o g e l i j k e v e r l o p e n a l s f u n k t i e v a n d e t i j d e e n ensemble. ( v e r g e l i j k b a a r m e t h e t b e g r i p p o p u l a t i e ) . Een t i j d s v e r l o o p u i t d e v e r z a m e l i n g h e e t e e n e n s e m b l e l i d o f e e n r e a l i s a t i e v a n h e t p r o c e s . ( v e r g e l i j k b a a r met s t e e k p r o e f ) We kunnen nu d e z e l f d e d e f i n i t i e s g e b r u i k e n a l s i n p a r a g r a a f2;
w e moeten o n s e c h t e r w e l r e a l i s e r e n d a t d e z e g r o o t h e d e n e e n f u n k t i e z i j n v a n d e t i j d . Het g e m i d d e l d e v a n h e t random p r o c e s w o r d t g e d e f i n i e e r d d o o r :(23)
(k = ensemble-index) I n woorden u i t g e d r u k t berekenen we h e t gemiddelde van een random p r o c e s v o o r een bepaalde waarde van t d o o r de waarde van e l k e r e a l i s a t i e u i t h e t ensemble b i j d i e t t e v e r m e n i g v u l d i g e n met cie kans d a t d i e r e a l i s a t i e o p t r e e d t en d i e u i t k o m s t t e sommeren o v e r a l l e m o g e l i j k e r e a l i s a t i e s . A l s ,Nr(t) en a l l e andere funk t i e s d i e ka rak t e r i s t i eken v o o r h e t s t a t
i
s t i sc h ge d r a g van h e t p r o c e s b e s c h r i j v e n o n a f h a n k e l i j k z i j n van de t i j d dan noemen we h e t p r o c e s STATIONAIR. In h e t g e v a l van een s t a t i o n a i r p r o c e s ge l d t v o o r h e t gemi dde lde:We kunnen nu v e r v o l g e n s de v a r i a n t i e d e f i n i e r e n n a a r a n a l o g i e met (6) e n
(23).
Het b l i j k t e c h t e r s l i m t e z i j n om de e x t r a d i m e n s i e t i j d nu ook i n de d e f i n i t i e s t e b e t r e k k e n ende t e d e f i n i e r e n f u n k t i e s een e x t r a d i m e n s i e geven. Zo kunnen we een va r i a n t ! e-funk t i e d e f i n i e r e n vo lgens: w a a r i n 't: een t i j d v e r s c h i j v i n g v o o r s t e l t . Voor T = O v i n d e n we de o r i g i n e l e d e f i n i t i e v o o r de v a r i a n t i e maar dan nu a l s f u n k t i e van de t i j d : A l s h e t p r o c e s s t a t i o n a i r i s dan i s de v a r i a n t i e f u n k t i e o n a f h a n k e l i j k van de t i j d , Me k r i j g e n dan: H i e r i n i sR,,
(T) de zooenaamde a u t o k o r r e l a t i e f u n k t i e . Deze f u n k t i e wordt a l l e e n v o o r s t a t i o n a i r e processen g e d e f i n i e e r d wo 1 gen s : Voorbeeld 16 Me beschouwen h e t random p r o c e s x,(t)=
X . s i n ( 2 3 T f 0 t +&(k))D i t i s een s i n u s v o r m i g e f u n k t i e waarvan de fasehoek &k) een random g e t a l i s u i t h e t i n t e r v a l ( O J f l ) . De k a n s v e r d e l i n g van
4.
( k > i s u n i f o r m o v e r d i t i n t e r v a l . laie berekenen v o o r h e t gemi dde l d e : )í,(t>=
ECxk(t)3=
o De v a r i a n t i e - f u n k t i e CX4 (t,t+T) wordt:-
23-
x2
Y X (tft+T)
=
cos (2zf07)Zowel),(t) a l s Cx,(t,t+T) z i j n onafhankelijk van de t i j d . Men neemt i n zo'n geval vaak aan dat het proces dan s t a t i o n a i r i s . Theoretisch moet men nog aantonen dat a l l e andere mogelijke f u n k t i e s d i e het gedrag van het proces b e s c h r i j v e n ook onafhankelijk van de t i j d z i j n .
De auto-korrelatie f u n k t i e Rxx (TI i s g e l i j k aan:
Tot nu toe i s gesproken a l s o f de kansverdelingsfunktie van het random proces bekend i s . Met behulp van deze kansverdeling kunnen we dan met de E-operator werken en a l l e gedefinieerde begrippen berekenen. De kancverdelingsfunktie i s i n de p r a k t i j k echter b i j n a n o o i t bekend. Verder z i j n de leden van het proces vaak n i e t allemaal van t
=
-00 t o t t =+ca bekend. a.de z u l l e ndus gebruik moeten maken van schatters voor de geintroduceerde begrippen.
Schatters voor de d i v e r s e funkties z i j n :
A 1 N /ux(t3=
6
c
x p 3(30)
k-l A.IN.
(t,t+T)-
-
.L
(Xk(t)-px(t)). (xk(t+T)-px(t+T)) (31) (32)( R x x ( T ) i s a l l e e n gedefinieerd voor s t a t i o n a i r e processen!)
-
k-4%%
A
R Y X W
=
i
f
X k ( t ) . X k ( t + K lAJ
uziWe noemen deze s c h a t t e r s "ensemble gemidde lden" omdat we een a a n t a l leden u i t het ensemble bekijken en de eigenschappen daarover middelen. Het i s d u i d e l i j k dat we h i e r n i e t de grootheden z e l f berekenen, maar s l e c h t s schatters voor deze grootheden; we nemen namelijk maar een beperkt deel van het ensemble over een beperkt t i jdsinterva
L
i n beschouwing. De schatters z i j n random variabelen met een bepaalde v a r i a n t i e . Onder bepaalde kondi t i e s kan h i e r u i t een betrouwbaarheidsinterval worden berekend. (Bendat
(19581, Bendat, P i e r s o l (1971))Ais we van een s t a t i o n a i r proces s i e c h t s één ensernbiëijcâ kuñneñ
r e a l i s e r e n kunnen we gebruik maken van een a a n t a l schatters d i e gebaseerd z i j n op tijdgemiddelden. We observeren een bepaolde grootheid gedurende een bepaalde t i j d en nemen het gemidde lde van een bepaalde f u n k t i e over d i t t i j d s i n t e r v a l :
I T
jx
=f
{x(t).dt(33)
A
R d O
-
-
T o
oj;T-L.X(t+T).dt ( 3 4 )A l s voor T -*a geldt dat de tijdgemiddelden g e l i j k z i j n aan de overeenkomstige ensemblegemiddelden voor td 3 0 3 8 dan noemen we het proces ergodisch. I n de p r a k t i j k b l i j k e n deze ergodische processen zeer vaak voor t e komen.
Voorbeeld 17: We beschouwen weer het random proces u i t voorbee Id 16.
x K ( t ) = X . s i n ( 2 f i f o t
+
@(k))%(k) i s een random v a r i a b e l e met een uniforme verdeling op i n t e r v a l (0,2T.)
.
We hadden i n voorbeeld 16 reeds berekend:het
/ & = O
Rxr (I3
=
g
cos ( 2 Z f 0 ? 3We gaan nu schatters berekenen door een v i j f t a l
q ( k >
t e trekken u i t een uniforme verdeling (0,23L) om daarmee v i j f r e a l i s a t i e s van het random proces t e berekenen.rnd(0,l) $[radl x
(0)
x ( - 1 P o .71 4.46 -0.97X -0.25X 0.97X 0.25X -0.97X.23
1.45 0.99X 0.13X -0.99X -0.13X 0.99X .35 2.20 0.81X -0.59X -0.81X 0.59X 0.81X .SO 3.14o
-1
O1
0 .46 2.89 0.25X -0.97X -0.25X 0.97X 0.25X ),<t) 0.22X -0.54X -0.22X 0.54X 0.22XHet i s d u i d e l i j k t e z i e n dat de s c h a t t e r voor het gemiddelde een random v a r i a b e l e i s ; de uitkomsten z i j n voorzien van a a n z i e n l i j k e t o e v a l l i g e afwijkingen. De v a r i a n t i e i n de s c h a t t e r kunnen we m.b.v. (9) afschatten:
varCPx(t)3 A
=
varCxK(t)3/N=
(R,,(O)-,,h:)/5
=
Xz/10=
0.1X2De a u t o k o r r e l a t i e f u n k t i e RXx
(TI
schatten we a f volgens:4.46 0.94 X' 0.24 X2 -0.94 X" -0.24 X2 0.94 X 2 î.45 0.98 X'-
0.13
Xa -0.58 X z-0.13
X: 0.58 X" 2.20 0.66 X1 -0.48 X2 -0.66 Xz 0.48 X 0.66 Xc 3.14o
o
O O O 2.89 0.66 X2 -0.24 X'-0.06
X* 8.24 Xz0.06
Xz A Rxx(T)0.53 X 2-0.35
X2-0.53
Xz 0.35 X20.53
X IUok n i e r z i j n Oe t o e v a i i i g e afwijkingen i n de ccTiatter b ü S b e i f j k
t e zien. Deze t o e v a l l i g e afwijkingen worden weer k l e i n e r a l s het aanta L r e a l i sat i e s waarover gemiddeld wordt toeneemt
.
Voos het afschatten van deze t o e v a l l i g e afwijkingen z i e Bendat(1958)
.
I n t e r p r e t a t i e van de autokorre l a t i e funkt i e :
De a u t o k o r r e l a t i e funktie kan vaak geinterpreteerd worden door uitspraken i n de geest van: "De omhullende van de auto-korre l a t i e f u n k t i e bepaa Lt i n hoerverre e r een uitsproak gedaan kan worden over de waarde van x,(t+y) a l s de x $ t ) bekend i s . " . i n voorbeeld 16 b l i j k t een omhullende van de a u t o k o r r e l a t i e funktie konstant t e z i j n ; a l s de waarde van x , ( t ) bekend i s kangi( berekend worden en i s de het verloop van x K
( k )
inderdaad voor elke (t+'O bekend!-
25-
8 EEN RANDOIVI PROCES, BESCHRIJVING IN HET FREQUENTIEDOffiEIN. I n de vorige paragraaf hebben we gezien dat we een random proces kunnen beschrijven met een aantal funkties, waarvan het gemiddelde de v a r i a n t i e - funktie en de a u t o k o r r e l a t i e f u n k t i e behandeld z i j n . De a u t o k o r r e l a t i e f u n k t i e i s een f u n k t i e d i e een t i j d s v e r s c h u i v i n g a l s onafhankelijke v a r i a b e l e heeft. Informatie d i e i n R, (TIaanwezig i s wordt v o l l e d i g gehandhaafd
a l s we op deze f u n k t i e een Fouriertransformatie uitvoeren:
*
S , , ( f )=
s R X x(2))
=
I R n x (~).exp(-j.Z.~~f.r).d.r: ( 3 5 )We noemen S,, ( f ) het autospektrum van het random proceslx,(t)]. S , , ( f ) kan ook nog op twee andere wijzen worden gedefinieerd:
go
-Go
3
*
Met analoge f i Ltering:(36)
x ( f , A f , t ) = output van smalbandfilter met m i ddenf requentie f en
bandbreedte A f waaraan x ( t > wordt toegevoerd.
*
Met e i ndi ge Four i er-get ransf o rmeerde X k(f ,TI=
i x ,(t1
-
exp C-j.2 .r.
f. t ) = dt1
O
Vroeger werd u i t s l u i t e n d met
(36)
gewerkt. Nu de d i g i t a l etechnieken z o ' n opmars hebben gemaakt worat v r i j w e i steeds van
( 3 7 ) gebruik gemaakt. B i j het meten van een a u t o k o r r e l a t i e
f u n k t i e wordt z e l f s e e r s t met
( 3 7 )
'$,,<f) bepaald om v i a een'inverse Fouriertransformatie
&,
(0
t e berekenen. Wij z u l l e n i n het vervolg van d i t verhaal u i t s l u i t e n d met(35)
en(371
werken.Dat de d r i e d e f i n i t i e s gelijkwaardig z i j n wordt bewezen i n Bendat, P i e r s o l J1971). De grootheid Sxx kunnen we schatten
door de
s c h a t t e r
s x x m
volgens:..
I n onderstaande f i g u u r i s de vermenigvuldiging i n het komplexe vlak schematisch weergegeven voor gen frequentie.
D
r A S,,(f) een sche p r i s moe- weer r e k e n i n g gehouden wordenmet t o e v a l l i g e a f w i j k i n g e n . De v a r i a n t i e i n deze s c h a t t e r kan worden a f g e s c h a t met:
varCS,,(f>~ =
s , ~ ( ~ ) / M
c 'ixx(f)/N (39) (Bendat, P i e r s o l (1986), v. Heck (19821 WoorN>25
i s de v e r d e l i n g ongeveer normaal en kan h e t 95% b e t rouw baar he i d s i n t erva 1 berekend worden met :A
A
2
/z 2S x x ( f ) . ( l - ' ) < SJf)
<
S x s ~ f ) * ( l + $ j ) Aw
In onderstaande f i g u u r i s CCSyx(f)7/S3,(f) u i t g e z e t tegen h e t a a n t a l m i d d e l i n g e n
N.
-
27-
Het autopowerspektrum bJOrdt vaak g e b r u i k t om t e b e k i j k e n wat voor f r e q u e n t i e s i n een b e p a a l d s i g n a a l aanwezig z i j n . Ook de v a r i a n t i e kan eenvoudig bepaald worden door h e t o p p e r v l a k onder de kromme t e i n t e g r e r e n . De reden d a t men daarvoor h e t auutospektrum g e b r u i k t en n i e t de F o u r i e r g e t r a n s f o r m e e r d e i s d a t h e t a u t o s p e k t r u m geen f a s e - i n f o r m a t i e b e v a t en o n a f h a n k e l i j k van h e t b e g i n p u n t van de m e t i n g de g r o o t h e i d v o l g e n s
(381
geschat kan worden. De F o u r i e r g e t r a n s f o r m e e r d e b e v a t w e l f a s e - i n f o r m a t i e , deze fasehoek i s a f h a n k e l i j k van h e t b e g i n van de met i n g.
B i j h e t ensemb lemi dde l e n van een F o u r i e r g e t r a n s f o r m e e r d e z a l dus a l t i j d de s c h a t t e r naar O gaan a l s e r s p r a k e i s van een beginpunt van de m e t i n g d a t z u i v e r toeva 1 l i g i s.In de appendix i s een voorbeeld gegeven van de berekening van
een a u t o s p e k t r u m v o o r h e t proces van v o o r b e e l d 16. Daar i s ook d u i d e l i j k t e z i e n d a t h e t autospektrum n i e t a f h a n k e l i j k i s van h e t b e g i n van de m e t i n g t e r w i j l de F o u r i e r g e t r a n s f o r m e e r d e d a t wel i s .
9 TWEE RANDOM PROCESSER, BESCHRIJVIEtG
I R
HET TIJ DDOMEIELWe w i l l e n nu twee random processen t e g e l i j k bekijken om een eventuele i n t e r a k t i e tussen de twee processen t e bestuderen. Daartoe d e f i n i e r e n we weer een a a n t a l begrippen naar analogie met par. 4, nu echter een f u n k t i e van een t i j d v e r s c h u i v i n g rt'. We moeten daartoe gepaarde r e a l i s a t i e s u i t de random processen x ( t ) en y ( t ) bekijken.
We d e f i n i e r e n nu een c o v a r i a n t i e funktie naar analogie met
(25):
CYX!tit+t)
=
EECx c t > - & l Ct)), C y p T ? - Ct+T))l.C401
K - - - / - x - - -
/ s
A l s de t i j d v e r s c h u i v i n g <==O dan vinden we weer de d e f i n i t i e
voor de k o v a r i a n t i e van een random variabele; maar dan nu a l s f u n k t i e van de t i j d :
C ( t , t )
=
cov[x,yl(t)=
EE(xk(t)-p,(t)). ( y k ( t ) - y 2 t ) ) l ( 4 1 )B i j s t a t i o n a i r e processen v e r v a l t de afhankelijkheid van t ; we kunnen dan een c r o s s k o r r e l a t i e f u n k t i e d e f i n i e r e n naar analogie met ( 2 9 ) volgens:
Yx
-
29-Voorbeeld 18: We voeren het random proces u i t voorbeeld 16 toe
aan de ingang van een systeem met een vaste l o o p t i j d t o . Het random proces aan de uitgang van het systeem heet y ( t ) . E r geldt :
We berekenen naar analogie met voorbeeld
16
de c o v a r i a n t i ef u n k t i e en de c r o s s k o r r e l a t i e funktie:
x2
C y x ( t , t + Ï 3
=
<
cos(2.-n’.f0.(~-t,))R y p
=
~ 2 c o s ( 2 7 C . f , . ~ ~ - t , ) ) 2De c r o s s k o r r e l a t i e f u n k t i e wordt vaak gebruikt b i j onderzoek aan systemen met een zuivere l o o p t i j d , zoals i n het v o r i ç e voorbeeld of b i j geluidsproblematiek. De c r o s s k o r r e l a t i e funkt i e v o o r c - t o ) i s g e l i j k aan de a u t o k o r r e l a t i e fuunktie van de ingang van het systeem v o o r T . - Door de beide funkties t e
meten kan de Looptijd t o bepaald worden. Voor voorbeelden van toepassingen b i j b i jvoorbeeld ge luidsproblemen wordt verwezen naar Bendat, P i e r s o l ( 1 9 8 0 ) .
De c r o s s k o r r e l a t i e
of voor ergodi sche
f u n k t i e kan worden afgeschat door de formule:
processen :
A
7‘
( 4 4 )
De v a r i a n t i e i n deze schatt&s i s a f h a n k e l i j k van Ret verband tussen x ( t ) en y ( t ) . Het afschatten van deze v a r i a n t i e wordt
gedemonstreerd i n Bendat (19581 en Bendat, F i e r s o l i1971i.
i n
dep r a k t i j k wordt tegenwoordig nog weinig met ( 4 4 ) en
(45)
gewerkt.Het moderrie USyi take techriieken uorbt
eerst
h e t C Ï Û S S - S ~ ~ ~ ~ Ï U ~ tussen x ( t ) en y ( t ) ( z i e volgende paragraaf) geschat. DaarnaI O TWEE RARDOM PROCESSEA, BESCHRIJVIltG IK HET FREQUEhTIEDOMEIR.
kt z o a l s b i j de b e r e k e n i n g van een random p r o c e s kunnen we ook de b e s c h r i j v e n d e f u n k t i e s van twee random processen zonder v e r l i e s van i n f o r m a t i e F o u r i e r - t r a n s f o r m e r e n :
*
S y x ( f )=
F R (TI) = j R y x (~).exp(-j.2.76:f0r).dr (46) bde noemen S,,(f) h e t cross-spektrum t u s s e n de random processen x ( t ) en y ( t ) . Ede kunnen h e t cross-spektrum ook d e f i n i e r e n door g e b r u i k t e maken van de e i n d i g e F o u r i e r - g e t r a n s f o r m e e r d e n van b e i d e processen: go Y% - G o*
X,(f,T)=
/l
xK(t).expC-j
. 2 T . f.t).dt ' T o ' Y, (f,T) = JyJt).exp(-j.2flT.f.t).dtEen s c h a t t e r voor S,(f) wordt berekend door de E-operator t e vervangen door een e i n d i g ensemb legemi dde lde :
Deze v e r m e n i g v u l d i g i n g i n h e t komplexe v l a k i s i n onderstaande figuur weergegeven voor een f r e q u e n t i e en een r e a l i s a t i e u i t h e t ensemb le.
I n de f i g u u u r i s d u i d e l i j k t e z i e n d a t de fasehoek g e l i j k i s aan h e t v e r s c h i l i n de fasehoeken van de b e i d e g e t r a n s f o r m e e r d e n X,(f,T> en Y,(f,T). A l s b e i d e processen b i j deze f r e q u e n t i e een o o r z a k e l i j k verband b e z i t t e n dan m i d d e l t
";y,
( f ) n a a r een gemiddelde w2arde; z i j n de fasehoeken e c h t e r o n a f h a n k e l i j k dan k o n v e r g e e r t S,,(f) n a a r nul. Een en ander i s i n onderstaande f i g u u r weergegeven,-
31-i
+metingen
VR
et-i
ngen
Re
Re
-
gemiddeld
Het cross-spektrum i s een k r a c h t i g h u l p m i d d e l b i j h e t zoeken naar r e l a t i e s t u s s e n twee random s i g n a l e n . Het cross-spektrum i s daarom zonder meer v e r g e l i j k b a a r met de c o v a r i a n t i e b i j random variabelen; nu i s e r e c h t e r voor e l k e f r e q u e n t i e een c o v a r i a n t i e en een f a s e d r a a i n g ( " l o o p t i j d " ) gegeven. Vaak i s de i n t e r p r e t a t i e van h e t cross-spektrum v e e l eenvoudiger dan d i e van de c r o s s k o r r e l a t i e f u n k t i e .
De t o e v a l l i g e a f w i j k i n g e n b i j h e t s c h a t t e n van S y x ( f ) met (481 kunnen a f g e s c h a t worden met de formule:
(49) H i e r i n i s $Jf) de zogenaamde k o h e r e n t i e - f u n k t i e , deze z a l i n de io!geride p a r a g r a a f UUR de crde kernen. IR m d e r s t u a o d e figmr
i s CCIS,(f)l I/
IS,(f>l
u i t g e z e t a l s f u n k t i e van de k o h e r e n t i e - f u n k t i e en h e t a a n t a l middelingen.A 2 2
v a r o s (f))]
=
I
syx(f)l
/(
yyx(f).N)-
33-
In de appendix wordt een voorbeeld gegeven van het cross-spektrum tussen de ingang en de uitgang van een systeem met z u i v e r e l o o p t i j d t o r waarvan de ingang b e l a s t wordt met een
11
HET SCHATTEN VAN EEN LINEAIR VERBAND.I n p a r a g r a a f 5 hebben w e g e z i e n hoe h e t m o g e l i j k i s om e e n l i n e a i r v e r b a n d t u s e n twee random v a r i a b e l e n t e o n t d e k k e n u i t d e b s c h r i j v e n d e g r o o t h e d e n voor deze random v a r i a b e l e n ; d e c o v a r i a n t i e cov[x,y] en d e v a r i a n t i e s v a r [ x ] en v a r [ y ] . E r werd een g r o o t h e i d g e d e f i n i e e r d d i e a a n g a f i n h o e v e r r e h e t v e r b a n d l i n e
arr
was ( d e k o r r e l a t i e c o e f f i c i e n t ) e n e r werd a a n g e g e v e n h o e s c h a t t e r s v o o r h e t l i n e a i r e systeem werden berekend u i t s c h a t t e r s v o o r d e c o v a r i a n t i e e n d e v a r i a n t i e s . Nu w e d e g r o o t h e d e n d i e random v a r i a b e l e n b e s c h r e v e n u i t g e b r e i d hebben n a a r d e b e s c h r i j v i n g v a n random p r o c e s s e n g a a n w e b e k i j k e n of h e t ook m o g e l i j k i s o m t e b e p a l e n w e l k l i n e a i r v e r b a n d e r b e s t a a t t u s s e n twee random p r o c e s s e n x ( t ) e n y ( t ) . We g a a n d a a r b i j u i t v a n h e t v o l g e n d e model: ( x ( t > e n n ( t ) z i j n o n a f h a n k e l i j k ! ) Het v e r b a n d t u s s e n v ( t ) e n x ( t ) i s een k o n v o l u t i e i n t e g r a a l ,zodat w e veer h e c verband ctissec x!t> e n y!t> b e r e k e n e n :
y ( t ) = h ( t ) x ( t ) + n ( t ) H i e r i n i s h ( t ) d e impulsrespons v a n h e t l i n e a i r e systeem. Hiermee b e r e k e n e n w e : / O o x ( t ) . y ( t + T ) =
J
h ( r ) - x ( t ) . x ( t + T - + x ( t > . n ( t + T ) O De v e r w a c h t e waarde v a n(51)
i s : ( n ( t ) e n x ( t ) o n a f h . ! ) o f : RY*
(2)
= h(z) @ R%(T) ( 5 3 )Het i s dus m o g e l i j k om d e impulsrespons v a n een systeem t e b e p a l e n d o o r s c h a t t e r s
fi,
( T ) e ng8x(T)
t e b e p a l e n e n ( 5 3 ) i n d i e nm o g e l i j k op t e l o s s e n . D i t z a l v a a k op zeer g r o t e m o e l i j k h e d e n s t u i t e n e n v o o r s l e c h t s e n k e l e g e v a l l e n i s de u i t k o m s t z o n d e r meer d u i d e l i j k ( b i j v o o r b e e l d v o o r een impulsvormige i n p u t ) o
-
35-Daarom w o r d t tegenwoordig b i j n a a l t i j d g e b r u i k gemaakt v a n b e s c h r i j v i n g e n i n h e t f r e q u e n t i e d o m e i n . A l s w e e e n F o u r i e r t r a n s f o r m a t i e u i t v o e r e n op v e r g e l i j k i n g (53) k r i j g e n w e m.b.v. (35) e n (46): (Esmeyer 1 9 8 1 , Bendat, P i e r s o l ( 1 9 7 1 ) ) S y x ( f ) = H (f).S,,(f)
5K
H
!F ( f ) = G h ( t ) ) H i e r i n i s H ( f ) d e f r e q u e n t i e r s p o n s v a n h e t systeem; met !3x ( 5 4 ) De k o n v o l u t i e i n t e g r a a l i s nu verdwenen e n h e e f t p l a a t s gemaakt v o o r e e n s i m p e l e v e r m e n i g v u l d i g i n g . H e t systeem i s dus v e e l e e n v o u d i g e r t e b e p a l e n u i t s c h a t t e r s voor S ( f ) en S,,(f): Yx fi A A H y x ( f ) = SYx(f)/SXx(f) (55)We kunnen v e r d e r u i t ( 5 0 ) berekenen d a t voor
T
+@ g e l d t :De v e r w a c h t e w a a r d e v a n ( 5 7 ) i s g e l i j k a a n : ( 5 8 ) of met ( 5 4 ) :
s
( f ) =-
i- S,,(f) = S,(f) + S,,(f) ( 5 9 )s,,
cel
229
Van h e t a u t o s p e k t r u m Sb9!f) i s d u s e e n g e d e e l t e \ S y x (f ) ] /S,,(f) afkomstig va^ h e t i q g a r g s s i g n a a l x ( t > e n e e n g e d e e l t e S ( Ç j n f i X A ' a f k o m s t i g v a n d e r u i s n ( t ) . Er g e l d t :We noemen (&(f) d e k o h e r e n t i e f u n k t i e . Sv,(f) noemen w e h e t k o h e r e n t a u t o s p e k t r u m . A l s w e v e r g e l i j k i n g ( 6 1 ) e n ( 6 2 ) v e r g e l i j k e n met
(21)
e n ( 2 2 ) dan z i e n we d a t de k o h e r e n t i e f u n k t i e b i j random p r o c e s s e n d e z e l f d e f u n k t i e v e r v u l t a l s d e k o r r e l a t i e k o e f f i c i e n t b i j random v a r i a b e l e n . D e g r o o t h e d e n d i e i n deze p a r a g r a a f g e d e f i n i e e r d z i j n kunnen w e a f s c h a t t e n met de v o l g e n d e s c h a t t e r s : A Asyx(
f ) / S $ $ ( f1
Door d e s i g n a l e n x ( t > en y ( t ) waar t e nemen e n s c h a t t e r s t e maken v o o r S X g ( f ) , S,,!f> e n S y $ f ) i s h e t m o g e l i j k s c h a t t e r s t e maken v o o r d e f r e q u e n t i e r e s p o n s , de k o h e r e n t i e f u n k t i e d$x(f), h e t k o h e r e n t e o u t p u t spektrum en h e t a u t o s p e k t r u m v a n d e r u i s S ( f ) . nh I n t e r p r e t a t i e : D e f r e q u e n t i e r e s p o n s wordt v a a k g e i n t e r p r e t e e r d d o o r t e k i j k e n w e l k e f r e q u e n t i e s g e m a k k e l i j k d o o r h e t systeem d o o r g e g e v e n worden. De k o h e r e n t i e f u n k t i e g e e f t p e r f r e q u e n t i e a a n i n hoeverre er Sprake i s v a n e e n l i n e a i r v e r b a n d t u s s e n x ( t ) e n b e t e k e n t p e r f e k t l i n e a i r v e r b a n d ~ Het k o h e r e n t e o u t p u t spektrum S,,(f> g e e f t p e r f r e q u e n t i e a a n h o e v e e l vermogen a a n d e u i t g a n g v e r o o r z a a k t Bs d o o r h e t i n g a n g s s i g n a a l x ( t > . T e n s l o t t e g e e f t h e t a u t o s p e k t r u m v a n d e r u i s S ( f ) a a n h o e v e e l v a n h e t vermogen a a n d e u i t g a n g h e t g e v o l g is v a n s i g n a l e n d i e o n a f h a n k e l i j k z i j n v a n x ( t ) e n v a n n i e t l i n e a i r e e f f e k t e n v a n h e t systeem, D e v a r i a n t i e i n d e s c h a t t e r s H y x ( f ) , Y,,(f) en S,,,(f) kan g e s c h a t worden met d e r e l a t i e s : (Bendat, P i e r s o l (19801, Bendat ( 1 9 7 8 1 , v.Heck (1982)) y ( t > . $,(f> = O b e t e k e n t g e e n l i n e a i r v e r b a n d , ' f & ( f )
= 1
HyI A 2 A A VoorNi25
g e l d t d a t d e v e r d e l i n g e n v a n de d i v e r s e s c h a t t e r s o n g e v e e r normaal z i j n , ( b e n d a t , P i e r s o l !1?8o>>0.011 I I 1 1 l 1 1 1 I I I I I I I I I
50
100
_ . 200 500 1.000 2,OOû 5,000 10.000-
39-
12
RANDOM PROCESSEN (TIJDDOMEIN), SAMENVATTING.STATIONAIR: b e s c h r i j v e n d e g r o o t h e d e n o n a f h a n k e l i j k v a n d e t i j d .
STATIONAIR ERGODISCH: De Ensemblegemiddelden voor d e
b e s c h r i j v e n d e g r o o t h e d e n z i j n g e l i j k a a n d e t i j d g e m i d d e l d e n .
.
. . .
.EEN RANDOM PROCES...
.
.
Groot h e i d S c h a t t e r Gemiddelde S t a t i o n a i r e r g o d i s c h : D V a r i a n t i e - f u n k t i e : E r g o d i s c h : R e l a t i e :
. . .
-TWEE RAhTDOM PROCESSEN...
.
Cova r i a n t i e funk t i eS t a t i o n a i r E r g o d i s c h :
C r o s s - k o r r e l a t i e f u n k t i e
13 RANDOM PROCESSEN (FREQUENTIEDOMEIN) SAMENVATTING. D e b e g r i p p e n processen. g r o o t h e i d z i j n a l l e e n g e d e f i n i e e r d voor s t at i on a i re s c h a t t e r
. . .
.EEN RANDOM PROCES.. * .A u t o S p e k t r u m
.
* . .TWEERANDOM
PROCESSEN...
e C r o s s spektrum.-
41- 1 4 LITERATUURR
AllemangFrequency Response Concepts
Seminar on modal a n a l y s i s , u n i v e r s i t y o f Leuven (1980) J. Bendat
P r i n c i p l e s and a p p l i c a t i o n o f random n o i s e t h e o r y John Wiley and Sons I n c . , New York 1958.
J. Bendat
S t a t i s t i c a l e r r o r s i n measurement of c o h e r e n c e f u n c t i o n s and Journal of Cound and V i b r a t i o n (1978), 59(3), pp405-421
i n p u t / o u t p u t q u a n t i t i e s .
J. Bendat, A. P i e r s o l
Random d a t a, a n a l y s i s and measurement p r o c e d u r e s . John Wiley and Sons Inc.,New York 1 9 7 1 .
J. Bendat, A. P i e r s o l
Eng i ne e r i ng ap p l i c at
i
ons o f s p e c t r a l and cor re1
a t i on a n a l y s i s John Wiley and Sons I n c .,
New York 1980.A. Bosch,
H
Kamps S t a t i s t i s c h compendium D i k t a a t 2218, T.H. Eindhoven.W.
Esmeyer N o t i t i e s b i j h e t c o l l e g e random t r i l l i n g e n T.H. eindhoven, 1 9 8 1 . 'w. Nays S t a t i s t i c s H o l t Saunders i n t e r n a t i o n a l e d i t i o n s , 1 9 8 1 .__
J.
v . Heck De modale a n a l y s e , e x p e r i m e n t e l e mechanika T.H. eindhoven, n a j a a r 1 9 8 1 .J. v.
Heck T o e v a l l i g e a f w i j k i n g e n b i j h e t meten v a n eigenschappen v a n random s i g n a l e nT . n . ñinbhûven, maart i982
D. Newland An i n t r o d u c t i o n t o random v i b r a t i o n s and s p e c t r a l a n a l y s i s Longman, London 1 9 7 5 .