В статистике время пребывания - это среднее время, необходимое случайному процессу для достижения определенного граничного значения, обычно границы, далекой от среднего.
Определение [ править ]
Предположим, что y ( t ) - реальный скалярный случайный процесс с начальным значением y ( t 0 ) = y 0 , средним y avg и двумя критическими значениями { y avg - y min , y avg + y max }, где y min > 0 и y max > 0 . Определить первый раз , проход от у ( т ) внутри интервала (- y min , y max ) как
где inf - это нижняя грань . Это наименьшее время после начального времени t 0, когда y ( t ) равно одному из критических значений, образующих границу интервала, при условии, что y 0 находится в пределах интервала.
Поскольку y ( t ) случайным образом переходит от своего начального значения к границе, τ ( y 0 ) сам по себе является случайной величиной . Среднее значение τ ( y 0 ) - это время пребывания , [1] [2]
Для гауссовского процесса и границы, далекой от среднего, время пребывания равно обратной величине частоты превышения меньшего критического значения, [2]
где частота превышения N равна
( 1 )
σ y 2 - дисперсия гауссова распределения,
и Φ y ( f ) - спектральная плотность мощности гауссова распределения по частоте f .
Обобщение на несколько измерений [ править ]
Предположим, что вместо скалярности y ( t ) имеет размерность p или y ( t ) ∈ ℝ p . Определим область Ψ ⊂ ℝ p , содержащую y avg и имеющую гладкую границу ∂Ψ . В этом случае определите время первого прохождения y ( t ) из области Ψ как
В этом случае эта нижняя грань есть наименьшее время , при котором у ( т ) находится на границе Ф , а не равна одной из двух дискретных значений, предполагая , что у 0 находится в пределах Ф . Среднее значение этого времени - это время пребывания , [3] [4]
Логарифмическое время пребывания [ править ]
Логарифмическое время пребывания - это безразмерное изменение времени пребывания. Он пропорционален натуральному логарифму нормализованного времени пребывания. Принимая во внимание экспоненту в уравнении ( 1 ), логарифмическое время пребывания гауссовского процесса определяется как [5] [6]
Это тесно связано с другим безразмерным дескриптором этой системы, числом стандартных отклонений между границей и средним значением, min ( y min , y max ) / σ y .
В общем, нормировочный коэффициент N 0 может быть трудно или невозможно вычислить, поэтому безразмерные величины могут быть более полезными в приложениях.
См. Также [ править ]
- Кумулятивный частотный анализ
- Теория экстремальных ценностей
- Модель с первым попаданием
- Частота превышения
- Средняя наработка на отказ
Заметки [ править ]
- ^ Meerkov 1987 , стр. 1734-1735.
- ^ a b Ричардсон 2014 , стр. 2027 г.
- ^ Meerkov 1986 , стр. 494.
- ^ Meerkov 1987 , стр. 1734.
- ^ Ричардсон 2014 , стр. 2028 г.
- ^ Meerkov 1986 , стр. 495, альтернативный подход к определению логарифмического времени пребывания и вычислению N 0
Ссылки [ править ]
- Меерков С.М.; Рунольфссон, Т. (1986). Управление прицеливанием . Материалы 25-й конференции по решению и контролю. Афины: IEEE. С. 494–498.CS1 maint: ref=harv (link)
- Меерков С.М.; Рунольфссон, Т. (1987). Контроль прицеливания на выходе . Труды 26-й конференции по решению и контролю. Лос-Анджелес: IEEE. С. 1734–1739.CS1 maint: ref=harv (link)
- Richardson, Johnhenri R .; Аткинс, Элла М .; Kabamba, Pierre T .; Жирар, Анук Р. (2014). «Запас безопасности полетов при случайных порывах ветра». Журнал наведения, управления и динамики . AIAA. 37 (6): 2026–2030. DOI : 10.2514 / 1.G000299 . ЛВП : 2027,42 / 140648 .CS1 maint: ref=harv (link)