4.3. Случайные поля с нормальными распределениями вероятности (гауссовские поля)
Для случайных полей, так же как и для случайных величин, полное задание распределения вероятности предполагает, вообще говоря, задание всех моментов всевозможных порядков. Исключение в этом отношении могут представлять лишь случаи, когда имеются какие-то дополнительные сведения о распределениях вероятности, позволяющие по некоторым заданным моментам определить также и все остальные. Сейчас мы рассмотрим один частный, но очень важный случай такого рода, в котором, как оказывается, можно ограничиться заданием лишь моментов первого и второго порядков. А именно, мы рассмотрим случай, когда заранее известно, что рассматриваемое поле — гауссовское, т. е. что все распределения вероятности его значений являются многомерными нормальными распределениями (распределениями Гаусса).
Напомним, что
-мерное распределение вероятности называется нормальным (или распределением Гаусса), если соответствующая плотность вероятности имеет вид
Здесь
произвольные вещественные постоянные;
вещественные постоянные такие, что
положительно определенная матрица
что
при любых вещественных
не все из которых равны нулю), а С - постоянная, определяемая из условия нормировки
(нетрудно проверить, что
где
Постоянные
в формуле (4.23) просто
связаны с первыми и вторыми моментами рассматриваемого распределения. В самом деле, подставив выражение (4.23) в общие формулы (4.1) и (4.2), легко убедиться, что
где, как и выше,
а — алгебраическое дополнение элемента в детерминанте
(так что матрицы
оказываются взаимно обратными). Из (4.25) получается также и выражение для обычных (не центральных) вторых моментов распределения (4.23):
Мы видим, что в случае нормального распределения вероятности первые и вторые моменты полностью определяют плотность вероятности; поэтому они определяют все вообще статистические характеристики соответствующих случайных величин и, в частности, все моменты высших порядков. Так как обычные (не центральные) моменты любого порядка просто выражаются через центральные моменты и средние значения, то достаточно рассмотреть здесь лишь вопрос о вычислении центральных моментов высших порядков. Нетрудно видеть, что все центральные моменты нечетных порядков нормального, распределения равны нулю; что же касается центральных моментов четных порядков, то они могут быть подсчитаны с помощью общего правила, выведенного Иссерлисом (1918). Согласно этому правилу, если
— произвольные
случайных величин (некоторые из которых могут и совпадать друг с другом), имеющих нормальное совместное распределение вероятности и нулевые средние значения, то
где сумма справа распространена на всевозможные разбиения
индексов
на К пар
(нетрудно подсчитать, что число слагаемых в правой части (4.27) равно
Отсюда следует, что при
где множители
имеют тот же смысл, что и
а сумма справа распространена на все
разбиений
индексов
которых 1 повторяется
раз,
повторяется
раз) на К пар
В частности,
что же касается до центральных моментов шестого порядка, то они уже будут складываться из 15 слагаемых и т. д. О методе доказательства этого общего правила см. ниже стр. 193.
Из сравнения формул (4.6) и (4.29) следует, что в случае нормального распределения
Можно показать, что этот результат имеет весьма общий характер: все семиинварианты порядка
любого многомерного распределения Гаусса тождественно равны нулю (см. стр. 193).
Отметим, что нормальность распределения вероятности значений случайного вектора
является свойством, не зависящим от специального выбора системы координат; это непосредственно вытекает из того, что любые линейные комбинации нормально распределенных случайных величин также имеют нормальное распределение вероятности.
Перейдем теперь к гауссовским случайным полям
или
распределения вероятности любого конечного числа значений которых являются нормальными распределениями. Согласно сказанному выше, полное статистическое описание таких полей сводится к заданию их средних значений и корреляционных функций. Все остальные моменты после этого можно определить, воспользовавшись формулой (4.28) и тем фактом, что центральные моменты нечетного порядка должны быть тождественно равны нулю. Существенно отметить, что для любого (одномерного или многомерного) случайного поля с конечными моментами первых двух порядков всегда можно подобрать гауссовское поле, имеющее то же среднее значение и ту же корреляционную функцию (или корреляционные функции). В самом деле, например,
одномерного поля
из условия (4.15), примененного к корреляционной функции пульсаций поля
вытекает, что для любого набора точек
можно задать
-мерное нормальное распределение с плотностью
имеющее средние значения
и вторые моменты
Соответствующие распределения вероятности для всевозможных наборов точек, очевидно, будут
удовлетворять условиям симметрии (3.10) и согласованности (3.11), т. е. будут задавать некоторое случайное поле, имеющее, те же моменты первых двух порядков, что и исходное случайное поле
Аналогично будет обстоять дело и в случае многомерного случайного поля и
с той разницей, что здесь вместо условия (4.15) надо воспользоваться условием (4.19). Поэтому при приближенном изучении случайных полей, использующем лишь данные о моментах первых двух порядков, всегда можно предполагать, что изучаемые поля имеют нормальные распределения вероятности. В дальнейшем мы увидим, что случайные поля гидродинамических характеристик турбулентного потока часто оказываются и на самом деле во многих отношениях близкими к гауссовским полям; этим обстоятельством мы еще неоднократно будем пользоваться.
При изучении нормальных распределений вероятности очень удобно использовать характеристические функции. Нетрудно показать, что в случае плотности вероятности (4.23)
где постоянные
те же, что и в равенстве (4.25) (при выводе этой формулы удобно воспользоваться приведением квадратичной формы в показателе степени формулы (4.23) к главным осям). Таким образом, характеристическая функция нормального распределения вероятности имеет вид экспоненциальной функции от многочлена второго порядка относительно переменных
с равным нулю свободным членом. Обратное утверждение также верно — такой характеристической функции всегда отвечает плотность вероятности вида (4.23).
Из формулы (4.30) вытекает, что семиинварианты первого и второго порядков распределения Гаусса равны постоянным
соответственно, а семиинварианты всех порядков выше второго тождественно равны нулю. Нетрудно получить из этой формулы также и общее правило (4.28) вычисления произвольных центральных моментов четного порядка: для этого надо воспользоваться общей формулой (4.9), в которую вместо
следует подставить функцию
разложив ее предварительно в степенной ряд по переменным
Метод характеристических функций позволяет просто доказать, что любые линейные комбинации случайных величин, имеющих нормальное распределение вероятности, также будут иметь нормальное распределение. В самом деле, если
, то характеристическая функция величин
очевидно, будет равна
где
характеристическая функция величин
Поэтому если
задается формулой (4.30), то и
будет экспоненциальной функцией от многочлена второй степени относительно переменных
Отсюда, в частности, следует, что для задания распределения вероятности величин
надо только определить их моменты первых двух порядков, которые без труда находятся по моментам первых двух порядков величин
Последнее замечание позволяет выписать в явном виде характеристический функционал произвольной гауссовской случайной функции. Рассмотрим сначала влучайиую функцию
одного переменного х, определенную на интервале а
Согласно (3.21) характеристический функционал этой функции совпадает со значением характеристической функции случайной величины и
при аргументе этой функции, равном единице. Но если распределения вероятности всех значений функции
являются нормальными распределениями, то и все интегральные суммы интеграла
являющиеся линейными комбинациями случайных величин
имеют нормальное распределение вероятности. Поэтому интеграл
также нвляется случайной величиной с нормальным законом распределения. Следовательно, для нахождения явной формулы для величины
надо лишь иайти первые два
момента случайной величины
Эти два момента, очевидно, определяются формулами
Отсюда вытекает, что
где
- корреляционная функция пульсаций случайной функции
Подставляя теперь моменты (4.32) и (4.34) случайной величины
в формулу (4.30) с
получаем
Это и есть общее выражение для характеристического функционала гауссовской случайной функции, указанное еще в первой заметке Колмогорова (1935), посвященной характеристическим функционалам. Аналогично этому характеристический функционал
гауссовского случайного полй
равен
или соответственно
естественно, что во всех случаях
однозначно определяется соответствующими средними значениями и корреляционными функциями.