ЦЕЛЬ. Нахождение новых и модернизация известных методов генерирования случайных процессов с заданными статическими (закон распределения вероятностей) и динамическими (корреляционная и структурная функции) вероятностными свойствами. МЕТОДЫ. Основными методами исследования являются методы теории вероятностей, математической статистики и численные методы. РЕЗУЛЬТАТЫ. Объектом исследования является перестановочная технология генерирования случайных процессов с одновременно задаваемым законом распределения вероятностей и автокорреляционной функцией. Данная технология проста в программной реализации, обладает высоким быстродействием и позволяет вводить требуемые вероятностные свойства с точностью их отражения, достаточной для инженерного применения (например, в имитационном моделировании). В качестве закона распределения вероятностей генерируемого процесса принят бернуллиевский (бинарный) закон. Рассмотрены характеристики, отражающие вероятностные зависимости в генерируемых реализациях случайных процессов. Изучены структурные функции бинарного процесса, генерируемого посредством перестановочной процедуры. ЗАКЛЮЧЕНИЕ. Проведение исследований позволило расширить возможности оценивания вероятностных зависимостей за счет использования структурных функций. Этот инструмент оценивания зависимостей обладает более широкими индикативными свойствами, состоящими в возможности выявления случайных процессов со стационарными приращениями.
The PURPOSE of the paper is search for new and modernization of known methods for generating random processes with given static (probability distribution law) and dynamic (correlation and structure functions) probabilistic properties. METHODS. The main research methods are the methods of probability theory, mathematical statistics and numerical methods. RESULTS. The object of the study is a permutation technology for generating random processes with simultaneously set probability distribution law and autocorrelation function. This technology is simple in software implementation, has high speed and allows to enter required probability properties with the accuracy of their reflection sufficient for engineering application (for example, in simulation modeling). The Bernoulli (binary) law has been taken as a law of generated process probability distribution. The characteristics reflecting probabilistic dependencies in generated implementations of random processes have been considered. The structural functions of the binary process generated by a permutation procedure have been studied. CONCLUSION. The conducted research allowed to expand the possibilities of probabilistic dependency estimation due to the use of structural functions. This dependency estimation tool has broader indicative properties as it is able to identify random processes with stationary increments.
The authors declare that there are no conflicts of interest present.