Главная
>
Дифференцирование и интегрирование по аргументу неравенством Буняковского-Шварца*). Пусть даны две случайные величины X и К, независимые или зависимые. Кроме того, дано вещественное положительное или отрицательное число L Тогда справедливо очевидное неравенство (TZ+l0>0, откуда Это должно иметь место при любом X, следовательно, квадратное уравнение Xl?-\-2XY\-\-Y = 0 не должно иметь различных вещественных корней. Поэтому <2-F2. (72) Это и есть неравенство Буняковского - Шварца для рассматриваемого случая. Применим его к двум случайным величинам x{t) и x(t-i), которые являются значениями случайной функции x{t) в моменты t к t Имеем \х (t)xit - ) р < t) -xt - -с). Рис. 9:15. функцию применительно к явлению Взяв квадратный корень, получаем требуемое неравенство (71): р()<Р(0). Согласно соотнощению(71), модуль корреляционной функции достигает наибольщего значения при z - O. Если рассматривать корреляционную интерференции, то неравенство (71) означает, что наибольшая интенсивность, если речь идет о системе интерференции с блестящей средней полосой (или наименьшая интенсивность, если речь идет о системе с темной средней полосой), всегда бывает в средней полосе. В частности, таких полос, какие изображены на рис. 9.15, наблюдать нельзя. 9.2.11. Непрерывность. Дифференцируемость. Выясним, при каких условиях функция x(t) будет непрерывна по в среднем квадратическом. Непрерывность в среднем квадратическом существует, если л:(--ДО сходится к x(t) в среднем квадратическом при At, стремящемся к нулю, иными словами, если справедливо равенство (73) lim {x{t+ At) - x{t)\==:Q. Необходимым и достаточным условием непрерывности случайной функции х {t) в среднем квадратическом, является непрерывность корреляционной функции Е начале координат. В дальнейшем будем предполагать, что это условие выполняется. При этом можно показать, что корреляционная функция будет равномерно непрерывна при -оо<т<--оо. Совершенно очевидно, что локальные свойства x(t) связаны с поведением p(i) при малых значениях z. Мы только что видели, что непрерывность x(t) в среднем квадратическом зависит от непрерывности р(х) в начале координат. Исходя из этого, можно теперь сформулировать следующую ) Неравенство Буняковского - Шварца имеет вид 6 12 6 6 jf{x)g{x)dx <jf4x)dx.jg2(x)dx. ,- x{t-\-Lf) - x{t) л:<2>() = 11тс. к. х ) {t + t) - x> (О At (74) , . ,. x< -У{t-{-At)~x< -){t) л:< >()== hm С. к. -J-!--- Прежде чем идти дальше, необходимо указать на одно свойство сходимости в среднем квадратическом. Если две случайные величины X (а) к Y (а), зависящие от параметра а, сходятся в среднем квадратическом соответственно к Xq и Kq при а, стремящемся к ttfl, то X (а) К (а) стремится к XqYq ) Если в частном случае X не изменяется вместе с а, то nmXY{a) = XYQ. Применим этот результат к случайным величинам Имеем iL(+Jbz.x( ,) tp(, Д0 р(,)]. (75) Имеем ) Действительно, положим x(a) = X(a) -Хо; У(а) = К(а) -Ко. lim х2 (а) = 0; lim у (а) = 0. С другой стороны. X (а) Y (а) = \Хо + Х (а)] [Кр -f у (а)] = ЛГоКр + X (а) У + У (а) Х + X {а) у (а). Из неравенства [Иварца следует, что U WToT< У)У1: >()оК V7V)l: \х{а)у(а)\ VT)), откуда Jim Х(о.) К (а) = ХоГо- 5 a-XZj теорему: Для того чтобы стационарная случайная функция второго порядка х {€) имела -Ю производную в среднем квадратическом, необходимо и достаточно, чтобы при т = О существовали все производные корреляционной функции р (т) до 2 -го порядка включительно. Если обратиться к рис. 9.14, то ясно, что корреляционная функция, изображенная сплошной линией, соответствует случайной функции, не имеющей производной в среднем квадратическом. Действительно, производная р(0) не определена. Напротив, корреляционная функция, которая вблизи точки т = 0 идет по пунктирной кривой, соответствует случайной функции, имеющей производную в среднем квадратическом. Предположим, например, что dp if о , производные , .....существуют при т = О (тогда можно показать, что они существуют при любом т). Из этого следует, что случайные dx dx dx производные , , существуют. Для простоты записи обозначим их через х-> (t), x-t), .... Напоминаем, что они определяются соотношениями Устремим Дг к нулю: х (t - т) не изменяется, а величина -----~ стремится в среднем квадратическом к л:* (t). Следовательно, левая часть равенства (75) стремится к i> (t) х (t - т); взяв предел правой части, получаем x4t)x(t-z)=. (76) Таким же образом можно найти x(t) х(1>( -т) = - (77) Мы свели в табл. I выражения типа (77). Они выражают то, что можно назвать смешанными корреляционными связями между х (t) и ее производными. В верхней строке и в левом столбце этой таблицы помещены величины, служащие сомножителями: X (t). х<1> (0. х(2) (t), .... Х( -Т), Xt - Z). х(2)( -Т), ... Из табл. I можно определить значения математического ожидания произведения двух величин, помещенных в заголовках соответствующих строки и Таблица I
столбца. Если приравнять z==0. то, принимая во внимание, что производные нечетного порядка равны нулю при т = 0. получим результаты, приведенные в табл. II. Полезно напомнить, что значения, принимаемые в определенный момент случайной функцией и ее производной в среднем квадратическом, не коррелируют: J(t)x(t) = 0. (78) Мы приводим здесь снова замечание, которое было уже сделано, когда речь шла о различных видах сходимости последовательностей случайных величин. Производные, которые мы сейчас рассматривали. - это производные
|