Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
Zufallsgrößen und Zufallsprozesse
Vorlesung Teil 1
2
X: Zufallsgröße X kann (wenn ein gewisser Komplex S von Bedingungen erfüllt ist) im Ergebnis eines Versuches i einen Wert xi aus einer Menge M annehmen (Ereignis, event)). M = Menge der reellen Zahlen (d.h. - < xi < +) X: kontinuierliche Zufallsgröße. M enthält nur endlich viele oder abzählbar unendlich viele Werte (z.B. xi {1,2,3,…}) X: diskrete Zufallsgröße xi heißt Realisierung (sample) der Zufallsgröße X im Versuch i.
3
X: diskrete Zufallsgröße
P{X = x} ist die Wahrscheinlichkeit dafür, dass X in einem Versuch den Wert x annimmt. xk (k = 1,…,N): mögliche Realisierungen der Zufallsgröße X P{X = xk} = pk: Wahrscheinlichkeitsverteilung (probability distribution) der Zufallsgröße X Normierung:
4
Poissonverteilung: (n = 0,1,…)
5
X: kontinuierliche (stetige) Zufallsgröße
Realisierung x: reelle Zahl mit - < x < +. Wahrscheinlichkeitsdichte (probability density) pX(x): ist die Wahrscheinlichkeit dafür, dass die Zufallsgröße X einen Wert x im Intervall a < x < b annimmt. Normierung:
6
Gaußverteilung (Normalverteilung):
ausgezogene Kurve: a = 30, = 5 gestrichelte Kurve: a = 100, = 30
7
Verbundwahrscheinlichkeitsdichte (joint probability density) pX,Y(x,y):
ist die Wahrscheinlichkeit dafür, dass X einen Wert x im Intervall a < x < b und Y einen Wert x im Intervall c < x < d annimmt. statistische Unabhängigkeit von X und Y: Normierung:
8
bedingte Wahrscheinlichkeitsdichte (conditional probability density):
statistische Unabhängigkeit: Verbundwahrscheinlichkeitsdichte Einzelwahrscheinlichkeitsdichten:
9
Momente Erwartungswert (Moment 1. Ordnung):
(Zentral-) Momente k-ter Ordnung (k 2): Varianz (variance) (k = 2):
10
Standardabweichung (standard deviation):
Für die Gaußverteilung gilt:
11
3 - Wert:
12
Momente der Verbundwahrscheinlichkeitsdichte pX,Y:
Kovarianz: X, Y statistisch unabhängig ( )
13
Korrelationskoeffizient:
Es gilt zweidimensionale Gaußverteilung:
14
2D-Gaußverteilung (X = 4, Y = 6, rX,Y = 0.5, X = 1, Y = 2)
15
Linien konstanter Wahrscheinlichkeitsdichte: Ellipsen
N Zufallsgrößen X1,…,XN: x y x Y
16
Diskrete Zufallsgrößen X, Y
X: Werte xi (i = 1,…,M), Y: Werte yj (j = 1,…,N) P{X = xi,Y=yj} ist die Wahrscheinlichkeit dafür, dass X den Wert xi und Y den Wert yj annimmt Erwartungswert: Varianz: Kovarianz:
17
Normierung: Statistische Unabhängigkeit:
18
Poissonverteilung: (n = 0,1,…)
Erwartungswert: Varianz: Signal - Rausch - Verhältnis (Signal to Noise Ratio):
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.