Aufgaben:Aufgabe 3.10Z: Rayleigh? Oder Rice?: Unterschied zwischen den Versionen
Aus LNTwww
Zeile 67: | Zeile 67: | ||
{{ML-Kopf}} | {{ML-Kopf}} | ||
'''(1)''' Richtig ist <u>allein der zweite Lösungsvorschlag</u>. | '''(1)''' Richtig ist <u>allein der zweite Lösungsvorschlag</u>. | ||
− | *Aufgrund der gegebenen WDF liegt keine Riceverteilung, sondern eine Rayleighverteilung vor. | + | *Aufgrund der gegebenen WDF liegt keine Riceverteilung, sondern eine <u>Rayleighverteilung</u> vor. |
− | *Diese ist um den Mittelwert $m_x$ unsymmetrisch, so dass $\mu_3 \ne 0$ ist. | + | *Diese ist um den Mittelwert $m_x$ unsymmetrisch, so dass $\mu_3 \ne 0$ ist. |
− | *Nur bei einer gaußverteilten Zufallsgröße gilt für die Kurtosis $K = 3$. | + | *Nur bei einer gaußverteilten Zufallsgröße gilt für die Kurtosis $K = 3$. |
− | *Bei der Rayleighverteilung ergibt sich aufgrund ausgeprägterer WDF–Ausläufer ein größerer Wert $(K = 3.245)$, und zwar unabhängig von $\lambda$. | + | *Bei der Rayleighverteilung ergibt sich aufgrund ausgeprägterer WDF–Ausläufer ein größerer Wert $(K = 3.245)$, und zwar unabhängig von $\lambda$. |
− | '''(2)''' Die Ableitung der WDF nach $x$ liefert: | + | |
+ | '''(2)''' Die Ableitung der WDF nach $x$ liefert: | ||
:$$\frac{{\rm d} f_x(x)}{{\rm d} x} = \frac{\rm 1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({2 \lambda^{\rm 2}})}+\frac{ x}{ \lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({ 2 \lambda^{\rm 2}})}\cdot(-\frac{2 x}{2 \lambda^{\rm 2}}).$$ | :$$\frac{{\rm d} f_x(x)}{{\rm d} x} = \frac{\rm 1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({2 \lambda^{\rm 2}})}+\frac{ x}{ \lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({ 2 \lambda^{\rm 2}})}\cdot(-\frac{2 x}{2 \lambda^{\rm 2}}).$$ | ||
− | Daraus folgt als Bestimmungsgleichung für $x_0$ (nur die positive Lösung ist sinnvoll): | + | *Daraus folgt als Bestimmungsgleichung für $x_0$ (nur die positive Lösung ist sinnvoll): |
:$$\frac{1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x_{\rm 0}^{\rm 2}}/{(2 \lambda^{\rm 2}})}\cdot(\rm 1-{\it x_{\rm 0}^{\rm 2}}/{\it \lambda^{\rm 2}})=0 \quad \Rightarrow \quad {\it x}_0=\it \lambda.$$ | :$$\frac{1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x_{\rm 0}^{\rm 2}}/{(2 \lambda^{\rm 2}})}\cdot(\rm 1-{\it x_{\rm 0}^{\rm 2}}/{\it \lambda^{\rm 2}})=0 \quad \Rightarrow \quad {\it x}_0=\it \lambda.$$ | ||
− | Somit erhält man für den Verteilungsparameter $\lambda = x_0\hspace{0.15cm}\underline{= 2}$. | + | *Somit erhält man für den Verteilungsparameter $\lambda = x_0\hspace{0.15cm}\underline{= 2}$. |
+ | |||
− | '''(3)''' Die gesuchte Wahrscheinlichkeit ist gleich der Verteilungsfunktion an der Stelle $r = x_0 = \lambda$: | + | '''(3)''' Die gesuchte Wahrscheinlichkeit ist gleich der Verteilungsfunktion an der Stelle $r = x_0 = \lambda$: |
:$${\rm Pr}(x<x_{\rm 0})={\rm Pr}( x \le x_{\rm 0})= | :$${\rm Pr}(x<x_{\rm 0})={\rm Pr}( x \le x_{\rm 0})= | ||
− | F_x(x_{\rm 0})=1-{\rm e}^{-{\lambda^{\rm 2}}/({ 2 \lambda^{\rm 2}})}=1-{\rm e}^{-0.5}\hspace{0.15cm}\underline{=\rm | + | F_x(x_{\rm 0})=1-{\rm e}^{-{\lambda^{\rm 2}}/({ 2 \lambda^{\rm 2}})}=1-{\rm e}^{-0.5}\hspace{0.15cm}\underline{=\rm 39.3\%}.$$ |
+ | |||
Zeile 90: | Zeile 93: | ||
:$$m_x=\int_{-\infty}^{+\infty}\hspace{-0.45cm}x\cdot f_x(x)\,{\rm d}x=\int_{\rm 0}^{\infty}\frac{\it x^{\rm 2}}{\it \lambda^{\rm 2}} \cdot \rm e^{-{\it x^{\rm 2}}/({\rm 2\it \lambda^{\rm 2}})}\,{\rm d}\it x = \sqrt{{\rm \pi}/{\rm 2}}\cdot \it \lambda\hspace{0.15cm}\underline{=\rm 2.506}.$$ | :$$m_x=\int_{-\infty}^{+\infty}\hspace{-0.45cm}x\cdot f_x(x)\,{\rm d}x=\int_{\rm 0}^{\infty}\frac{\it x^{\rm 2}}{\it \lambda^{\rm 2}} \cdot \rm e^{-{\it x^{\rm 2}}/({\rm 2\it \lambda^{\rm 2}})}\,{\rm d}\it x = \sqrt{{\rm \pi}/{\rm 2}}\cdot \it \lambda\hspace{0.15cm}\underline{=\rm 2.506}.$$ | ||
− | Der Mittelwert $m_x$ ist natürlich größer als $x_0$ (= Maximalwert der WDF), da die WDF zwar nach unten, aber nicht nach oben begrenzt ist. | + | *Der Mittelwert $m_x$ ist natürlich größer als $x_0$ $(=$ Maximalwert der WDF$)$, da die WDF zwar nach unten, aber nicht nach oben begrenzt ist. |
+ | |||
Zeile 96: | Zeile 100: | ||
:$${\rm Pr}(x>m_x)=1- F_x(m_x).$$ | :$${\rm Pr}(x>m_x)=1- F_x(m_x).$$ | ||
− | Mit der angegebenen Verteilungsfunktion und dem Ergebnis der Teilaufgabe '''(4)''' erhält man: | + | *Mit der angegebenen Verteilungsfunktion und dem Ergebnis der Teilaufgabe '''(4)''' erhält man: |
− | :$${\rm Pr}(x>m_x)={\rm e}^{-{m_x^{\rm 2}}/({ 2\lambda^{\rm 2})}}={\rm e}^{-\pi/ 4}\hspace{0.15cm}\underline{\approx \rm | + | :$${\rm Pr}(x>m_x)={\rm e}^{-{m_x^{\rm 2}}/({ 2\lambda^{\rm 2})}}={\rm e}^{-\pi/ 4}\hspace{0.15cm}\underline{\approx \rm 45.6\%}.$$ |
{{ML-Fuß}} | {{ML-Fuß}} | ||
Version vom 25. November 2019, 14:17 Uhr
Die Wahrscheinlichkeitsdichtefunktion der Zufallsgröße $x$ ist wie folgt gegeben:
- $$f_x(x)=\frac{\it x}{\lambda^{2}}\cdot{\rm e}^{-x^{\rm 2}/(\lambda^{\rm 2})}.$$
Entsprechend gilt für die zugehörige Verteilungsfunktion:
- $$F_x(r)= {\rm Pr}(x \le r) = 1-{\rm e}^{- r^{\rm 2}/(2 \lambda^{\rm 2})}.$$
- Bekannt ist, dass der Wert $x_0 = 2$ am häufigsten auftritt.
- Das bedeutet auch, dass die WDF $f_x(x)$ bei $x = x_0 $ maximal ist.
Hinweise:
- Die Aufgabe gehört zum Kapitel Weitere Verteilungen.
- Insbesondere wird auf die Seiten Rayleighverteilung und Riceverteilung Bezug genommen .
- Sie können Ihre Ergebnisse mit interaktiven Applet WDF, VTF und Momente spezieller Verteilungen überprüfen.
- Berücksichtigen Sie bei der Lösung das folgende bestimmte Integral:
- $$\int_{0}^{\infty}x^{\rm 2}\cdot {\rm e}^{ -x^{\rm 2}/\rm 2} \, {\rm d}x=\sqrt{{\pi}/{\rm 2}}.$$
Fragebogen
Musterlösung
(1) Richtig ist allein der zweite Lösungsvorschlag.
- Aufgrund der gegebenen WDF liegt keine Riceverteilung, sondern eine Rayleighverteilung vor.
- Diese ist um den Mittelwert $m_x$ unsymmetrisch, so dass $\mu_3 \ne 0$ ist.
- Nur bei einer gaußverteilten Zufallsgröße gilt für die Kurtosis $K = 3$.
- Bei der Rayleighverteilung ergibt sich aufgrund ausgeprägterer WDF–Ausläufer ein größerer Wert $(K = 3.245)$, und zwar unabhängig von $\lambda$.
(2) Die Ableitung der WDF nach $x$ liefert:
- $$\frac{{\rm d} f_x(x)}{{\rm d} x} = \frac{\rm 1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({2 \lambda^{\rm 2}})}+\frac{ x}{ \lambda^{\rm 2}}\cdot{\rm e}^{ -{x^{\rm 2}}/({ 2 \lambda^{\rm 2}})}\cdot(-\frac{2 x}{2 \lambda^{\rm 2}}).$$
- Daraus folgt als Bestimmungsgleichung für $x_0$ (nur die positive Lösung ist sinnvoll):
- $$\frac{1}{\lambda^{\rm 2}}\cdot{\rm e}^{ -{x_{\rm 0}^{\rm 2}}/{(2 \lambda^{\rm 2}})}\cdot(\rm 1-{\it x_{\rm 0}^{\rm 2}}/{\it \lambda^{\rm 2}})=0 \quad \Rightarrow \quad {\it x}_0=\it \lambda.$$
- Somit erhält man für den Verteilungsparameter $\lambda = x_0\hspace{0.15cm}\underline{= 2}$.
(3) Die gesuchte Wahrscheinlichkeit ist gleich der Verteilungsfunktion an der Stelle $r = x_0 = \lambda$:
- $${\rm Pr}(x<x_{\rm 0})={\rm Pr}( x \le x_{\rm 0})= F_x(x_{\rm 0})=1-{\rm e}^{-{\lambda^{\rm 2}}/({ 2 \lambda^{\rm 2}})}=1-{\rm e}^{-0.5}\hspace{0.15cm}\underline{=\rm 39.3\%}.$$
(4) Der Mittelwert kann beispielsweise nach folgender Gleichung ermittelt werden:
- $$m_x=\int_{-\infty}^{+\infty}\hspace{-0.45cm}x\cdot f_x(x)\,{\rm d}x=\int_{\rm 0}^{\infty}\frac{\it x^{\rm 2}}{\it \lambda^{\rm 2}} \cdot \rm e^{-{\it x^{\rm 2}}/({\rm 2\it \lambda^{\rm 2}})}\,{\rm d}\it x = \sqrt{{\rm \pi}/{\rm 2}}\cdot \it \lambda\hspace{0.15cm}\underline{=\rm 2.506}.$$
- Der Mittelwert $m_x$ ist natürlich größer als $x_0$ $(=$ Maximalwert der WDF$)$, da die WDF zwar nach unten, aber nicht nach oben begrenzt ist.
(5) Allgemein gilt für die gesuchte Wahrscheinlichkeit:
- $${\rm Pr}(x>m_x)=1- F_x(m_x).$$
- Mit der angegebenen Verteilungsfunktion und dem Ergebnis der Teilaufgabe (4) erhält man:
- $${\rm Pr}(x>m_x)={\rm e}^{-{m_x^{\rm 2}}/({ 2\lambda^{\rm 2})}}={\rm e}^{-\pi/ 4}\hspace{0.15cm}\underline{\approx \rm 45.6\%}.$$