Difference between revisions of "Aufgaben:Exercise 4.11Z: C Program "acf2""

From LNTwww
m (Textersetzung - „\*\s*Sollte die Eingabe des Zahlenwertes „0” erforderlich sein, so geben Sie bitte „0\.” ein.“ durch „ “)
Line 3: Line 3:
 
}}
 
}}
  
[[File:P_ID395__Sto_Z_4_11.png|right|]]
+
[[File:P_ID395__Sto_Z_4_11.png|right|frame|C-Programm 2 zur AKF–Berechnung]]
Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$. Im Gegensatz zum  Programm „akf1” aus [[Aufgaben:4.11_C-Programm_„akf1”|Aufgabe 4.11]] wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten:
+
Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$.  
 +
 
 +
Im Gegensatz zum  Programm „akf1” aus [[Aufgaben:4.11_C-Programm_„akf1”|Aufgabe 4.11]] wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten:
  
 
*Der an das Programm übergebene Long-Wert sei hier $l=10$.  
 
*Der an das Programm übergebene Long-Wert sei hier $l=10$.  
Line 11: Line 13:
 
*Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst.
 
*Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst.
 
*Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet.
 
*Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet.
 +
 +
 +
  
  
 
''Hinweise:''  
 
''Hinweise:''  
 
*Die Aufgabe gehört zum  Kapitel [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)|Autokorrelationsfunktion]].
 
*Die Aufgabe gehört zum  Kapitel [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)|Autokorrelationsfunktion]].
*Bezug genommen wird insbesondere auf die Seiten [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Numerische_AKF-Ermittlung|Numerische AKF-Ermittlung]] sowie [[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Genauigkeit_der_numerischen_AKF-Berechnung|Genauigkeit der numerischen AKF-Berechnung]].
+
*Insbesondere wird Bezug genommen auf die Seiten  
 +
**[[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Numerische_AKF-Ermittlung|Numerische AKF-Ermittlung]],
 +
**[[Stochastische_Signaltheorie/Autokorrelationsfunktion_(AKF)#Genauigkeit_der_numerischen_AKF-Berechnung|Genauigkeit der numerischen AKF-Berechnung]].
 
   
 
   
  
Line 22: Line 29:
  
 
<quiz display=simple>
 
<quiz display=simple>
{Auf wie vielen Summanden ($S$) basiert die AKF-Berechnung f&uuml;r den Index $k=0$ bzw. für $k=10$?
+
{Auf wie vielen Summanden ($S$) basiert die AKF-Berechnung f&uuml;r den Index $k=0$ &nbsp;bzw.&nbsp; für $k=10$?
 
|type="{}"}
 
|type="{}"}
$S_{k=0} \ = $  { 10000 0.01% }
+
$S_{k=0} \ = \ $  { 10000 0.01% }
$S_{k=10} \ = $ { 9990 0.01% }
+
$S_{k=10} \ = \ $ { 9990 0.01% }
  
  
Line 40: Line 47:
 
+ Je st&auml;rker die inneren statistischen Bindungen des Prozesses sind, desto <u>ungenauer</u> ist bei gegebenem $N$ das AKF-Ergebnis.
 
+ Je st&auml;rker die inneren statistischen Bindungen des Prozesses sind, desto <u>ungenauer</u> ist bei gegebenem $N$ das AKF-Ergebnis.
 
- Je st&auml;rker die inneren statistischen Bindungen des Prozesses sind, desto <u>genauer</u> ist bei gegebenem $N$ das AKF-Ergebnis.
 
- Je st&auml;rker die inneren statistischen Bindungen des Prozesses sind, desto <u>genauer</u> ist bei gegebenem $N$ das AKF-Ergebnis.
+ Besitzt der Prozess statistische Bindungen, so sind die Fehler der numerischen AKF-Berechnung ebenfalls korreliert. <i>Beispiel:</i>  
+
+ Besitzt der Prozess statistische Bindungen, so sind die Fehler der numerischen AKF-Berechnung ebenfalls korreliert. &nbsp; &nbsp; <i>Beispiel:</i> <br>&nbsp; &nbsp;Ist der Wert $\varphi_x(k=5)$ zu gro&szlig;, so werden mit gro&szlig;er Wahrscheinlichkeit auch $\varphi_x(k=4)$ und $\varphi_x(k=6)$ zu gro&szlig; sein.
<br>Ist der Wert $\varphi_x(k=5)$ zu gro&szlig;, so werden mit gro&szlig;er Wahrscheinlichkeit auch $\varphi_x(k=4)$ und $\varphi_x(k=6)$ zu gro&szlig; sein.
 
  
  

Revision as of 16:24, 18 August 2018

C-Programm 2 zur AKF–Berechnung

Sie sehen rechts das C-Programm „akf2” zur Berechnung der diskreten AKF-Werte $\varphi_x(k)$ mit Index $k = 0$, ... , $l$.

Im Gegensatz zum Programm „akf1” aus Aufgabe 4.11 wird hier der im Theorieteil beschriebene Algorithmus direkt angewendet. Dabei ist zu beachten:

  • Der an das Programm übergebene Long-Wert sei hier $l=10$.
  • Die berechneten AKF-Werte $\varphi_x(0)$, ... , $\varphi_x(10)$ werden mit dem Float-Feld $\rm AKF[ \ ]$ an das Hauptprogramm zurückgegeben. In den Zeilen 7 und 8 wird dieses Feld mit Nullen vorbelegt.
  • Die Zufallsgröße $x( \ )$ ist als Float-Funktion in Zeile 4 definiert, ebenso ein Hilfsfeld ${\rm H}[10000 ]$, in das die $N = 10000$ Abtastwerte $x_\nu$ eingetragen werden (Zeile 9 und 10).
  • Die Bezeichnungen der Laufvariablen in Zeile 6 sind an den angegebenen Algorithmus angepasst.
  • Die eigentliche AKF-Berechnung erfolgt ab Zeile 11. Dieser Programmteil ist im Programmcode rot gekennzeichnet.



Hinweise:


Fragebogen

1

Auf wie vielen Summanden ($S$) basiert die AKF-Berechnung für den Index $k=0$  bzw.  für $k=10$?

$S_{k=0} \ = \ $

$S_{k=10} \ = \ $

2

Welche der nachfolgenden Aussagen sind richtig?

Die Rechenzeit steigt linear mit $l + 1$, also mit der Anzahl der zu berechnenden AKF-Werte.
Die Rechenzeit nimmt mit der Anzahl $N$ der berücksichtigten Abtastwerte quadratisch zu.
Die Berechnung wird mit steigendem $N$ genauer.
Wird eine Floatvariable mit $\rm 4 \ Byte$ dargestellt, so benötigt „akf2” mindestens $4 \cdot N$ Byte Speicherplatz.

3

Welche der nachfolgenden Aussagen sind zutreffend?

Je stärker die inneren statistischen Bindungen des Prozesses sind, desto ungenauer ist bei gegebenem $N$ das AKF-Ergebnis.
Je stärker die inneren statistischen Bindungen des Prozesses sind, desto genauer ist bei gegebenem $N$ das AKF-Ergebnis.
Besitzt der Prozess statistische Bindungen, so sind die Fehler der numerischen AKF-Berechnung ebenfalls korreliert.     Beispiel:
   Ist der Wert $\varphi_x(k=5)$ zu groß, so werden mit großer Wahrscheinlichkeit auch $\varphi_x(k=4)$ und $\varphi_x(k=6)$ zu groß sein.


Musterlösung

(1)  Zur Berechnung des AKF-Wertes $\varphi_x(0)$ wird über $\underline{N =10000}$ Summanden gemittelt, für $\varphi_x(10)$ nur über $\underline{N = 9990}$.


(2)  Richtig sind die Lösungsvorschläge 1, 3 und 4:

  • Die Rechenzeit steigt mit $N$ und $l + 1$ näherungsweise linear an, wie aus der rot hervorgehobenen AKF-Berechnung hervorgeht. Die Rechenzeit für die weiteren Programmteile kann demgegenüber vernachlässigt werden.
  • Natürlich wird die Berechnung mit steigendem $N$ auch genauer. Dies geht hier – im Gegensatz zum Programm „akf1” von Aufgabe 4.11 – allerdings auf Kosten des erforderlichen Speicherbedarfs. Da jede Float-Variable genau vier Byte beansprucht, benötigt alleine das Hilfsfeld ${\rm H}[10000 ]$ einen Speicher von 40 kByte.


(3)  Richtig sind die Lösungsvorschläge 1 und 3:

  • Je stärker die statistischen Bindungen innerhalb des Zufallsprozesses sind, desto ungenauer ist bei gegebenem $N$ die AKF-Berechnung.
  • Diesen Sachverhalt kann man sich beispielsweise anhand der Leistungsberechnung (AKF-Wert bei $k=0$) verdeutlichen: Sind alle N Abtastwerte statistisch unabhängig, so liefern alle Beiträge die maximale Information über den AKF–Wert $\varphi_x(k=0)$.
  • Bestehen jedoch statistische Bindungen zwischen $x_\nu$ und $x_{\nu+1}$, nicht jedoch zwischen $x_\nu$ und $x_{\nu+2}$, so liefern nur die Hälfte aller Abtastwerte die volle Information über $\varphi_x(k=0)$ und die anderen nur eingeschränkte Informationen.
  • Dieser auf Korrelationen beruhende Informationsverlust kann in diesem Beispiel nur durch eine Verdopplung von $N$ ausgeglichen werden.
  • Die letzte Aussage trifft ebenfalls zu, wie auf der Seite „Genauigkeit der numerischen AKF-Berechnung” im Theorieteil ausführlich erläutert wird.