Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...
Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...
Markowanalysen stochastisch fluktuierender Zeitserien - Turbulenz ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
18 KAPITEL 3. THEORETISCHE GRUNDLAGEN<br />
Ein ebenfalls häufig verwendeter Begriff zur Charakterisierung der gegenseitigen<br />
Abhängigkeiten zweier Zufallsvariablen U i und U j ist ihre Kovarianz oder Korrelation<br />
R ij :<br />
R ij =<br />
+∞ ∫<br />
−∞<br />
. . .<br />
+∞ ∫<br />
−∞<br />
(u i − E(U j )) (u j − E(U j )) p(u 1 , u 2 , . . . , u N )du 1 du 2 . . . du N .<br />
(3.17)<br />
U i und U j heissen unkorreliert, wenn ihre Kovarianz Null ist. Aus der statistischen<br />
Unabhängigkeit zweier Zufallsgrößen folgt Unkorreliertheit, der Umkehrschluß gilt<br />
aber im allgemeinen nicht.<br />
Aus der gemeinsamen Dichte zweier Zufallsvariablen kann die bedingte Wahrscheinlichkeitsdichte<br />
definiert werden:<br />
p(u 1 |u 2 ) = p(u 1, u 2 )<br />
. (3.18)<br />
p(u 2 )<br />
Die bedingte Dichte p(u 1 |u 2 ) misst die Wahrscheinlichkeit dafür, dass die Zufallsvariable<br />
U 1 einen bestimmten Wert annimmt, unter der Voraussetzung, dass der Wert<br />
u 2 für die Größe U 2 bekannt ist. Sind U 1 und U 2 unabhängig, so faktorisiert p(u 1 , u 2 ),<br />
und die bedingte Wahrscheinlichkeitsdichte p(u 1 |u 2 ) ist gleich der eindimensionalen<br />
Dichte p(u 1 ).<br />
Im streng mathematischen Sinn muss zwischen einer Zufallsvariablen U und den<br />
Werten u, die sie annehmen kann, unterschieden werden. Diese Trennung wird im<br />
folgenden allerdings nicht aufrecht erhalten werden; so werden z.B. die Dichten der<br />
turbulent fluktuierenden Geschwindigkeit ⃗v vereinfachend mit p(⃗v) bezeichnet.<br />
3.2.2 Stationarität, Homogenität und Isotropie<br />
Alle in den folgenden Kapiteln besprochenen <strong>Turbulenz</strong>modelle behandeln den Spezialfall<br />
stationärer, homogener und isotroper Strömungen. Die mit diesen Einschränkungen<br />
einhergehenden Vereinfachungen sollen hier kurz dargestellt werden.<br />
Aufgrund der angenommenen Stationarität des Geschwindigkeitsfeld ⃗w(⃗x, t) hängt<br />
der Mittelwert ⃗ W (⃗x) = 〈⃗w(⃗x, t)〉 nicht von der Zeit ab (der Mittelwert < . . . > ist<br />
hierbei das Ergebniss einer Ensemblemittelung). Für die hier untersuchten statistischen<br />
Eigenschaften turbulenter Geschwindigkeitsfluktutionen bedeutet es daher<br />
keine Einschränkung, wenn man anstelle des Geschwindigkeitsvektors ⃗w nur seinen<br />
fluktuierenden Anteil ⃗v(⃗x, t) betrachtet:<br />
⃗v(⃗x, t) = ⃗w(⃗x, t) − ⃗ W (⃗x). (3.19)<br />
Aus der Definition (3.19) der Geschwindigkeitsfluktuationen folgt sofort, dass der<br />
Mittelwert von ⃗v(⃗x, t) verschwindet.<br />
Die Statistik des Geschwindigkeitsfeldes ⃗v(⃗x, t) kann als vollständig erfasst gelten,<br />
wenn eine allgemein gültige Beschreibung für den Korrelationstensor von N<br />
Komponenten des Geschwindigkeitsvektors an M verschiedenen Orten, die sogenannte<br />
M–Punkt–Korrelation N-ter Stufe, gefunden ist [11, 74]. Der erste Schritt