А. М. Тегза, Г. І. Сливка-Тилищак, М. С. Герич, Олександр Погоріляк, Т. В. Боярищева
{"title":"Моделювання гауссового стаціонарного випадкового процесу з необмеженим спектром з використанням теорії L₂(Ω)-процесів","authors":"А. М. Тегза, Г. І. Сливка-Тилищак, М. С. Герич, Олександр Погоріляк, Т. В. Боярищева","doi":"10.24144/2616-7700.2022.40(1).75-81","DOIUrl":null,"url":null,"abstract":"Робота присвячена подальшому розвитку теорії моделювання гауссових стаціонарних випадкових процесів за методом, який запропонував і розвивав Ю. В. Козаченко. Розглянуто застосування теорії L2(Ω)-процесів при моделюванні гауссових стаціонарних випадкових процесів. Використовуючи оцінки норм та деякі властивості і теореми L2(Ω)-процесів, для моделі одержано розбиття спектрального проміжку, при якому модель наближатиме процес з заданими точністю і надійністю в рівномірній метриці. У середовищі Python було змодельовано процес для часткового випадку.","PeriodicalId":33567,"journal":{"name":"Naukovii visnik Uzhgorods''kogo universitetu Seriia Matematika i informatika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-05-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Naukovii visnik Uzhgorods''kogo universitetu Seriia Matematika i informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24144/2616-7700.2022.40(1).75-81","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Робота присвячена подальшому розвитку теорії моделювання гауссових стаціонарних випадкових процесів за методом, який запропонував і розвивав Ю. В. Козаченко. Розглянуто застосування теорії L2(Ω)-процесів при моделюванні гауссових стаціонарних випадкових процесів. Використовуючи оцінки норм та деякі властивості і теореми L2(Ω)-процесів, для моделі одержано розбиття спектрального проміжку, при якому модель наближатиме процес з заданими точністю і надійністю в рівномірній метриці. У середовищі Python було змодельовано процес для часткового випадку.