Корреляционная функция действительного случайного процесса
Корреляцио́нная фу́нкция действи́тельного случа́йного проце́сса , функция аргументов , , определяемая равенством
Здесь функция – математическое ожидание случайного процесса . Для того чтобы корреляционная функция была определена, следует предположить, что процесс при всех имеет конечный второй момент . Параметр пробегает здесь некоторое подмножество действительной прямой и обычно интерпретируется как «время», однако совершенно аналогично определяется корреляционная функция случайной функции, заданной на множестве произвольной природы, в частности корреляционная функция случайного поля, когда – подмножество конечномерного пространства.
Если – многомерный случайный процесс (многомерная случайная функция), то его корреляционной функцией называется матричнозначная функция
где
– взаимная корреляционная функция процессов , .
Корреляционная функция является важной характеристикой случайного процесса. Если – гауссовский процесс, то его среднее значение и корреляционная функция (первый и второй моменты) однозначно определяют конечномерные распределения, а значит и процесс в целом. В общем случае первых двух моментов заведомо недостаточно для полного описания случайного процесса. Например, одинаковую корреляционную функцию имеют гауссовский марковский стационарный процесс, траектории которого непрерывны, и телеграфный сигнал – точечный марковский стационарный процесс, принимающий два значения . Однако корреляционная функция определяет ряд важных свойств процесса: свойства второго порядка (т. е. выражающиеся в терминах вторых моментов). В силу этого, а также благодаря своей относительной простоте, корреляционные методы широко используются как в теории случайных процессов, так и в её статистических приложениях (коррелограмма).
Скорость и характер убывания корреляций при дают представление об эргодических свойствах процесса. Условия на скорость убывания корреляций в той или иной форме присутствуют в предельных теоремах для случайных процессов. Локальные свойства второго порядка, такие как среднеквадратичные непрерывность, дифференцируемость, дают полезную, хотя и весьма грубую характеристику локального поведения процесса. Исследование свойств траекторий в терминах корреляционных функций с большой полнотой проведено в гауссовском случае (выборочная функция). Одним из наиболее завершённых разделов теории случайных процессов является теория линейной экстраполяции и фильтрации, позволяющая находить оптимальные линейные алгоритмы прогноза и аппроксимации случайных процессов, основываясь на знании корреляционных функций.
Характеристическим свойством корреляционной функции является положительная определённость:
для любого , любых комплексных и любых . В наиболее важном случае стационарного в широком смысле процесса зависит от разности аргументов: . Условие положительной определённости принимает тогда вид
Если дополнительно непрерывна при (что соответствует среднеквадратичной непрерывности процесса ), то
где – положительная конечная мера; здесь пробегает всю действительную прямую, если (случай «непрерывного времени»), или отрезок , если (случай «дискретного времени»). Мера называется спектральной мерой случайного процесса. Таким образом, корреляционные и спектральные свойства стационарного случайного процесса оказываются тесно связанными; например, скорость убывания корреляций при соответствует степени гладкости спектральной плотности .
В статистической механике корреляционной функцией называется также совместная плотность вероятности нахождения различных частиц рассматриваемой системы в точках ; совокупность этих функций однозначно определяет соответствующее точечное случайное поле.