книги / Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч. 1 Введение в теорию оценивания
.pdfНезависимые случайные величины являются некоррелирован ными, поскольку
^ XjjCj |
)(^у |
%j )}~ J J (^7 “ Xj )(Xj — Xj )Ух(,ху (%î ? Xj )d x t d x j — |
|
= j(xi - |
xi )fx, (Xi )dxi j(Xj - Xj )fxj (*/ )dxj = 0 |
Обратное утверждение в общем случае несправедливо. Приведенные выше понятия, конкретизированные для двух
мерного вектора x = (xj,x2)T, представлены в табл. 1 .2 .1 .
Т а б л и ц а 1.2.1
Основные определения и соотношения для двухмерного случайного вектора
Соотношение Функция распределения вероятностей
Связь ф.п.р.в. и ф.р.в.
Условие нормировки
Симметричность
ф.п.р.в.
Условия
согласованности
Независимость
Некоррелированность
Вероятность попадания случайного вектора в область О.
Математическое
ожидание
Коэффициенты
корреляции
Дисперсии компонент
Матрица ковариаций
Определение
^х(х) =Рг(х, <х„х2 <х2);
д2 m ч |
Т1*2 |
|
ЛО)= дх дх |
»Fx(х)= J J /x{u)du2dux |
|
^ 2 |
|
-00-00 |
СО00 |
|
|
J |
J/s(jc)<faidx2 = l |
|
-ОО—00 |
|
|
/ X(x1,x2)=/ X(x2,xi) |
/х, (x \) = \ f x ( x \>xl ) dx2 f x t C^2) = JУх C*1 ’x2)dxl
fx (*1 ,*2)=/*, (x \ )fx j (X2)
M x(XL - Xj )(X2 - X2 )= 0
Pr(x еП) = J f x(x)dxxdx2
Si
Xi =| j* , / x Oi, X2 )dxxdx2 =jX ifx. (X / ]dXi,
|
= Jj(x\ |
/=1,2 |
P\2 = P n |
-Âi)(x2 - x 2)fx(x[,x2)dxldx2 |
|
CJ? =fJ(xt - X i ) 2 f x. {Xi )dX(, /=1,2 |
||
p J Pu |
P'2 ] , |
Рц = o j , i = \,2,P = PT> 0 |
f l 1 ^22J |
|
Как и в скалярном случае, располагая случайным вектором х с известной ф.п.р.в. / Х(х), можно с помощью некоторой в общем случае нелинейной функции g(«) сформировать новый с.в. у = g ( x ) . Математическое ожидание и матрица ковариаций для нового вектора у = °-(х) могут быть найдены с помощью следую щих соотношений:
* М Л (* )* ; |
п.2.9) |
Му Ь' - т - v)T|= I teW - ÿ)(ï(.v) - уУ Л д а ■ (1-2.10)
Из этих соотношений следует, что и здесь для нахождения мо ментов преобразованного случайного вектора необходимо знать ф.п.р.в. / х(х) для исходного вектора и вычислять соответствую щие интегралы. Задача упрощается, если функция, с помощью ко торой осуществляется преобразование, является линейной. В этой ситуации достаточно знать только соответствующие моменты для исходного вектора.
♦ П р и м е р 1.2.1. Пусть для двух случайных величин Xj и х2 за-
— — |
9 |
? |
и коэффици |
даны математические ожидания .Vj, х2 |
, дисперсии erf, а 2 |
ент корреляции К Требуется найти математическое ожидание и диспер сию случайной величины, формируемой как у = аХ] + (Зх2 , где а и р - известные коэффициенты.
С использованием (1.2.9), (1.2.10) можем записать:
Му {у}= М х{ou') + Рх2}= аМд.'[ + рЛ/л'2 = axj + рЗс2 ;
о].= Му^ У - ÿ ) 2 }= А /х |( а ( х ) - T i ) + P(.v2 -х2))2} = c t2o f + р 2а 2 + 2 £ с ф .
♦
Полученные в примере соотношения легко обобщить и на век торный случай (см. задачи 1 .2 .1 , 1 .2 .2 ).
1.2.3. Гауссовские случайные векторы и их характеристики
Гауссовскнм случайным вектором называется такой, для ко торого ф.п.р.в. определяется в виде
Л (*)= N(x> р ) = ----- |
7ГГ------ |
Î7Т ехр{~ °-5(х ~хУР~{(л--х)).(1 -2 .1 1 ) |
(2 я) |
(det Р) |
В этом выражении х и Р представляют собой математическое ожидание и матрицу ковариаций, которые, как и в одномерном случае, полностью определяют гауссовскую ф.п.р.в.
Из условия согласованности следует, что для отдельных ком понент вектора ф.п.р.в. будут определяться как
f\: (Х;) = N (х,-;х(, Рп) -
(2к)'п р У 2
Аналогично можно записать гауссовскую плотность для произ вольного набора компонент. Для этого необходимо из вектора ма тематических ожиданий выбрать необходимые компоненты, а из полной матрицы ковариаций сформировать соответствующую им матрицу ковариаций.
Векторы называются совместно гауссовскими, если их совме стная плотность распределения гауссовская. Заметим, что возмож ны ситуации, при которых каждый вектор или с.в. по отдельности гауссовские, а их совместная плотность таковой не является [85].
Если совместно гауссовские векторы х и у не коррелированы
Mx,y{ (x -x )(y -ÿ )T} = 0,
то они и независимы между собой, т.е.
/ï,y fe j') = / yW /x W -
В частности, в этом легко убедиться на примере, когда х и у -
скаляры, поскольку
X |
«ч1 |
|
Г |
1 |
1 |
|
|
|
f Xty(x,y) = N |
> |
Ï |
h |
J |
р п 1— о
о Т |
1 |
J |
(y -ÿ)2 |
р |
1/2 п 1/2 |
1 щ |
2р22 |
р22_ , (2л) ■*11 |
•‘22 |
|
( х - х ) 2 |
|
1 |
ехр]- |
i y - v Ÿ |
|
exPi“ |
|
1/2 О 1/2 |
||
(2п ) т Р и ш |
2Ри |
2п) |
|
2Р„ |
|
Г12 |
|
Как отмечалось ранее, в общем случае такое утверждение не справедливо.
Проанализируем вид двухмерной гауссовской ф.п.р.в. Предположим для начала, что математическое ожидание двух
мерного вектора равно нулю, а матрица ковариаций диагональная, т.е.
9 |
0 |
Р = <*г |
|
0 |
а 2_ |
43
В этом случае ф.п.р.в. может быть записана как
|
|
|
1 |
2 |
2 Y |
|
|
ЛЧл';0 ,Р) = |
1 |
ехр |
*1 |
*2 |
1 |
(1.2.12) |
|
|
2ко\02 |
|
2 |
2 + |
2 |
Г |
|
|
|
La l |
°2 JJ |
|
Полученные с использованием Matlab (как описано в приложе нии) графики этой функции и соответствующие им изолинии для одинаковых дисперсий по каждой из компонент при oj = <12 = 1
представлены на рис. 1 .2 .1 .
Рис. 1.2.1. Вид ф.п.р.в. и соответствующие ей изолинии для центрированного гауссовского вектора с единичной матрицей ковариаций
Как и в одномерном случае, при уменьшении дисперсий об ласть значений, в которой ф.п.р.в. существенно отличается от ну ля, значительно уменьшается. Здесь также можно показать, что
|
1 |
' |
/ 2 |
2 М |
|
|
lim |
exp |
f L |
+ f l |
= 5 (*1 ) 5 ( X 2 ) • |
||
jO’2 |
||||||
>0 |
|
2 |
2 |
|
||
|
|
|
Va i |
*2 J |
|
|
При разных значениях aj |
и o2 изолинии, соответствующие |
плотности (1.2.12) и показателю ее экспоненты, представляют со бой эллипсы
(1.2.13)
называемые эллипсами равных вероятностей.
На рис. 1.2.2 эллипсы (1.2.13) изображены для случая oi = 1,3 и
а2 =0,5.
Предположим теперь, что матрица ковариаций недиагональная, т.е.
Р = <*1 |
(1.2.14) |
Вводя нормированный коэффициент корреляции в виде
Г = |
7» |
(1.2.15) |
|
|
а , а 2 |
нетрудно убедиться в том, что
1 |
а 1 а 2 |
( 1.2. 16) |
Р~х = |
||
(1 - г 2) |
o l |
|
а , а 2 |
|
Таким образом, ф.п.р.в. для двухмерного гауссовского вектора может быть записана как
|
1 |
|
1 |
2 |
2 гл']А*2 |
2 ^ |
|
N(x;0,P) =- |
rexpi — |
JC] |
, -^2 |
|
|||
|
- г ) |
T |
о , о 2 |
=‘+—2.(1.2.17) |
|||
|
|
2(1 |
O l |
о 2 |
/J |
||
|
|
|
|
|
|
|
|
Уравнение |
|
|
|
|
|
|
|
|
|
С7] |
а ] а 2 |
су2 |
|
|
|
как и уравнение (1.2.13), при разных значениях с задает эллипсы. Но при этом их оси развернуты относительно вертикальной оси на некоторый угол. В качестве примера на рис. 1.2.3 изображены изо линии при /- = 0,75.
Рис. 1.2.3. Изолинии ф.п.р.в. для центрированного гауссовского вектора
при CTj =ст2 =1
Обращаем внимание, что здесь, как и в случае, изображенном на рис. 1.2.1, СКО, соответствующие компонентам х{ и х2, между собой совпадают (с^ =ст2 =1), но, поскольку коэффициент корре
ляции отличен от нуля, изолинии представляют собой эллипсы, а не окружности.
1.2.4. Среднеквадратический эллипс ошибок, круговая вероятная ошибка
Проанализируем более подробно характеристики, используе мые для описания свойств двухмерных гауссовских векторов. Двухмерный случай весьма важен в задачах обработки статистиче ской информации. Так, при решении навигационных задач на плоскости нередко полагают, что координаты объекта представ ляют собой гауссовский случайный вектор с математическим ожи данием в точке его предполагаемого местонахождения. Для описа ния неопределенности расположения точки на плоскости исполь зуют введенные выше эллипсы равных вероятностей, в частности эллипс, соответствующий уравнению (1.2.18) при с = 1. Поскольку этот эллипс пересекает оси в точках, совпадающих со значениями
соответствующих СКО, т.е. при х2 = 0,.Vj , а при _v( = О,
,х2 =о2, он получил наименование среднеквадратического эл
липса ошибок, или стандартного эллипса [23]. В навигационных приложениях для его описания используют параметры эллипса: большую а и малую b полуоси и дирскционный угол т , за дающий ориентацию большой полуоси относительно оси х2 Эти три параметра, как отмечается далее в подразделе 1.3.5, полностью определяют матрицу ковариаций двухмерной гауссовской плотно
сти. |
На рис. 1.2.4 изображен частный случай, когда о 2 =Ь, |
<7 |
а , т = 90°, и таким образом |
|
(1.2.19) |
|
0 |
т.е. размеры полуосей эллипса определяют значения СКО по каж дой координате.
Рис. 1.2.4. Эллипс ошибок для двухмерного гауссовского вектора с независимыми компонентами
При оценивании точности местоположения подвижных объек тов весьма важным представляется умение охарактеризовать не определенность местоположения одним числом. Для этих целей обычно используют значения, вероятности попадания точки на плоскости в ту или иную заданную область Q . Для двухмерного центрированного гауссовского вектора с ф.п.р.в. (1.2.17) эта веро ятность определяется как
|
1 |
■Яexps |
_1___ |
|
Рг(х 6 Q) = ■ |
я 0 |а 2■ Л -г3 |
2(1 - г 2) g(xJ,х2) UA-!dx2 X1 -2.20) |
||
2 |
|
п |
|
|
где g(X], а'2) - эллипс равных вероятностей (1.2.18). |
||||
Если в |
качестве Q |
выступает область, ограниченная |
g(A',, х2) ,то, переходя к полярным координатам, можно показать,
что [44, с. 68] |
|
Pr(x:g(x,,A -2)< c ) = 1 -е х р ^ -- |
(1.2.21) |
|
2(1 ~ f Z)\ |
Для случая независимых с.в. при CTJ = а 2 = ст эллипс превраща ется в окружность радиусом R =c<s и, таким образом, из (1.2.21) получаем, что вероятность нахождения случайного вектора в круге с таким радиусом определяется введенным в разделе 1.1.1 распре делением Рэлея
Pr
R>0. ( 1.2.22)
Величина R , соответствующая 50-процентному попаданию га уссовского случайного вектора в круг заданного радиуса, т.е. когда вероятность попадания равна 0,5, называется круговой вероятной ошибкой (КВО), а круг, соответственно, кругом равных вероят ностей. В англоязычной литературе для круговой вероятной ошибки используется термин circular error probable (СЕР). В случае когда эллипс представляет собой окружность, т.е. при неза висимых с.в. и равных CKO CTI = Ст2 = а , 50-процентное попадание
в круг (Рг=0,5) достигается при его радиусе, равном 1,177 ст. Для R =3,4о Рг=0,997. В случае если это не так, радиус круга, при ко
тором достигается вероятность попадания в него, равная 0,5, сле дует отыскивать с помощью соотношения (1.2.20).
Иногда используют понятие радиальной средиеквадратиче-
ской ошибки (Distance Root Mean Square (DRMS) |
|
DRMS = yj |
(1.2.24) |
В зависимости от значений матрицы ковариаций или парамет ров эллипса этой величине соответствует 65-68% попадания в круг такого радиуса. Нередко используют удвоенную радиальную среднеквадратическую ошибку (2DRMS). Ей соответствует веро ятность попадания в круг радиуса, равного удвоенной радиальной ошибке. Точное значение вероятности зависит от конкретных со отношений дисперсий и коэффициента корреляции, а примерная ее величина определяется как Рг=0,95.
Понятия, аналогичные приведенным выше, используются и для трехмерного гауссовского вектора. При этом вводится величина сферической вероятной ошибки (СВО) и сферы равных веро ятностей (spherical error probable (SEP) и sphere of equal probability (SEP)). Трехмерное гауссовское распределение широ ко используется при описании ошибок местоположения подвиж ных объектов в пространстве, в частности для летательных аппа ратов.
В заключение отметим, что определять вероятность нахожде ния двухмерного гауссовского случайного вектора в круге радиу сом R = со для случая независимых компонент при а, = а 2 = а удобно с использованием /«-функции Matlab disttool. Для этого достаточно вызвать disttool, в меню появившегося окна задать ре жим, соответствующий ф.п.р. (cdf), и выбрать английское название закона Рэлея (Rayleigh). Затем набрать значение b (соответствую щее а ), равное единице, а для значения аргумента набрать вели чину, равную с Слева будет получено искомое значение вероят ности.
Задачи к разделу
Задача 1.2.1. Убедитесь в том, что функция взятия математи ческого ожидания является линейной, т.е. для нее справедливо
свойство суперпозиции. |
|
|
|
|
|
|||
Напомним, что линейной функцией г = Ч'(х) |
называется та |
|||||||
кая, |
для |
которой |
выполняется |
свойство |
суперпозиции, |
т.е. |
||
z = 4?(ал'| + Рл*2 ) = ctxî/(xj ) + Р'Р(л‘ 2 |
), где а и |
р - |
известные |
ко |
||||
эффициенты, a х\ , |
х2 - различные значения аргументов. |
|
||||||
Р е ш е н ы е. |
Пусть в общем случае векторный аргумент для |
|||||||
математического ожидания определен как |
у = ах! + Р х2 , где |
а и |
||||||
Р известные коэффициенты, a х, |
и х2 - |
случайные векторы, для |
||||||
которых задана совместная ф.п.р.в. f ( x \,х2) ■Можно записать |
|
|||||||
|
|
М у {у}=Мх{а*! + рх2} = a j J x1/ ( x I,х2)dxxdx2 + |
|
|||||
|
|
+ P JJ *2Я *1»х2 )dxxdx2 . |
|
|
|
|
||
С |
учетом свойства согласованности для |
совместной ф.п.р.в. |
||||||
/ ( хJ, х2) |
убеждаемся в том, что свойство суперпозиции выполня |
|||||||
ется, т.е. |
|
|
|
|
|
|
|
|
|
|
М у {у} = М{ах1+ P*2 } = а М {xj}+ PМ {х2}. |
|