Proceso de Gauss-Markov
Los procesos estocásticos de Gauss-Markov (llamados así por Carl Friedrich Gauss y Andrey Markov) son procesos estocásticos que satisfacen los requisitos tanto de los procesos gaussianos como de los procesos de Markov. Un proceso estacionario de Gauss-Markov es único hasta el cambio de escala; dicho proceso también se conoce como proceso de Ornstein-Uhlenbeck.
Los procesos de Gauss-Markov obedecen a las ecuaciones de Langevin.
Propiedades básicas
Todo proceso de Gauss-Markov X(t) posee las siguientes tres propiedades:
- Si h()t) es una función de escalar no cero t, entonces Z()t) h()t)X()t) es también un proceso Gauss–Markov
- Si f()t) es una función de escalar que no disminuye t, entonces Z()t) X()f()t) es también un proceso Gauss – Markov
- Si el proceso es continuo no degenerado y medio cuadrado, entonces existe una función de escalar no cero h()t) y una función de escalar estrictamente creciente f()t. X()t) h()t)W()f()t), donde W()t) es el proceso estándar de Wiener.
La propiedad (3) significa que todos los procesos de Gauss-Markov continuos cuadráticos medios no degenerados se pueden sintetizar a partir del proceso estándar de Wiener (SWP).
Otras propiedades
Proceso de Gauss – Markov con varianza E()X2()t))=σ σ 2{displaystyle {textbf}(X^{2}(t)=sigma ^{2}} y tiempo constante β β − − 1{displaystyle beta ^{-1} tiene las siguientes propiedades.
- Autocorrelación exponencial: Rx()τ τ )=σ σ 2e− − β β Silencioτ τ Silencio.{displaystyle {textbf {R}_{x}(tau)=sigma ^{2}e^{-beta Silenciotau ¦}
- Una función de densidad espectral de potencia (PSD) que tiene la misma forma que la distribución Cauchy: (Nota que la distribución Cauchy y este espectro difieren por factores de escala.)Sx()j⋅ ⋅ )=2σ σ 2β β ⋅ ⋅ 2+β β 2.{displaystyle {textbf {S}_{x}(jomega)={frac {2sigma ^{2}beta } {omega ^{2}+beta ^{2}}}
- Lo anterior produce la siguiente factorización espectral:que es importante en el filtrado de Wiener y otras áreas.Sx()s)=2σ σ 2β β − − s2+β β 2=2β β σ σ ()s+β β )⋅ ⋅ 2β β σ σ ()− − s+β β ).{displaystyle {textbf {}_{x}(s)={frac {2sigma ^{2}beta }{-s^{2}+beta ¿Qué? {fnMicrosoft Sans Serif} },sigma } {(-s+beta)}}
También hay algunas excepciones triviales a todo lo anterior.
Contenido relacionado
9
William Hyde Wollaston
T-simetría