Forwarded from دستنامه زلزله (ادمین)
15 جلسه از این دوره برگزار شده و 15 جلسه دیگر باقی مانده است.
به زودی دوره های نیمه دوم شروع خواهد شد.
برای دریافت نیمه اول و ثبت نام در نیمه دوم به ادمین مراجعه نمایید:
https://t.me/dastnaameh
به زودی دوره های نیمه دوم شروع خواهد شد.
برای دریافت نیمه اول و ثبت نام در نیمه دوم به ادمین مراجعه نمایید:
https://t.me/dastnaameh
Telegram
◇dastnameh◇
ادمین دستنامه
Forwarded from تحلیل و طراحی سکوهای شناور 1401
Forwarded from دستنامه زلزله (تابش پور)
❌ ✅ فروش چاپ کاغذی
https://banayedanesh.ir/product/ارتعاشات-تصادفی-و-تحلیل-زمان_فرکانس
https://t.me/tabeshpour
https://banayedanesh.ir/product/ارتعاشات-تصادفی-و-تحلیل-زمان_فرکانس
https://t.me/tabeshpour
👍2
تعریف مانایی و ارگودیک بودن
پاسخ دیپسیک:
در نظریه فرایندهای تصادفی، مانایی (Stationarity) یک ویژگی پایهای درباره ثبات توزیع احتمال در طول زمان است، در حالی که ارگودیک (Ergodic) بودن یک خاصیت قویتر است که امکان استنباط ویژگیهای کلی فرایند را از روی یک نمونه منفرد فراهم میکند. در ادامه، تعریف دقیق هر یک و شرایط ارگودیک شدن یک فرایند مانا را بررسی میکنیم.
📊 تعریف دقیق فرایند مانا (ایستا)
یک فرایند تصادفی زمانی «مانا» نامیده میشود که ویژگیهای آماری آن نسبت به جابجایی در زمان تغییر نکند. این مفهوم به دو صورت اصلی تعریف میشود:
1. مانایی اکید (قوی)
یک فرایند تصادفی{X(t)} مانای اکید است اگر توزیع احتمال توأم هر مجموعهای از نمونههای آن تحت انتقال زمانی تغییر نکند. به بیان ریاضی، برای هر n، هر مجموعه از زمانهای t₁, t₂, ..., tₙ و هر مقدار h، بردارهای تصادفی زیر توزیع احتمال یکسانی داشته باشند:
[X(t₁), X(t₂), ..., X(tₙ)]و [X(t₁+h), X(t₂+h), ..., X(tₙ+h)].
این تعریف بسیار قوی است و نیازمند ثبات کل توزیع توأم است.
2. مانایی ضعیف (در معنای وسیع)
در کاربردهای عملی مانند اقتصادسنجی و پردازش سیگنال،معمولاً از تعریف ضعیفتر (که ملزومات کمتری دارد) استفاده میشود. یک فرایند تصادفی مانای ضعیف است اگر سه شرط زیر را داشته باشد:
· میانگین ثابت: امید ریاضی فرایند (E[X(t)]) مستقل از زمان t و برابر با یک مقدار ثابت باشد.
· واریانس ثابت: واریانس فرایند (Var[X(t)]) متناهی و مستقل از زمان t باشد.
· کوواریانس وابسته به فاصله زمانی: کوواریانس بین دو نقطه Cov(X(t), X(s)) تنها به فاصله زمانی |t-s| بستگی داشته باشد و نه به مکان مطلق t و s.
نکته: هر فرایند مانای اکید، لزوماً مانای ضعیف نیز هست (اگر واریانس متناهی داشته باشد)، اما عکس آن لزوماً برقرار نیست.
🔄 تعریف فرایند ارگودیک
خاصیت ارگودیک بودن یک فرایند تصادفی، قویتر از مانایی است و به ما اجازه میدهد تا میانگین زمانی (Time Average) را با میانگین آماری (Ensemble Average) معاوضه کنیم.
· میانگین آماری: میانگین گرفتن روی همه مسیرهای ممکن فرایند در یک لحظه ثابت از زمان.
· میانگین زمانی: میانگین گرفتن روی یک مسیر منفرد از فرایند در طول یک بازه زمانی طولانی.
یک فرایند را در مورد یک خاصیت آماری (مانند میانگین) ارگودیک مینامیم اگر با افزایش طول بازه مشاهده، میانگین زمانی محاسبهشده از یک نمونه منفرد، به میانگین آماری کل فرایند همگرا شود. این ویژگی، امکان تخمین پارامترهای فرایند (مانند میانگین یا کوواریانس) را تنها با داشتن یک سریزمانی طولانی از مشاهدات فراهم میکند.
✅ شرایط ارگودیک بودن یک فرایند مانا
ارگودیک بودن یک شرط اضافی بر مانایی است. همه فرایندهای مانا، ارگودیک نیستند، اما تقریباً همه فرایندهای ارگودیک مورد مطالعه، مانا هستند.
شرایط لازم برای ارگودیک بودن:
· مانایی: یک شرط لازم برای ارگودیک بودن، مانایی (حداقل به صورت ضعیف) است. یک فرایند غیرمانا نمیتواند ارگودیک باشد، زیرا ویژگیهای آماری آن در طول زمان ثابت نیست تا میانگین زمانی معنا داشته باشد.
شرایط کافی (در عمل و برای مانای ضعیف):
برای یک فرایند مانای ضعیف،دو شرط زیر برای ارگودیک بودن در نظر گرفته میشود:
· ارگودیک در میانگین: برآوردگر میانگین زمانی (μ̂ = (1/T) ∫ X(t) dt) وقتی T به سمت بینهایت برود، در مربع میانگین به میانگین ثابت فرایند (μ) همگرا شود.
· ارگودیک در کوواریانس: برآوردگر کوواریانس زمانی نیز به کوواریانس نظری فرایند همگرا شود.
فرایندی که در هر دو خاصیت میانگین و کوواریانس ارگودیک باشد، ارگودیک در معنای وسیع نامیده میشود.
مفهوم کلیدی: قابلیت استنتاج از یک نمونه
شرایط ارگودیک تضمین میکند کهیک مسیر منفرد از فرایند، در بلندمدت، تمام اطلاعات آماری لازم درباره کل فرایند را در خود دارد. برای مثال، در یک فرایند ارگودیک، میانگین دمای سالانه یک شهر در طول ۱۰۰ سال متوالی (میانگین زمانی) با میانگین دمای ثبتشده در صد شهر مشابه در یک سال خاص (میانگین آماری) برابر خواهد بود.
📝 جمعبندی و مقایسه
· فرایند مانا: توزیع احتمال یا دست کم میانگین و واریانس در طول زمان ثابت است.
· فرایند ارگودیک: علاوه بر مانا بودن، امکان استنباط ویژگیهای کل فرایند از روی یک نمونه منفرد (برابری میانگین زمانی و آماری) را فراهم میکند.
· رابطه: ارگودیک بودن نیازمند مانایی است و معمولاً به عنوان یک خاصیت قویتر بر روی فرایندهای مانا تعریف میشود.
آیا مایل هستید در مورد مثالهای مشخصی از فرایندهای ارگودیک و غیرارگودیک یا روشهای آزمون این ویژگیها در دادههای واقعی بیشتر بدانید؟
پاسخ دیپسیک:
در نظریه فرایندهای تصادفی، مانایی (Stationarity) یک ویژگی پایهای درباره ثبات توزیع احتمال در طول زمان است، در حالی که ارگودیک (Ergodic) بودن یک خاصیت قویتر است که امکان استنباط ویژگیهای کلی فرایند را از روی یک نمونه منفرد فراهم میکند. در ادامه، تعریف دقیق هر یک و شرایط ارگودیک شدن یک فرایند مانا را بررسی میکنیم.
📊 تعریف دقیق فرایند مانا (ایستا)
یک فرایند تصادفی زمانی «مانا» نامیده میشود که ویژگیهای آماری آن نسبت به جابجایی در زمان تغییر نکند. این مفهوم به دو صورت اصلی تعریف میشود:
1. مانایی اکید (قوی)
یک فرایند تصادفی{X(t)} مانای اکید است اگر توزیع احتمال توأم هر مجموعهای از نمونههای آن تحت انتقال زمانی تغییر نکند. به بیان ریاضی، برای هر n، هر مجموعه از زمانهای t₁, t₂, ..., tₙ و هر مقدار h، بردارهای تصادفی زیر توزیع احتمال یکسانی داشته باشند:
[X(t₁), X(t₂), ..., X(tₙ)]و [X(t₁+h), X(t₂+h), ..., X(tₙ+h)].
این تعریف بسیار قوی است و نیازمند ثبات کل توزیع توأم است.
2. مانایی ضعیف (در معنای وسیع)
در کاربردهای عملی مانند اقتصادسنجی و پردازش سیگنال،معمولاً از تعریف ضعیفتر (که ملزومات کمتری دارد) استفاده میشود. یک فرایند تصادفی مانای ضعیف است اگر سه شرط زیر را داشته باشد:
· میانگین ثابت: امید ریاضی فرایند (E[X(t)]) مستقل از زمان t و برابر با یک مقدار ثابت باشد.
· واریانس ثابت: واریانس فرایند (Var[X(t)]) متناهی و مستقل از زمان t باشد.
· کوواریانس وابسته به فاصله زمانی: کوواریانس بین دو نقطه Cov(X(t), X(s)) تنها به فاصله زمانی |t-s| بستگی داشته باشد و نه به مکان مطلق t و s.
نکته: هر فرایند مانای اکید، لزوماً مانای ضعیف نیز هست (اگر واریانس متناهی داشته باشد)، اما عکس آن لزوماً برقرار نیست.
🔄 تعریف فرایند ارگودیک
خاصیت ارگودیک بودن یک فرایند تصادفی، قویتر از مانایی است و به ما اجازه میدهد تا میانگین زمانی (Time Average) را با میانگین آماری (Ensemble Average) معاوضه کنیم.
· میانگین آماری: میانگین گرفتن روی همه مسیرهای ممکن فرایند در یک لحظه ثابت از زمان.
· میانگین زمانی: میانگین گرفتن روی یک مسیر منفرد از فرایند در طول یک بازه زمانی طولانی.
یک فرایند را در مورد یک خاصیت آماری (مانند میانگین) ارگودیک مینامیم اگر با افزایش طول بازه مشاهده، میانگین زمانی محاسبهشده از یک نمونه منفرد، به میانگین آماری کل فرایند همگرا شود. این ویژگی، امکان تخمین پارامترهای فرایند (مانند میانگین یا کوواریانس) را تنها با داشتن یک سریزمانی طولانی از مشاهدات فراهم میکند.
✅ شرایط ارگودیک بودن یک فرایند مانا
ارگودیک بودن یک شرط اضافی بر مانایی است. همه فرایندهای مانا، ارگودیک نیستند، اما تقریباً همه فرایندهای ارگودیک مورد مطالعه، مانا هستند.
شرایط لازم برای ارگودیک بودن:
· مانایی: یک شرط لازم برای ارگودیک بودن، مانایی (حداقل به صورت ضعیف) است. یک فرایند غیرمانا نمیتواند ارگودیک باشد، زیرا ویژگیهای آماری آن در طول زمان ثابت نیست تا میانگین زمانی معنا داشته باشد.
شرایط کافی (در عمل و برای مانای ضعیف):
برای یک فرایند مانای ضعیف،دو شرط زیر برای ارگودیک بودن در نظر گرفته میشود:
· ارگودیک در میانگین: برآوردگر میانگین زمانی (μ̂ = (1/T) ∫ X(t) dt) وقتی T به سمت بینهایت برود، در مربع میانگین به میانگین ثابت فرایند (μ) همگرا شود.
· ارگودیک در کوواریانس: برآوردگر کوواریانس زمانی نیز به کوواریانس نظری فرایند همگرا شود.
فرایندی که در هر دو خاصیت میانگین و کوواریانس ارگودیک باشد، ارگودیک در معنای وسیع نامیده میشود.
مفهوم کلیدی: قابلیت استنتاج از یک نمونه
شرایط ارگودیک تضمین میکند کهیک مسیر منفرد از فرایند، در بلندمدت، تمام اطلاعات آماری لازم درباره کل فرایند را در خود دارد. برای مثال، در یک فرایند ارگودیک، میانگین دمای سالانه یک شهر در طول ۱۰۰ سال متوالی (میانگین زمانی) با میانگین دمای ثبتشده در صد شهر مشابه در یک سال خاص (میانگین آماری) برابر خواهد بود.
📝 جمعبندی و مقایسه
· فرایند مانا: توزیع احتمال یا دست کم میانگین و واریانس در طول زمان ثابت است.
· فرایند ارگودیک: علاوه بر مانا بودن، امکان استنباط ویژگیهای کل فرایند از روی یک نمونه منفرد (برابری میانگین زمانی و آماری) را فراهم میکند.
· رابطه: ارگودیک بودن نیازمند مانایی است و معمولاً به عنوان یک خاصیت قویتر بر روی فرایندهای مانا تعریف میشود.
آیا مایل هستید در مورد مثالهای مشخصی از فرایندهای ارگودیک و غیرارگودیک یا روشهای آزمون این ویژگیها در دادههای واقعی بیشتر بدانید؟
❤8👍6
چگالی طیفی توان (PSD) چیست؟
چه شباهتها و تفاوتهایی با دامنه در تبدیل فوریه دارد؟
چه شباهتها و تفاوتهایی با دامنه در تبدیل فوریه دارد؟