Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
5.4. Формальная характеризация моделейВ этом разделе мы повторим рассуждения, проведенные в разделе 4.5, но для общего случая нелинейных моделей с возможной нестационарностью. Предполагается, что выходной сигнал системы является Модели. Моделью
Модель, которая определяет только функцию предсказания, называется моделью предсказания. Если (5.28) дополнить условной (при заданном
то модель называют полной вероятностной моделью. При моделировании обычным является предположение о взаимной независимости ошибок предсказания. Тогда
Иногда может оказаться предпочтительным не определять полную модель в виде плотности вероятности, а ограничиться только вторым моментом (матрицей ковариации):
Модель (5.28) вместе с (5.31) называется частичной вероятностной моделью. Далее модели можно классифицировать, используя следующие их свойства. 1. Линейность. Модель
2. Стационарность. Модель 3. k-шаговость. Модель 4. Имитационность. Модель По аналогии с линейным случаем можно было бы определить устойчивость предсказателя и равенство между собой разных моделей (см. (4.113)). Однако мы здесь от подобного исследования воздержимся. Множества моделей и модельные структуры. Множества моделей
Будем говорить, что модельная структура
Другая точка зрения на модели. Толкование моделей как предсказателей отражает прагматический подход к интерпретации понятия модели. Можно занять и более абстрактную позицию. В качестве пользователей мы взаимодействуем с системой только через последовательности входо-выходных данных
Нередко эксперименты с системой не могут быть воспроизведены стопроцентно точно. Для данной входной последовательности величины
То есть
Иногда удобно считать входной сигнал
Обычно модели типа (5.36) или (5.38) достаточно громоздки как в работе, так и в построении, и более предпочтительными оказываются другие более косвенные приемы формирования Гипотетическая плотность вероятности При заданной
и распределения вероятностей Лемма 5.1. Пусть
где условная плотность
Удобства ради здесь значение Доказательство. Выходной сигнал
Используя формулу Байеса (1.10), можно представить совместную условную плотность вероятности
где Из приведенных рассуждений следует важный вывод о том, что модель предсказателя (5.28), дополненная гипотетической плотностью распределения вероятностей соответствующих ошибок предсказания, является ни чем иным, как общей неструктурированной вероятностной моделью, задаваемой плотностью вероятности (5.36). Замечание. Отметим некоторое расхождение с общей моделью условной плотности вероятности. Общая модель (5.36) в общем случае может приводить к такой условной плотности вероятности, которая на самом деле зависит от
В прогностической формулировке (5.40) мы предполагаем, что условная плотность
|
1 |
Оглавление
|