Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki

Transkrypt

1 Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Elektroniki Przetwarzanie Sygnałów Studia Podyplomowe, Automatyka i Robotyka. Wstęp teoretyczny Zmienne losowe Zmienne losowe liczby charakteryzujące rezultat zjawiska losowego. Zmienne losowe dyskretne liczby losowe ze skończonego lub przeliczalnego zbioru wartości. a ogół są to liczby całkowite symbolizujące rozważane zdarzenia losowe, zliczające ich krotność itp. Zmienne losowe ciągłe liczby rzeczywiste o losowej wartości, charakteryzujące ilościowo zjawiska losowe... Rozkłady prawdopodobieństwa Zdarzenia losowe odniesione do liczb losowych dotyczą wystąpienia określonych wartości zmiennych dyskretnych oraz wystąpienia wartości zmiennych ciągłych w określonych przedziałach. prawdopodobieństwa takich zdarzeń charakteryzują rozkłady prawdopodobieństwa zmiennych losowych. Dystrybuantą rozkładu zmiennej losowej nazywamy prawdopodobieństwo wystąpienia wartości mniejszej niż argument dystrybuanty (założona wartość zmiennej) : F() P( < ) Dystrybuanta posiada następujące cechy: a) F( ) 0; b) F() ; c) jest funkcją lewostronnie ciągłą i niemalejącą, tzn., jeśli < to F( ) F( ) Dystrybuanta zmiennej losowej dyskretnej zmienia się skokowo w punktach odpowiadających kolejnym wartościom zmiennej. Rozkład prawdopodobieństwa takich zmiennych wygodniej jest charakteryzować podając wprost prawdopodobieństwa wystąpienia poszczególnych wartości p( i ). azywa się to krótko rozkładem prawdopodobieństwa zmiennych dyskretnych: f(){p( i ); i,,...,}, gdzie oznacza liczbę możliwych wartości zmiennej W przypadku zmiennych losowych ciągłych rozkład opisuje się tzw. funkcją gęstości prawdopodobieństwa f(), którą definiuje się jako pochodną dystrybuanty względem zmiennej : Δ Δ F( + ) F( ) d f ( ) lim F( ) Δ o Δ d Uwaga!! Funkcja gęstości prawdopodobieństwa nie jest prawdopodobieństwem, ale pozwala obliczyć prawdopodobieństwo wystąpienia wartości w zadanym przedziale, z wzoru: Wynika stąd, że:.. Momenty P ( ) f ( ) d F ( ) f ( ) d oraz f ( ) d Rozkład prawdopodobieństwa zmiennej ciągłej charakteryzuje się przy pomocy parametrów zwanych momentami. Moment i-tego rzędu m i () definiuje się następująco:

2 m ( ) i i f ( ) d Moment rzędu zerowego jest zawsze równy. Moment rzędu pierwszego zmiennej nazywa się wartością oczekiwaną zmiennej losowej i oznacza się symbolem E(). Wartość oczekiwana jest też nazywana wartością przeciętną zmiennej losowej lub nadzieją matematyczną. Dla zmiennej losowej ciągłej wartość oczekiwaną wyraża wzór: def m ( ) E( ) f ( ) d Dla zmiennej dyskretnej przyjmującej wartości i oblicza się ze wzoru: E ( ) i z prawdopodobieństwem p i wartość oczekiwaną p i i Właściwości wartości oczekiwanej: a) Każda ograniczona zmienna losowa ma wartość oczekiwaną. b) Wartość oczekiwana kombinacji liniowej zmiennych losowych jest kombinacją liniową ich wartości oczekiwanych E( a + a a ) a ) + a ) a ) c) Jeśli i są niezależnymi zmiennymi losowymi to E( ) E( ) ) Zmienna losowa ciągła będąca odchyłką zmiennej losowej oryginalnej od jej wartości oczekiwanej m () nazywa się zmienną losową scentrowaną: m ( ); Momenty wyższego rzędu można obliczać dla oryginalnych zmiennych lub scentrowanych. Momenty dla zmiennych scentrowanych nazywa się momentami centralnymi. Centralny moment rzędu drugiego zmiennej nazywa się wariancją zmiennej σ m [ E( )] m def ( ) E( ) [ E( )] f ( ) d σ f ( ) d Właściwości wariancji: a) Znając pierwszy i drugi moment oryginalnej zmiennej losowej można obliczyć jej wariancję: σ E( ) E ( ) m ( ) m ( ) b) Jeśli,... są niezależnymi zmiennymi losowymi to E a + a + K + a ) a σ + a σ + K+ a σ [( ] Odchyleniem średnim (standardowym) lub dyspersją σ zmiennej losowej nazywamy pierwiastek arytmetyczny z jej wariancji..3. Podstawowe rozkłady prawdopodobieństwa Rozkład jednostajny ma zmienna losowa, gdy może przyjmować z tym samym prawdopodobieństwem dowolną wartość z przedziału [a b, a + b], b > 0 i nie występuje poza tym przedziałem: Dystrybuanta i gęstość rozkładu równomiernego gdy [ a b, a + b] f ( ) b 0 gdy [ a b, a + b] F() wartość oczekiwana E() a b f() wariancja σ 3 0 a b a a+b

3 Rozkład równomierny przypisuje się zmiennym losowym, których wartości są naturalnie ograniczone i wynikają z oddziaływania pewnego czynnika o czysto losowym charakterze i ograniczonej sile. Przykładowo, taki rozkład może mieć kwota wydawana przez jednego klienta w małym sklepie spożywczym lub kiosku. Rozkład normalny czyli rozkład Gaussa: dla zmiennej o wartości oczekiwanej me() i dyspersji σ (oznaczany symbolem (m, σ)): [ E( )] f ( ) ep σ π σ Dla zmiennej standaryzowanej rozkład Gaussa (0, ) ma postać: f ( ) ep π i w tej postaci jest on dostępny w tablicach i generatorach liczb losowych. gęstość rozkładu normalnego dystrybuanta rozkładu normalnego. Zadania praktyczne.. Generowanie sygnałów losowych o zadanym rozkładzie a) Za pomocą pętli for i funkcji randn i rand wygeneruj sygnał losowy y n o rozkładzie normalnym oraz sygnał losowy y j o rozkładzie jednostajnym, o długości 000 próbek: arysuj te sygnały: clear 000; for i: yn(i)randn; yj(i)rand; subplot(,,) plot(yn),title('sygnał o rozkładzie normalnym','fontame','ms Sans Serif') subplot(,,) plot(yj),title('sygnał o rozkładzie jednostajnym','fontame','ms Sans Serif') b) Za pomocą funkcji hist oblicz i narysuj rozkład tych sygnałów (histogram):

4 subplot(,,3) hist(yn,30),title('rozkład normalny','fontame','ms Sans Serif') subplot(,,4) hist(yj,30),title('rozkład jednostajny','fontame','ms Sans Serif') c) Za pomocą pętli for oblicz wartość średnią oraz wariancję σ sygnałów wg wzorów: i i wartość średnia %wartość średnia sum0; sum0; for i: sumsum+yn(i); sumsum+yj(i); sr_ynsum/; sr_yjsum/; disp('wartość średnia sygnału o rozkładzie normalnym:'); disp(sr_yn) disp('wartość średnia sygnału o rozkładzie jednostajnym:'); disp(sr_yj) σ ( i ) wariancja i %wariancja sum0; sum0; for i: sumsum+(yn(i)-sr_yn)^; sumsum+(yj(i)-sr_yj)^; war_ynsum/(-); war_yjsum/(-); disp('wariancja sygnału o rozkładzie normalnym:'); disp(war_yn) disp('wariancja sygnału o rozkładzie jednostajnym:'); disp(war_yj) Uruchom powyższe programy kilka razy i obserwuj wyniki. Ponieważ za każdym razem będzie inna realizacja sygnału losowego, wyniki będą się nieznacznie różnić. Porównaj obliczone wyniki z wartościami teoretycznymi: wartość średnia wariancja rozkład normalny 0 rozkład jednostajny / /

5 .. Zależność wartości średniej i wariancji od liczby próbek wykorzystanych do ich obliczenia Oblicz wartość średnią i wariancję sygnałów losowych o rozkładzie normalnym i jednostajnym w funkcji liczby próbek sygnału (tzn. należy policzyć średnią i wariancję dla każdej długości sygnału od do próbek). % wartość średnia w funkcji liczby próbek sygnału 500; sum0; sum0; for i: sumsum+yn(i); sumsum+yj(i); sr_yn(i)sum/i; sr_yj(i)sum/i; %wizualizacja figure subplot(,,) plot(sr_yn),title('wartość średnia rozkładu normalnego','fontame','ms Sans Serif') line([0 ],[0 0],'Color','r','LineStyle',':') subplot(,,) plot(sr_yj),title('wartość średnia rozkładu jednostajnego','fontame','ms Sans Serif') line([0 ],[ ],'Color','r','LineStyle',':') % wariancja w funkcji liczby próbek sygnału sum0; sum0; for i: sumsum+(yn(i)-sr_yn(i))^; sumsum+(yj(i)-sr_yj(i))^; war_yn(i)sum/i; war_yj(i)sum/i; %wizualizacja figure subplot(,,) plot(war_yn),title('wariancja rozkładu normalnego','fontame','ms Sans Serif') line([0 ],[ ],'Color','r','LineStyle',':') subplot(,,) plot(war_yj),title('wariancja rozkładu jednostajnego','fontame','ms Sans Serif') line([0 ],[/ /],'Color','r','LineStyle',':') Uruchom powyższe programy kilka razy i obserwuj wyniki. a podstawie wykresów oceń ile próbek sygnału jest potrzebne do wiarygodnego oszacowania wartości średniej i wariancji dla obu rozkładów. Zadanie do samodzielnego wykonania arysuj wykresy przebiegu kwadratu błędu średniej i wariancji względem wartości teoretycznych (czyli różnicy między wartościami wyliczonymi, a teoretycznymi, podniesione do kwadratu) dla obu rozkładów. Oblicz błąd średniokwadratowy MSE (ang. Mean Square Error), czyli sumę przebiegu kwadratu błędu, podzieloną przez liczbę próbek. Dla którego rozkładu obserwujemy najmniejszy błąd?