| Title: | Математическое ожидание распределения вероятностей пропуска ошибки при наблюдении векторов переходов |
| Other Titles: | Mathematical expectation of the probability distributionof missing an error when observing transition vectors |
| Authors: | Кобяк, И. П. |
| Keywords: | материалы конференций;сложные события;монообьекты;сигнатурный анализ;постобьекты |
| Issue Date: | 2025 |
| Publisher: | БГУИР |
| Citation: | Кобяк И. П. Математическое ожидание распределения вероятностей пропуска ошибки при наблюдении векторов переходов = Mathematical expectation of the probability distributionof missing an error when observing transition vectors / И. П. Кобяк // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 42–47. |
| Abstract: | В работе исследован метод идентификации последовательностей случайных событий с
помощью оценок наблюдения векторов переходов заданного вида. Определено математическое ожидание
плотности распределения вероятностей ошибки, чего требует задача сравнения статистических показателей
предлагаемого и других алгоритмов свертки. Основой для расчетов послужила перечисляющая производящая
функция, позволяющая представить произведение комбинаторных моментов, характеризующих вероятность
пропуска ошибки, в виде суммы произведений статистик на соответствующие моменты. Полученные в работе
соотношения характеризуют метод наблюдения векторов переходов как наиболее эффективный алгоритм
синтеза оценок для идентификации сообщений со случайной или псевдослучайной природой. |
| Alternative abstract: | The paper investigates a method for identifying sequences of random events using estimates of the
observation of transition vectors of a given type. The mathematical expectation of the density of the error probability
distribution is determined, which is required by the task of comparing the statistical indicators of the proposed and
other convolution algorithms. The basis for the calculations was an enumerating generating function, which allows us
to represent the product of combinatorial moments characterizing the probability of missing an error in the form of
the sum of the products of statistics for the corresponding moments. The relations obtained in the work characterize
the method of observing transition vectors as the most effective algorithm for synthesizing estimates for identifying
messages with a random or pseudorandom nature. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/59651 |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025)
|
