Aufgaben:Aufgabe 4.2Z: Gemischte Zufallsgrößen: Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
K (Textersetzung - „\*\s*Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0\.” ein.“ durch „ “)
Zeile 3: Zeile 3:
 
}}
 
}}
  
[[Datei:P_ID2868__Inf_Z_4_2_neu.png|right|frame|WDF von <i>X</i> und VTF von <i>Y</i>]]
+
[[Datei:P_ID2868__Inf_Z_4_2_neu.png|right|frame|WDF von $X$ und VTF von $Y$]]
Man spricht von einer <i>gemischten Zufallsgröße</i>, wenn die Zufallsgröße neben einem kontinuierlichen Anteil auch noch diskrete Anteile beinhaltet.
+
Man spricht von einer &bdquo;gemischten Zufallsgröße&rdquo;, wenn die Zufallsgröße neben einem kontinuierlichen Anteil auch noch diskrete Anteile beinhaltet.
  
 
*Die Zufallsgröße $Y$ mit der [[Stochastische_Signaltheorie/Verteilungsfunktion|Verteilungsfunktion]] $F_Y(y)$ gemäß der unteren Skizze besitzt beispielsweise sowohl einen kontinuierlichen als auch einen diskreten Anteil.  
 
*Die Zufallsgröße $Y$ mit der [[Stochastische_Signaltheorie/Verteilungsfunktion|Verteilungsfunktion]] $F_Y(y)$ gemäß der unteren Skizze besitzt beispielsweise sowohl einen kontinuierlichen als auch einen diskreten Anteil.  
Zeile 10: Zeile 10:
 
*Aus dem Sprung bei $y= 1$ in der Verteilungsfunktion (VTF) wird somit ein &bdquo;Dirac&rdquo; in der Wahrscheinlichkeitsdichtefunktion (WDF).
 
*Aus dem Sprung bei $y= 1$ in der Verteilungsfunktion (VTF) wird somit ein &bdquo;Dirac&rdquo; in der Wahrscheinlichkeitsdichtefunktion (WDF).
  
*In der Teilaufgabe $(4)$ soll die differentielle Entropie $h(Y)$ der Zufallsgröße $Y$ ermittelt werden (in bit), wobei von folgender Gleichung auszugehen ist:
+
*In der Teilaufgabe '''(4)''' soll die differentielle Entropie $h(Y)$ der Zufallsgröße $Y$ ermittelt werden (in bit), wobei von folgender Gleichung auszugehen ist:
 
:$$h(Y) =  
 
:$$h(Y) =  
\hspace{0.1cm} - \hspace{-0.45cm} \int\limits_{{\rm supp}\hspace{0.03cm}(\hspace{-0.03cm}f_Y)} \hspace{-0.35cm}  f_Y(y) \cdot {\rm log}_2 \hspace{0.1cm} [ f_Y(y) ] \hspace{0.1cm}{\rm d}y  
+
\hspace{0.1cm} - \hspace{-0.45cm} \int\limits_{{\rm supp}\hspace{0.03cm}(\hspace{-0.03cm}f_Y)} \hspace{-0.35cm}  f_Y(y) \cdot {\rm log}_2 \hspace{0.1cm} \big[ f_Y(y) \big] \hspace{0.1cm}{\rm d}y  
 
\hspace{0.05cm}.$$
 
\hspace{0.05cm}.$$
  
*In der Teilaufgabe $(2)$ ist die differentielle Entropie  $h(X)$ der Zufallsgröße $X$ zu berechnen, deren WDF $f_X(x)$ oben skizziert ist. Führt man einen geeigneten Grenzübergang durch, so wird auch aus der Zufallsgröße $X$ eine gemischte Zufallsgröße.
+
*In der Teilaufgabe '''(2)''' ist die differentielle Entropie  $h(X)$ der Zufallsgröße $X$ zu berechnen, deren WDF $f_X(x)$ oben skizziert ist. Führt man einen geeigneten Grenzübergang durch, so wird auch aus der Zufallsgröße $X$ eine gemischte Zufallsgröße.
 +
 
 +
 
 +
 
  
  
 
''Hinweise:''  
 
''Hinweise:''  
*Die Aufgabe gehört zum  Kapitel [[Informationstheorie/Differentielle_Entropie|Differentielle Entropie]].
+
*Die Aufgabe gehört zum  Kapitel&nbsp; [[Informationstheorie/Differentielle_Entropie|Differentielle Entropie]].
*Weitere Informationen zu gemischten Zufallsgrößen finden Sie im Kapitel  [[Stochastische_Signaltheorie/Verteilungsfunktion|Verteilungsfunktion]] des Buches &bdquo;Stochastische Signaltheorie&rdquo;.
+
*Weitere Informationen zu gemischten Zufallsgrößen finden Sie im Kapitel&nbsp; [[Stochastische_Signaltheorie/Verteilungsfunktion|Verteilungsfunktion]] des Buches &bdquo;Stochastische Signaltheorie&rdquo;.
 
   
 
   
  
Zeile 28: Zeile 31:
  
 
<quiz display=simple>
 
<quiz display=simple>
{Wie groß ist die WDF&ndash;Höhe $A$ von $f_X(x)$ um $x = 1$?
+
{Wie groß ist die WDF&ndash;Höhe $A$ von &nbsp;$f_X(x)$&nbsp; um &nbsp;$x = 1$?
 
|type="[]"}
 
|type="[]"}
 
- $A = 0.5/\varepsilon$,
 
- $A = 0.5/\varepsilon$,
Zeile 34: Zeile 37:
 
- $A = 1/\varepsilon$.
 
- $A = 1/\varepsilon$.
  
{Berechnen Sie die differentielle Entropie für verschiedene $\varepsilon$&ndash;Werte.
+
{Berechnen Sie die differentielle Entropie für verschiedene &nbsp;$\varepsilon$&ndash;Werte.
 
|type="{}"}
 
|type="{}"}
 
$ε = 10^{-1}\text{:} \ \    h(X) \ = \ $ { 0.644 3% } $\ \rm bit$
 
$ε = 10^{-1}\text{:} \ \    h(X) \ = \ $ { 0.644 3% } $\ \rm bit$
Zeile 40: Zeile 43:
 
$ε = 10^{-3}\text{:} \ \    h(X) \ = \ $ { -7.2--6.8 } $\ \rm bit$
 
$ε = 10^{-3}\text{:} \ \    h(X) \ = \ $ { -7.2--6.8 } $\ \rm bit$
  
{Welches Ergebnis liefert der Grenzwert $ε \to 0$?
+
{Welches Ergebnis liefert der Grenzwert &nbsp;$ε \to 0$?
 
|type="[]"}
 
|type="[]"}
 
+ $f_X(x)$ hat nun einen kontinuierlichen und einen diskreten Anteil.
 
+ $f_X(x)$ hat nun einen kontinuierlichen und einen diskreten Anteil.
+ Die differentielle Energie $h(X)$ ist negativ.
+
+ Die differentielle Energie &nbsp;$h(X)$&nbsp; ist negativ.
+  Der Betrag $|h(X)|$ ist unendlich groß.
+
+  Der Betrag &nbsp;$|h(X)|$&nbsp; ist unendlich groß.
  
  
 
{Welche Aussagen treffen für die Zufallsgröße $Y$ zu?
 
{Welche Aussagen treffen für die Zufallsgröße $Y$ zu?
 
|type="[]"}
 
|type="[]"}
- Der VTF&ndash;Wert an der Stelle $y = 1$ ist $0.5$.
+
- Der VTF&ndash;Wert an der Stelle &nbsp;$y = 1$&nbsp; ist $0.5$.
+ $Y$ beinhaltet einen diskreten und einen kontinuierlichen Anteil..
+
+ $Y$ beinhaltet einen diskreten und einen kontinuierlichen Anteil.
+  Der diskrete Anteil bei $Y = 1$ = 1 tritt mit $10\%$ Wahrscheinlichkeit auf.
+
+  Der diskrete Anteil bei &nbsp;$Y = 1$&nbsp;  tritt mit &nbsp;$10\%$&nbsp; Wahrscheinlichkeit auf.
 
- Der kontinuierliche Anteil von $Y$ ist gleichverteilt.
 
- Der kontinuierliche Anteil von $Y$ ist gleichverteilt.
 
+ Die differentiellen Entropien von $X$ und $Y$ sind gleich.   
 
+ Die differentiellen Entropien von $X$ und $Y$ sind gleich.   

Version vom 16. Oktober 2018, 10:38 Uhr

WDF von $X$ und VTF von $Y$

Man spricht von einer „gemischten Zufallsgröße”, wenn die Zufallsgröße neben einem kontinuierlichen Anteil auch noch diskrete Anteile beinhaltet.

  • Die Zufallsgröße $Y$ mit der Verteilungsfunktion $F_Y(y)$ gemäß der unteren Skizze besitzt beispielsweise sowohl einen kontinuierlichen als auch einen diskreten Anteil.
  • Die Wahrscheinlichkeitsdichtefunktion $f_Y(y)$ erhält man aus $F_Y(y)$ durch Differentiation.
  • Aus dem Sprung bei $y= 1$ in der Verteilungsfunktion (VTF) wird somit ein „Dirac” in der Wahrscheinlichkeitsdichtefunktion (WDF).
  • In der Teilaufgabe (4) soll die differentielle Entropie $h(Y)$ der Zufallsgröße $Y$ ermittelt werden (in bit), wobei von folgender Gleichung auszugehen ist:
$$h(Y) = \hspace{0.1cm} - \hspace{-0.45cm} \int\limits_{{\rm supp}\hspace{0.03cm}(\hspace{-0.03cm}f_Y)} \hspace{-0.35cm} f_Y(y) \cdot {\rm log}_2 \hspace{0.1cm} \big[ f_Y(y) \big] \hspace{0.1cm}{\rm d}y \hspace{0.05cm}.$$
  • In der Teilaufgabe (2) ist die differentielle Entropie $h(X)$ der Zufallsgröße $X$ zu berechnen, deren WDF $f_X(x)$ oben skizziert ist. Führt man einen geeigneten Grenzübergang durch, so wird auch aus der Zufallsgröße $X$ eine gemischte Zufallsgröße.



Hinweise:



Fragebogen

1

Wie groß ist die WDF–Höhe $A$ von  $f_X(x)$  um  $x = 1$?

$A = 0.5/\varepsilon$,
$A = 0.5/\varepsilon+0.25$,
$A = 1/\varepsilon$.

2

Berechnen Sie die differentielle Entropie für verschiedene  $\varepsilon$–Werte.

$ε = 10^{-1}\text{:} \ \ h(X) \ = \ $

$\ \rm bit$
$ε = 10^{-2}\text{:} \ \ h(X) \ = \ $

$\ \rm bit$
$ε = 10^{-3}\text{:} \ \ h(X) \ = \ $

$\ \rm bit$

3

Welches Ergebnis liefert der Grenzwert  $ε \to 0$?

$f_X(x)$ hat nun einen kontinuierlichen und einen diskreten Anteil.
Die differentielle Energie  $h(X)$  ist negativ.
Der Betrag  $|h(X)|$  ist unendlich groß.

4

Welche Aussagen treffen für die Zufallsgröße $Y$ zu?

Der VTF–Wert an der Stelle  $y = 1$  ist $0.5$.
$Y$ beinhaltet einen diskreten und einen kontinuierlichen Anteil.
Der diskrete Anteil bei  $Y = 1$  tritt mit  $10\%$  Wahrscheinlichkeit auf.
Der kontinuierliche Anteil von $Y$ ist gleichverteilt.
Die differentiellen Entropien von $X$ und $Y$ sind gleich.


Musterlösung

(1)  Richtig ist der Lösungsvorschlag 2, weil das Integral über die WDF $1$ ergeben muss:

$$f_X(x) \hspace{0.1cm}{\rm d}x = 0.25 \cdot 2 + (A - 0.25) \cdot \varepsilon \stackrel{!}{=} 1 \hspace{0.3cm} \Rightarrow\hspace{0.3cm}(A - 0.25) \cdot \varepsilon \stackrel{!}{=} 0.5 \hspace{0.3cm}\Rightarrow\hspace{0.3cm} A = 0.5/\varepsilon +0.25\hspace{0.05cm}.$$

(2)  Die differentielle Entropie (in „bit”) ist wie folgt gegeben:

$$h(X) = \hspace{0.1cm} \hspace{-0.45cm} \int\limits_{{\rm supp}(f_X)} \hspace{-0.35cm} f_X(x) \cdot {\rm log}_2 \hspace{0.1cm} \frac{1}{f_X(x)} \hspace{0.1cm}{\rm d}x \hspace{0.05cm}.$$

Wir unterteilen nun das Integral in drei Teilintegrale:

$$h(X) = \hspace{-0.25cm} \int\limits_{0}^{1-\varepsilon/2} \hspace{-0.15cm} 0.25 \cdot {\rm log}_2 \hspace{0.1cm} \frac{1}{0.25} \hspace{0.1cm}{\rm d}x + \hspace{-0.25cm}\int\limits_{1+\varepsilon/2}^{2} \hspace{-0.15cm} 0.25 \cdot {\rm log}_2 \hspace{0.1cm} \frac{1}{0.25} \hspace{0.1cm}{\rm d}x + \hspace{-0.25cm}\int\limits_{1-\varepsilon/2}^{1+\varepsilon/2} \hspace{-0.15cm} [0.5/\varepsilon + 0.25] \cdot {\rm log}_2 \hspace{0.1cm} \frac{1}{0.5/\varepsilon + 0.25} \hspace{0.1cm}{\rm d}x $$
$$ \Rightarrow \hspace{0.3cm} h(X) = 2 \cdot 0.25 \cdot 2 \cdot (2-\varepsilon) - (0.5 + 0.25 \cdot \varepsilon) \cdot {\rm log}_2 \hspace{0.1cm}(0.5/\varepsilon +0.25) \hspace{0.05cm}.$$

Insbesondere erhält man

  • für $\varepsilon = 0.1$:
$$h(X) =1.9 - 0.525 \cdot {\rm log}_2 \hspace{0.1cm}(5.25) = 1.9 - 1.256 \hspace{0.15cm}\underline{= 0.644\,{\rm bit}} \hspace{0.05cm},$$
  • für $\varepsilon = 0.01$:
$$h(X) =1.99 - 0.5025 \cdot {\rm log}_2 \hspace{0.1cm}(50.25)= 1.99 - 2.84 \hspace{0.15cm}\underline{= -0.850\,{\rm bit}} \hspace{0.05cm}$$
  • für $\varepsilon = 0.001$:
$$h(X) =1.999 - 0.50025 \cdot {\rm log}_2 \hspace{0.1cm}(500.25) = 1.999 - 8.967 \hspace{0.15cm}\underline{= -6.968\,{\rm bit}} \hspace{0.05cm}.$$

(3)  Alle Lösungsvorschläge sind hier zutreffend:

  • Nach dem Grenzübergang ε → 0 erhält man für die differentielle Entropie
$$h(X) = \lim\limits_{\varepsilon \hspace{0.05cm}\rightarrow \hspace{0.05cm} 0} \hspace{0.1cm}[(2-\varepsilon) - (0.5 + 0.25 \cdot \varepsilon) \cdot {\rm log}_2 \hspace{0.1cm}(0.5/\varepsilon +0.25)] = 2\,{\rm bit} - 0.5 \cdot \lim\limits_{\varepsilon \hspace{0.05cm}\rightarrow \hspace{0.05cm} 0}\hspace{0.1cm}{\rm log}_2 \hspace{0.1cm}(0.5/\varepsilon) \hspace{0.3cm}\Rightarrow\hspace{0.3cm} - \infty \hspace{0.05cm}.$$
  • Die Wahrscheinlichkeitsdichtefunktion (WDF) ergibt sich in diesem Fall zu
$$f_X(x) = \left\{ \begin{array}{c} 0.25 + 0.5 \cdot \delta (x-1) \\ 0 \\ \end{array} \right. \begin{array}{*{20}c} {\rm{f\ddot{u}r}} \hspace{0.1cm} 0 \le x \le 2, \\ {\rm sonst} \\ \end{array} \hspace{0.05cm}.$$

Es handelt sich demzufolge um eine „gemischte” Zufallsgröße mit

  • einem stochastischen, gleichverteilten Anteil im Bereich $0 \le x \le 2$, und
  • einem diskreten Anteil bei $x = 1$ mit der Wahrscheinlichkeit $0.5$.

Die Grafik zeigt links die WDF $f_X(x)$ und rechts die Verteilungsfunktion (kurz VTF) $F_X(x)$.

WDF und VTF der gemischten Zufallsgröße X

(4)  Richtig sind die Lösungsvorschläge 2, 3 und 5. Die untere Grafik zeigt die WDF und die VTF der Zufallsgröße $Y$. Man erkennt:

  • $Y$ beinhaltet wie $X$ sowohl einen kontinuierlichen als auch einen diskreten Anteil.
  • Der diskrete Anteil tritt mit der Wahrscheinlichkeit ${\rm Pr}(Y = 1) = 0.1$ auf.
  • Da $F_Y(y)= Pr({\rm Pr}(Y \le y)$ gilt, ergibt sich der rechtsseitige Grenzwert:   $F_Y(y = 1) = 0.55$.
  • Der kontinuierliche Anteil ist nicht gleichverteilt; vielmehr liegt eine Dreieckverteilung vor.
WDF und VTF der gemischten Zufallsgröße Y

Richtig ist auch der letzte Vorschlag: $h(Y) = h(X) = - \infty$.
Denn: Bei jeder Zufallsgröße mit einem diskreten Anteil – und ist er auch noch so klein, ist die differentielle Entropie gleich minus unendlich.