книги / Статистический анализ геофизических полей
..pdfтических выводов о параметрах его статистическая модель помимо стационарнооти должна удовлетворять еще некоторым ограничениям.
Приведем краткий обзор свойотв того клаоса отационарных мно гомерных временных рядов (олучайных процессов с дискретным време нем) (x ir , которые в дальнейшем будем рас сматривать как наиболее общую модель для опиоания последователь ности статистически вавиоимых наблюдений. Этот класс образуется
процессами вида ^ ^ * |
$ t , |
где |
- детерминированная вектор |
ная последовательность, |
a |
- |
стационарный случайный процесс |
оs 0 , отвечающий следуюцим предположениям.
|
Предположение 1 . |
Матричная автокорреляционная функция Сг = |
|||||||||||
|
|
|
|
£ таС- г |
Убывает доотаточно быстро, так что сходит |
||||||||
ся |
р т |
|
|
|
|
|
|
|
|
|
|
|
|
|
Т |
, 1 е г \ < ~ > . |
где |
|
|
I f |
| |
* - Z |
с * |
. |
(1 .1 .5 ) |
||
|
r v |
|
Г |
|
|
|
* |
|
|
r<ty) |
|
||
|
Из выражения ( f .1 .5 ) следует, что существует энергетическая |
||||||||||||
матричная спектральная плотность |
|
|
|
|
|
||||||||
|
|
|
|
A W ) - Z |
*е * А Г . |
л е [ ц и 1 , |
|
||||||
|
|
|
|
|
- оо |
|
* |
|
|
|
|
|
|
|
|
|
|
|
/ f |
|
|
~}Лг |
|
|
|
(Гл.6) |
|
|
|
|
|
€v a & r \ ^ U ) e |
|
г е - |
|
||||||
|
Предположение 2 . Процеос |
^ |
- |
регулярный процесс максималь |
|||||||||
ного ранга, |
т .е . его |
спектральная |
плотность удовлетворяет |
усло |
|||||||||
вию |
|
|
|
гх |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
9 " |
{ ~h !) |
|
Ш |
Я г 'Ш |
* » } >0. |
(Т Л .7 ) |
|||
|
Из |
этого условия следует, |
что матричная |
спектральная |
плот |
||||||||
ность |
fM ) |
допускает факторизацию /74/г |
|
|
|
||||||||
|
|
|
|
|
Ш Ь |
|
А(еи ) C S*( е !Л), |
|
|
(1 .1 .8 ) |
|||
Где |
S(z) |
- |
аналитическая в |
|
единичном круге матричная функция, |
||||||||
такая, |
что |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
S(Z) - Z |
A Z 4, |
|
|
|
lzl<z, |
0 = 1 . |
d . 1 . 9 ) |
||
|
|
|
|
t*0 |
* |
|
|
|
|
|
* |
|
|
<p(z) » |
dgt |
3 (z ) |
не обращается в нуль внутри единичного кру |
||||||||||
г а ; |
G - |
некоторая положительная определенная |
симметричная дей |
||||||||||
ствительная |
матрица, |
причем |
|
|
|
|
Р / ( г х ) > 0 |
|
|
21
Из выражения ( Т л . 8) в овою очередь вытекает, что для про цесса существует представление в виде бесконечного окользящего среднего (CG):
|
|
|
|
%~ Ш |
|
|
|
st-k> |
|
|
se ~ z > |
|
|
|
|
( 1 л Л 0) |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
где |
i/, |
- |
векторный |
белый шум: |
|
С |
|
г |
- |
|
|
|
<£, - |
символ Кро- |
|||||||
|
Ч |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
некера; |
|
|
|
^ |
представляют |
£ g i |
f |
/ |
m |
**■I. |
|
|
|
|
|
||||||
|
Величинн |
собой ошибки оптимального:,линейно- |
|||||||||||||||||||
то прогноза |
|
процесса |
на |
один шаг: |
* |
|
|
|
|
* + - /{• |
|||||||||||
|
|
|
r ] . Если функция Ус*; - |
ctct В (х) |
|
не |
обращается в |
нуль |
|||||||||||||
не только внутри единичного круга, |
но и на |
его |
границе |
и |
ряд |
||||||||||||||||
( Г Л .9 ) |
имеет радиус |
сходимости |*| |
> 4 , |
то |
можно показать, что |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
« - « • « > |
где |
^ |
- |
коэффициенты разложения функций I - B (z) |
в |
степенной |
||||||||||||||||
ряд. Таким образом, |
при описанном дополнительном условии процесс |
||||||||||||||||||||
f |
допускает |
бесконечное авторегрессионное |
(АР) |
представление |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
е л . ! » |
|
Далее, |
поскольку |
из выражений |
( Г Д .И ) , |
(1 Д Л 2 ) |
следует, |
|||||||||||||||
что |
£ ';( ф / ~ £ |
4 х к, |
|
из |
уравнения |
( I . i . 8) |
получаем |
|
|||||||||||||
|
|
|
|
к=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ы ) - |
( 1 - 1 |
4 |
* *)~ГВ ( 7 - 1 |
в / * - 4 |
|
|
( I л Л З ) |
||||||||
причем в |
|
силу аналитичности функции В (Z) |
в |
замкнутом единичном |
|||||||||||||||||
круге функция <P ',(z )= c fe t (l - ^ |
4А 2 к) |
|
|
может иметь |
нули вне |
||||||||||||||||
замкнутого |
единичного круга. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
Наряду с бесконечным СС представлением |
(Г Л ДО) |
и бесконеч |
||||||||||||||||||
ным АР представлением |
(Г .1 Л 2 ) |
для |
регулярных процеосов макси |
||||||||||||||||||
мального ранга существует еще бесконечное АРСС представление. |
|||||||||||||||||||||
Оно получается |
оледугацим образом. Рассмотрим наилучший линейный |
||||||||||||||||||||
прогноз |
величины |
|
по предыдущим |
р |
|
значениям процесса |
: |
||||||||||||||
|
. |
|
р |
|
|
|
р |
|
|
|
|
|
|
|
^ |
|
__ |
|
|
||
|
f |
- |
1 |
У |
|
^(| |
|
|
|
|
|
(по4 , |
к е /,/> у . |
(I Д Л 4 ) |
|||||||
Можно показать, |
что |
процеос |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
77 |
|
|
> |
/ |
|
ъ~ |
|
|
|
|
|
(| Л Л 5 ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
22
такие есть регулярный працеоо максимального ранга /83/. Поэтому для процеоса £ справедливо бесконечное СС представление, в ре зультате чего из выражения (| Л Л 5 ) получаем
Рс*о
|
Е - |
Т I f , + Т в .т |
(1 Л Л 6 ) |
|
|
* |
к-1 к 'tik |
к f-t |
i t |
где |
- |
векторный белый шум, |
(Г Л Л 6) спектральная плотность |
|
В |
соответствии |
о условием |
Г.может быть записана в виде
Г
w |
V |
К |
’ *, |
(Г Л Л ? ) |
|
||||
где |
J&J! |
1 - |
Т |
ж . / м |
|
||||
|
|
J |
(.*0 |
* |
АРСС-аппрокоимации гауссовских регулярных временных рядов. |
||||
Представления (1 Д Л 0 ), (1 Л Л 2 ) и |
(1 Л Л 6 ) произвольных регуляр |
|||
ных многомерных процессов |
приводят |
к мысли о том, что естествен |
ными приближенными параметрическими моделями о конечным числом параметров для таких процеосов являются временные ряды, которые
описываются формулами (1 Д .1 0 ), (Г Д Л 2 ) и ( 1 Л Д 6 ) , если оста вить конечное число членов в суммах, входящих в эти формулы. В ре зультате получаются следующие широко используемые параметрические классы временных рядов /837.
|
4 . |
|
Класс процессов скользящего среднего |
(СС-процессов). Эт |
||||
Процессы описываются соотношением |
|
|
||||||
|
|
|
|
|
|
|
|
( I Л .18) |
где |
В0 |
- верхняя треугольная |
матрица; |
В0 4<Г - положительно опре |
||||
деленная матрица; |
у |
векторный белый шум: |
£s^ T j+ r = |
|||||
- $т1 ‘, |
полином |
B et [А |
4 г 1 ] |
имеет все нули вне |
единичного |
|||
круга. |
|
|
|
|
|
|
|
|
|
2 . Клаоо процессов авторегрессии (АР-процессов), удовлетво |
|||||||
ряющих разностному уравнению |
|
|
|
|||||
|
|
|
|
|
р |
|
|
|
|
|
|
|
/> |
Гф = Т |
|
§ 3 ^ , |
(Г Л Л 9 ) |
|
|
|
|
|
|
|
|
|
где |
полином |
B e t f 1 - Т A , t kJ |
имеет вое |
нули вне единичного круга, |
||||
|
|
|
|
|
|
|
_ |
|
В0 |
- такая |
же матрица, |
как и в соотношении ( 1Л Л 8) . |
|||||
|
3 . Клаоо процеосов авторегрессии - |
скользящего среднего |
||||||
(АРСС-процесоов), |
удовлетворяющих разностному уравнению |
28
где |
и матричные коэффициенты |
4> |
4 |
обладают теми же свой |
|||
ствами, что и в предыдущих случаях. |
|
|
|
|
|||
Важный вопрос, |
который возникает в |
свяэи |
о введенными про |
||||
цессами - при каких условиях можно утверждать, |
что для п р о |
||||||
и з в о л ь н о г о |
белого шума |
|
разностное уравнение |
||||
(Гл.20) (включающее в себя соотношения |
(Г Л Л 8 ) и |
(1 .1 Л 9 ) как |
|||||
чаотные |
случаи) имеет решение f ~ |
, |
представляющее собой регуляр |
||||
ный процесс максимального ранга/ответ на него дает следующее |
|||||||
утверждение /83Д |
|
|
|
|
|
|
|
Т е о р е м а |
I Л Л . Если все |
корни полинома |
Г (я)- 0 e t [ f - |
~2L 4 я * ] лежат вне единичного круга, то общее решение уревне-
нш ( 1. 1 . 20) при произвольно заданном белом шуме имеет вид
*-<£*, (Хл.аО
где
|
- |
|
корни 9(х) ; |
- кратность этих корней (число одинаковых |
||||
корней минус единица); |
векторы |
! Г (7, I) |
- линейно независимые ре |
|||||
шения оистемн уравнений/J r |
J д |
О,к) = 0 ; матрицы <С О,/• * ) |
||||||
однозначно определяются р |
начальными условиями $ y t i , . . . , ^ 4a =~Z. |
|||||||
|
|
Первое (детерминированное) слагаемое в правой части уравне |
||||||
ния |
( Г Л . 2TJ |
представляет |
собой общее решение однородного уравне |
|||||
ния |
f |
t |
- Ж |
AJ T |
|
стремящееся к нулю при *-»-= «». Второе |
||
|
|
k~f |
к %"К |
|
|
|
|
слагаемое представляет собой стационарный случайный процеос (ряд
X 4 Т , сходится при любых t в среднеквадратичном) со спектралъной плотностью
(1 л . 22)
гд е |
/» |
|
ik j |
'Ы |
|
|
|
|
|
||||
|
■ - I - X |
|
|
■ыД Г 4 ' |
|
|
|
ы |
|
|
|
|
|
В силу того что |
корни |
лежат |
вне единичного |
круга, |
спект |
|
ральная плотность (Г Л .2 2 ) |
удовлетворяет условию |
(Г Л .7 ) |
и, сле |
|||
довательно, процеос |
|
|
|
|
|
|
|
|
" |
i |
> л * е *-* |
|
|
(стационарное решение уравнения |
( J .1 .2 4 ) ) - регулярный процесс |
|||||
максимального ранга. |
|
|
|
|
|
|
Нетрудно доказать и обратное утверждение / 4 5 / i еоли |
/у - |
|||||
стационарный процеос оо спектральной плотностью |
(ХЛ . 22), где |
|||||
4>(z) не имеет |
корней внутри единичного круга, то его можно пред |
|||||
ставить в виде |
( I Л . 20), где е |
- |
некоторой белый шум. |
|
||
Из введенного бесконечного AFCC-представления (1 Л Л 7 ) для |
произвольного регулярного процесса максимального ранга и рассмот
ренных свойств АРСС-моделей (Г Л .2 0 ) |
оледует, |
что |
в гауссовском |
случае замыкание клаоса этих моделей |
при />—- |
и |
^ — ■=» содер |
жит произвольные регулярные процесон. Более строго можно дока зать следующую теорему.
Т е о р е м а Г Л . 2 . Для произвольного стационарного ре гулярного процеооа максимального ранга оо опектральной пдотноотью
F ( л ) при любом заданном |
г > О |
можно найти чиола /> |
и ^ |
и мат |
||||||||
рицы At кв f,/> t |
8t , |
кв |
6, у, |
такие, что вое |
корни полинома УСф |
|||||||
= tj$t[ / - ^ |
At%k 7 |
|
будут лежать вне единичного круга, а оо- |
|||||||||
ответствующий матрицам |
Ар, |
8к |
AFCC-процесс ( I .T .2 0 ) |
будет |
иметь |
|||||||
спектральную плотность |
Fp y (л) |
вида ( Г Л .22) , |
удовлетворяющую |
|||||||||
неравенству |
|
|
sup |
|
|\F |
(л) |
< е . |
|
|
|||
|
|
|
|
|
|
|||||||
|
|
А е |
Ш г 7 |
|
|
|
|
|
|
|||
Если F(A) |
такова, что |
ряд |
( 1 Л .9 ) |
тлеет радиус |
сходимости, боль |
|||||||
ший или равный единице, |
а |
|
нули функции d ei 8 ( z) |
лежат вне |
единич |
|||||||
ного круга, то в уравнении |
( 1 Л . 20) |
можно выбрать ^ |
= 0, |
т .е . |
||||||||
аппроксимировать |
F(A) |
|
спектром АР-процесса. |
|
|
|
|
|||||
Для гауооовоких |
процессов из теоремы 1 Л .2 |
оледует, что про |
извольная конечномерная плотность распределения регулярного про цесса полного ранга может быть сколь угодно точно аппроксимирова на в равномерной метрике плотностью распределения АРСС-процесса.
Таким образом, классы гауооовоких GC- и АРСС-моделей являют ся классами конечномерных параметрических аппроксимаций для про25
невольных гауссовских регулярных процессов максимального ранга,
а класс чистых АР-моделей - для регулярных |
временных рядов, удов |
|||||
летворяющих дополнительнощу ограничению, указанному в теореме |
||||||
Г Л .2 . |
|
|
|
|
|
|
Энергетический |
спектр АРСС-процесса, |
выражаемый формулой |
||||
( Г Л .2 2 ), |
зависит от |
АР- и СС~параметров - |
элементов матриц |
|||
£*/,/> , |
8i > |
в, у |
- |
очень простым образом, а именно: элемен |
||
ты матрицы |
являются дробно рациональными функциями этих па |
|||||
раметров. Число |
параметров АРСС-процеоса порядка (/ , £ ) , |
очевид |
||||
но, равно |
з=л> |
(/> <■<}) *■ |
<) /<? и быстро возрастает |
с ростом |
размерности процесса. Поэтому в случае многомерных временных ря
дов, |
|
как |
правило, |
используются АРСС-модели невысоких порядков. |
|||||||
Действительно, |
для |
оценки параметров при подгонке модели необхо |
|||||||||
димо, |
чтобы выполнялось условие |
з , так как иначе оценки |
|||||||||
имеют |
большой статистический |
разброс. По этой причине в многомер |
|||||||||
ном случае часто целесообразно |
использовать именно АРСС-модель, |
||||||||||
а не |
|
ее |
частные |
варианты - АР- и СС-модели. Семейство матричных |
|||||||
функций |
(Гл.22) |
- |
опектральных |
плотностей АРСС-процессов - бо |
|||||||
лее |
"богато", |
чем |
семейства спектральных плотностей "чистых” АР- |
||||||||
юш |
"чистых" |
СС-процессов. Поэтому функциями из семейства ( 1 Д ,22) |
|||||||||
можно аппроксимировать с заданной точностью спектральную плот |
|||||||||||
ность |
F (л) |
наблюдаемого временного ряда |
при меньшем суммарном |
||||||||
числе |
s * т * |
|
) |
/ |
2 |
параметров, |
чем спектральными плот |
||||
ностями АРили СС-процессов. |
|
|
|
||||||||
|
Параметрические модели иегауооовоких временных рядов. В не- |
||||||||||
гауосовской |
ситуации класс АРСС-моделей еще не был определен од |
нозначно. Действительно, разностное уравнение (Г Л .2 0 ) полностью характеризует случайный процесс лишь когда порождающий белый шум
- |
гауссовский. Тогда |
из некоррелированности i j , |
^ е / с л е д у |
ет их |
независимость, а в |
силу линейности уравнения |
( 1 Д .20) АРСС- |
процеос - также гауосовский. Для однозначного задания негауссов ского АРСС-процеоса разноотным уравнением ( Г Л .20) необходимо
усилить уодсвие некоррелированности г , : потребовать их статисти -
чеокой независимости и задать плотность распределения />S CP) этих случайных векторов. Тогда, иопользуя уравнение (1 Л .2 0 ) , можно определить не только энергетичеокий спектр яегауссовского АРССпроцесоа, нс и любые его многомерные плотнооти.
Класо негауссовских АРСС-процесоов представляет ообой одну из немногих моделей в теории вероятностей, когда задание негауссовокого временного ряда осуществляется столь простыми средства ми: о помощью одной функции распределения и конечного набора чио26
ловых параметров (достаточно просто определяющих спектральную
плотность ряда).
Более оложной и общей моделью негауссовских временных рядов, включающей в себя АРСС-процессы как частный случай, является мо дель линейных процессов / в ё / :
|
|
|
|
|
|
|
|
а л . г з ) |
где |
- |
незаш стлю случайные векторы с плотностью распределе |
||||||
ния РЕ (у~ ) ■Задание датриц |
|
А е |
полностью определяет |
|||||
спектралыгае |
свойства линейного |
процесса, а совместно с плотно |
||||||
стью |
Ре (у") - |
все остальные |
его |
вероятностные характеристики. |
||||
Ясно, |
что |
временные ряды (Г Л .2 3 ) являются СС-процессами |
с бес |
|||||
конечным числом параметров. С другой |
стороны, |
любой АРСС-процесс, |
||||||
согласно |
теореме 1 Л Л , допускает бесконечное |
СС-равложение |
||||||
(Г Л .2 3 ) |
по порождающей его |
случайной |
(не обязательно гауосов- |
|||||
ской) |
последовательности |
. |
|
|
|
|
||
|
Можно обобщить модель линейного |
процесса |
( 1 Д .2 3 ) , |
если от |
казаться от требования статистической независимости элементов по
рождающей последовательности |
гГ и заменить ее |
на требование, |
||||
чтобы |
представлял собой мартингал разности /1057, |
т . е . удов |
||||
летворял условию |
|
|
|
|
|
|
|
|
И |
£ \ f t Z |
/ * * - t V |
* , |
< 1 л -24) |
где |
- «--алгебра, |
порождаемая величинам |
е^ , А е~т , t - r . |
|||
|
Из условия (Гл .2 4 ) |
следует, что |
= |
|
> |
|
т .е . |
в гаусоовском случае мартингал разности - |
просто |
последова |
|||
тельность независимых случайных величин, а в негауссовском - это |
белый шум, |
в котором зависимость между последовательными значе |
ниями s~t |
существует, но выражается только специальным образом |
в моментах |
выше второго" порядка. Процессы вида (Г Л .2 3 ) с порож |
дающим шумом ^ - мартингалом разности ( Г Л .2 4 ) будем называть условно линейными. Более широкий класо условно линейных процеосов замечателен тем, что для него, как привило, справедливы все асимп тотические результаты статистики временных рядов, справедливые для линейных процессов ( Г Л .2 3 ).
Полный статистический анализ негауссовских стационарных па
раметрических временных рядов |
наиболее |
просто |
реализуем |
в случае |
независимых наблюдений пс той причине, |
что совместная Плотность |
|||
распределения выборки Т*~ ( |
) |
здесь |
имеет виц |
|
27
где *tg ОТ) - |
заданное параметрическое семейство плотностей |
рас |
пределений; |
Т е Р ; & е 0 , т .е . простое мультипликативное |
пред |
ставление многомерной плотности наблюдений при любых размерах вы
борки И определяется одной фикцией |
«§(*)• |
|
Мультипликативное представление |
/ (Ту, ( Г ) возможно |
и для за |
висимых наблюдений, если использовать |
в качестве модели |
зависи |
мых наблюдений р -связную стационарную параметричеоки заданную марковскую последовательность, для которой условное распределе
ние |
^ -го наблюдения зависит только |
от р |
предыдущих наблюдений, |
|||||
и эта зависимость |
одинакова для всех |
t . |
Для такой модели |
|||||
|
р (Т у , |
& ) m WQ (*г, . . |
Хр |
|
Йу/ х! - |
f t */-/>)• |
(Г Л .26) |
|
Как видно, р(Т у, бТ) |
определяется только двумя функциями: плотно- |
|||||||
отью распределения р |
начальных |
значений |
к^(1Гг |
. . . , Т^) |
и пере |
|||
ходной плотностью марковской последовательности |
»е (Т} /Т;_г |
|||||||
х }~р ) , зависящей |
от |
р ч значений "текущих" наблюдений. На слу |
||||||
чай |
стационарных |
/-связны х марковских моделей |
зависимых наблю |
дений могут быть перенеоены многие результаты теории обработки данных, полученные для независимого случая.
Отметим, что (негауссовский) АР-процесс |
/ - г о |
порядка |
|||
(Г Л .1 9 ) |
есть чаотный случай стационарного р -овязного марков |
||||
ского процесса (конечно, только в том случае, |
если корни полино |
||||
ма t i e t f r - z |
4 * * 7 лежат вне единичного кр уга). Переходная плот- |
||||
нооть при этом равна |
/» |
|
|
||
|
|
|
|
|
|
|
|
% <& % -,• - |
' * t ? ) ’ & Ы ’% 4 V / |
) |
(-ГЛ *27) |
где Pe ( f I - |
пиотнооть раопределения независимых порождающих век |
||||
торов, |
^ { з ^ . к / е г ^ ; |
4t(/y } , |
Т р } , |
4 = -i. |
1 .2 . ОПТИМАЛЬНЫЕ ТЕСТЫ ДЛЯ ПРОВЕРКИ ГИПОТЕЗЫ СОГЛАСИЯ О ПАРАМЕТРАХ РАСПРЕДЕЛЕНИЯ НАТОГОТГШИЙ
КЛассичеокие критерии оптимальности тесто в. Анализируя на-
йявдения |
» С Т /,..., |
) г > о которых известно, что |
их совмест |
|
ная |
плотность распределения задается функцией 3(Т М, |
( Г ) , завися |
||
щей |
от параметра, можно вынести определенные решения о том значе- |
|||
нии |
|
этого параметра, |
которое имело место в данном статистиче- |
|
28 |
|
|
|
|
ском эксперименте. Простейшим из таких решений является ответ на
вопрос, |
принадлежит ли &0 |
некоторой |
области вд |
. В таком |
слу |
|||
чае говорят, что по наблюдениям iy |
проверяется гипотеза |
% f i e ®а . |
||||||
Альтернативой для гипотезы |
Р0 |
является гипотеза Р7 •fi~e &\&0 ~ &/г |
||||||
где & |
- множество, |
которому из |
априорных соображений всегда при |
|||||
надлежит параметр |
. Если |
@0 - |
&~t , |
U 6 ^ , |
т .е . гипотеза и |
|||
альтернатива состоят |
каждая из |
одной точки, то |
и Рг |
- |
про |
стые гипотезы. В противоположном случае хотя бы одна из них - сложная.
К проверке отатистических гипотез, в частнооти, сводится
возникающая в практике обработки экспериментальных данных задача обнаружения сигналов . В этой задаче априори известно, что наблю
дения *>*(•*£, t е |
f, Р |
) могут |
состоять или из |
случайной помехи, |
т .е . |
|
, или из омеои (необязательно аддитивной) |
||
сигнала и помехи, |
т .е . |
= |
Обнаружение |
сигнала заключа |
ется в вынеоении одного из двух решений: присутствует или нет в наблюдениях оигнал . Плотности распределения наблюдений Р(х~ ) для указанных оитуаций в общем случае различны. Пусть те
перь допустимо |
описание этих плотностей в рамках некоторого |
пара |
||||||||||
метрического семейотва Р(хЦ, |
в ) , |
Тогда |
задача обнаружения |
сигна |
||||||||
ла |
по наблюдениям может |
быть решена только в том случае, кор |
||||||||||
да |
множеотва |
и |
0f |
значений параметра |
, соответствующие чи |
|||||||
стому шуму и омеои сигнала с |
шумом, |
не переоекаготся. При этом об |
||||||||||
наружение оигнала, по существу, есть |
решение описанной выше зада |
|||||||||||
чи проверки гипотез. |
|
|
|
|
|
|
|
|
|
|||
|
Правило вынеоенго решения о |
параметре ( Г |
при проверке гипо |
|||||||||
тез |
называется |
теотом |
и записывается в |
виде |
|
|
|
|
||||
|
|
|
|
1 , |
принимается гипотеза |
Р,, |
|
|||||
|
|
|
|
О, |
принимается гипотеза |
Рг |
( I . 2 . I ) |
|||||
|
|
|
|
|
|
|||||||
Такого типа функции от наблюдений |
|
всегда |
могут |
быть выражены |
||||||||
в виде индикатора |
некоторого |
критического множеотва |
. Послед |
|||||||||
нее задается сравнением с константой (поротом) i |
тестовой |
ота- |
||||||||||
тистики у гл у ), |
т .е . |
|
|
|
|
|
|
|
|
|
||
|
<е(Т ) |
|
6СЛИ |
* * ’ |
т *е * |
9 (Г* > * * ’ |
|
,7 о о |
||||
|
'[ О , |
еоли TH eS<f,, |
т .е . |
# ( * ’„ ) < * |
|
|
|
При вынесении решения по случайным данным >ГМ почти всегда неиз бежны ошибки. При проверке гипотез они бывают двух родов: принять ft , когда верна Рд , и наоборот. Вероятности этих ошибок равны
29
|
V |
' |
{ пршятъ |
^ / верна |
^ |
|
|
пт,,), Г* &й, |
( 1 .2 .3 ) |
|||||||||
|
fy * |
р |
[принять |
н0 / |
верна |
Н, |
}= |
|
|
|
|
в е |
||||||
|
|
|
|
|
|
|||||||||||||
Величина |
|
|
называется уровнем значимости теста |
V (X g ) |
(вероят |
|||||||||||||
ностью ложной тревоги), а |
величина |
f |
— вероятностью пропуска. |
|||||||||||||||
Удобно ввести функциюyfy (6 ) ш |
|
|
) > называемую мощностью те |
|||||||||||||||
ста |
Ч>(ГЯ ) , |
для которой |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
f е & 0, |
|
|
|
|
|
|
f e ®т |
(1 - 2 .4 ) |
||||
|
В общем случае не существует тестов, |
которые минимизировали |
||||||||||||||||
бы обе ошибки, и чаще всего |
используют стратегию Неймана — Пирсо |
|||||||||||||||||
на /26/ е |
т .е . |
ограничиваются |
классом |
тестов |
/£. , |
таких, |
что |
|||||||||||
|
|
|
|
|
|
|
|
а“/> |
/* ? ( $ * ) |
|
|
|
|
|
Ц .2 .5 ) |
|||
и в атом классе ищут равномерно |
наиболее мощный (ГЯМ) тест <Р°<.*н), |
|||||||||||||||||
для |
которого |
функция мощности при всех в в |
@1 |
выше, чем функция |
||||||||||||||
мощнооти любого другого теста |
ФС*#): |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
sup |
|
sup |
|
|
|
|
'„ ( в ~ ) ) * о . |
|
|
|
(Г .2 .6 ) |
|||
|
|
|
|
ve XaL |
e e ®t |
|
|
|
|
V |
|
|
|
|
|
|
|
|
Для простых гипотез |
#0 : ff |
= |
|
ц |
: в ‘=г&г |
|
наиболее мощный в смыс |
|||||||||||
ле |
Неймана - |
Пирсона |
тест |
определяется леммой Неймана - |
Пирсона |
|||||||||||||
Z§§7: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
'1, если |
г |
|
|
|
б р > & |
; |
|
|
(Г . 2 .7 ) |
||||
|
|
|
,VA |
I', если |
HTg / |
^Г; |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|||||||||
где |
I tfff Iв ^ , |
6>Q)= |
ln fp (fy ' |
|
) / p ( f y |
) |
] |
- |
логарифм отношения |
|||||||||
правдоподобия} |
выбирается по заданному уровню значимости та |
|||||||||||||||||
уравнения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
d . 2 . 6 ) |
|
Для сложных гипотез условия существования FHM тестов извест |
|||||||||||||||||
ив |
|
|
|
|
|
|
1{х# /в ;6> ) |
|
когда гипотезы *0 , 4 |
|||||||||
и отношение правдоподобия |
имеют определенную структу |
|||||||||||||||||
ру |
(монотонное отношение правдоподобия, экспоненциальная форма |
|||||||||||||||||
отношения правдоподобия), |
что веоъма |
редко выполняется даже для |
||||||||||||||||
гауосовских параметрических моделей временных рядов. Например, |
||||||||||||||||||
для гипотез |
|
В * | ; |
Н1 > в> &а |
ИМ тест существует, если лога |
||||||||||||||
рифм «ношения правдоподобия |
1(Тк / &,&) для любых |
г»> в |
монотон |
|||||||||||||||
но зависит от некоторой статистики |
?(*# )• |
Этот |
тест |
имеет вид |
||||||||||||||
Ш |
г |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
00