Difference between revisions of "Aufgaben:Exercise 5.6Z: Gilbert-Elliott Model"

From LNTwww
m (Text replacement - "[[Stochastische_Signaltheorie/" to "[[Theory_of_Stochastic_Signals/")
m (Text replacement - "[[Digitalsignalübertragung" to "[[Digital_Signal_Transmission")
Line 27: Line 27:
 
''Hinweise:''
 
''Hinweise:''
 
* Die Aufgabe gehört zum Kapitel  [[Digitalsignal%C3%BCbertragung/B%C3%BCndelfehlerkan%C3%A4le| Bündelfehlerkanäle]].
 
* Die Aufgabe gehört zum Kapitel  [[Digitalsignal%C3%BCbertragung/B%C3%BCndelfehlerkan%C3%A4le| Bündelfehlerkanäle]].
*Bezug genommen wird aber auch auf das Kapitel  [[Theory_of_Stochastic_Signals/Markovketten| Markovketten]]  im Buch „Stochastische Signaltheorie” und insbesondere auf die Seite  [[Digitalsignalübertragung/Bündelfehlerkanäle#Fehlerkorrelationsfunktion_des_GE.E2.80.93Modells|Fehlerkorrelationsfunktion des GE–Modells]]  im Buch „Kanalcodierung”.
+
*Bezug genommen wird aber auch auf das Kapitel  [[Theory_of_Stochastic_Signals/Markovketten| Markovketten]]  im Buch „Stochastische Signaltheorie” und insbesondere auf die Seite  [[Digital_Signal_Transmission/Bündelfehlerkanäle#Fehlerkorrelationsfunktion_des_GE.E2.80.93Modells|Fehlerkorrelationsfunktion des GE–Modells]]  im Buch „Kanalcodierung”.
 
   
 
   
  

Revision as of 13:56, 9 July 2020

Vorgegebenes Gilbert–Elliott–Modell

Wir betrachten das Bündelfehler–Kanalmodell  nach  E.N. Gilbert  und E.O. Elliott (siehe Skizze). Für die Übergangswahrscheinlichkeiten soll dabei gelten:

$${\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)= 0.1, \hspace{0.2cm} {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) = 0.01\hspace{0.05cm}.$$

Die Fehlerwahrscheinlichkeit im Zustand „GOOD” betrage  $p_{\rm G} = 0.1\%$. Für den Zustand „BAD” gelte  $p_{\rm B} = 10\%$.

Im Verlaufe dieser Aufgabe sollen weitere Kenngrößen ermittelt werden:

  • die mittlere Fehlerwahrscheinlichkeit  $p_{\rm M}$,
  • die Zustandswahrscheinlichkeiten  $w_{\rm G} = \rm Pr(Z = G)$  und  $w_{\rm B} = \rm Pr(Z = B)$,
  • die Werte der Korrelationsfunktion, die für  $k > 0$  analytisch wie folgt gegeben ist:
$$\varphi_{e}(k) = p_{\rm M}^2 + (p_{\rm B} - p_{\rm M}) \cdot (p_{\rm M} - p_{\rm G}) \cdot \big [1 - {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G )- {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B )\big ]^{\it k} \hspace{0.05cm}.$$




Hinweise:



Fragebogen

1

Wie lauten die folgenden Übergangswahrscheinlichkeiten?

$\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}G) \ = \ $

$\rm Pr(B\hspace{0.05cm}|\hspace{0.05cm}B) \hspace{0.2cm} = \ $

2

Mit welchen Wahrscheinlichkeiten befindet sich das GE–Modell im Zustand „GOOD”  $(w_{\rm G})$  bzw. im Zustand „BAD”  $(w_{\rm B})$?

$w_{\rm G} \ = \ $

$w_{\rm B} \ = \ $

3

Berechnen Sie die mittlere Fehlerwahrscheinlichkeit  $p_{\rm M}$.

$p_{\rm M} \ = \ $

$\ \%$

4

Berechnen Sie die folgenden FKF–Werte:

$\varphi_e(k = 1) \hspace{0.35cm} = \ $

$\ \cdot 10^{-4}$
$\varphi_e(k = 2) \hspace{0.35cm} = \ $

$\ \cdot 10^{-4}$
$\varphi_e(k = 5) \hspace{0.35cm} = \ $

$\ \cdot 10^{-4}$
$\varphi_e(k = 50) \ = \ $

$\ \cdot 10^{-4}$

5

Wie groß ist der FKF–Wert  $\varphi_e(k = 0)$?

$\varphi_e(k = 0) \ = \ $

$\ \cdot 10^{-2}$

6

Lässt sich die mittlere Fehlerwahrscheinlichkeit  $p_{\rm M} = 0.005$  erreichen durch

alleinige Änderung von  $p_{\rm G}$,
alleinige Änderung von  $p_{\rm B}$,
alleinige Änderung von  $\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}B)$,
alleinige Änderung von  $\rm Pr(B\hspace{0.05cm}|\hspace{0.05cm}G)$?


Musterlösung

(1)  Es gilt $\rm Pr(G\hspace{0.05cm}|\hspace{0.05cm}G) = 1 \, –Pr(B\hspace{0.05cm}|\hspace{0.05cm}G) \ \underline {= 0.99}$ sowie $\rm Pr(B\hspace{0.05cm}|\hspace{0.05cm}B) = 1 \, –Pr(G\hspace{0.05cm}|\hspace{0.05cm}B) \ \underline {= 0.9}$.


(2)  Das GE–Modell ist eine stationäre Markovkette.

  • Für die Wahrscheinlichkeit, dass sich diese im Zustand „GOOD” befindet, gilt unter Berücksichtigung des Ergebnisses der Teilaufgabe (1):
$$w_{\rm G} = {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} G) \cdot w_{\rm G} + {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) \cdot w_{\rm B}\hspace{0.3cm} \Rightarrow \hspace{0.3cm} {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) \cdot w_{\rm G} = {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) \cdot w_{\rm B} \hspace{0.05cm}.$$
  • Weiter gilt $w_{\rm B} = 1 \, –w_{\rm G}$:
$${\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) \cdot w_{\rm G} + {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) \cdot w_{\rm G} = {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)$$
$$\Rightarrow \hspace{0.3cm} w_{\rm G} = \frac{{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)}{{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) + {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)} = \frac{0.1}{0.1 + 0.01} \hspace{0.15cm}\underline {\approx 0.909} \hspace{0.05cm},\hspace{0.2cm} w_{\rm B} = 1 - w_{\rm G }\hspace{0.15cm}\underline {\approx 0.091}\hspace{0.05cm}.$$


(3)  Die mittlere Fehlerwahrscheinlichkeit $p_{\rm M}$ ergibt sich aus den Fehlerwahrscheinlichkeiten $p_{\rm G}$ und $p_{\rm B}$, gewichtet mit $w_{\rm G}$ und $w_{\rm B}$:

$$p_{\rm M} = w_{\rm G} \cdot p_{\rm G} + w_{\rm B} \cdot p_{\rm B} = \frac{10}{11} \cdot 10^{-3} + \frac{1}{11} \cdot 10^{-1}= \frac{10+100}{11} \cdot 10^{-3}\hspace{0.15cm}\underline { = 1\%}\hspace{0.05cm}.$$


(4)  Entsprechend der allgemeinen Gleichung auf dem Angabenblatt gilt für $k > 0$:

$$\varphi_{e}(k) \hspace{-0.1cm} \ = \ \hspace{-0.1cm} p_{\rm M}^2 + (p_{\rm B} - p_{\rm M}) \cdot (p_{\rm M} - p_{\rm G}) \cdot [1 - {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G )- {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B )]^{\it k} = 10^{-4} + 0.09 \cdot 0.009 \cdot 0.89^{\it k} = 10^{-4} \cdot \left ( 1 + 8.1 \cdot 0.89^{\it k} \right )\hspace{0.05cm}.$$
$$\Rightarrow \hspace{0.3cm}\varphi_{e}(k = 1 ) \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 10^{-4} \cdot \left ( 1 + 8.1 \cdot 0.89^{ 1} \right ) \hspace{0.15cm}\underline {= 8.209 \cdot 10^{-4}} \hspace{0.05cm},$$
$$\Rightarrow \hspace{0.3cm}\varphi_{e}(k = 2 ) \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 10^{-4} \cdot \left ( 1 + 8.1 \cdot 0.89^{ 2} \right )\hspace{0.15cm}\underline { = 7.416 \cdot 10^{-4}} \hspace{0.05cm},$$
$$\Rightarrow \hspace{0.3cm}\varphi_{e}(k = 5 ) \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 10^{-4} \cdot \left ( 1 + 8.1 \cdot 0.89^{ 5} \right )\hspace{0.15cm}\underline {= 5.523 \cdot 10^{-4}} \hspace{0.05cm},$$
$$\Rightarrow \hspace{0.3cm}\varphi_{e}(k = 50 ) \hspace{-0.1cm} \ = \ \hspace{-0.1cm} 10^{-4} \cdot \left ( 1 + 8.1 \cdot 0.89^{ 50} \right ) \hspace{0.15cm}\underline {= 1.024 \cdot 10^{-4}} \hspace{0.05cm}.$$


(5)  Für jedes Kanalmodell gilt wegen $e_{\nu} ∈ \{0, 1\}$:

$$\varphi_{e}(k = 0 ) = {\rm E}[e_{\nu} ^2] = {\rm E}[e_{\nu} ] = p_{\rm M} \hspace{0.05cm}.$$

Mit dem Ergebnis der Teilaufgabe (3) ergibt sich für den vorliegenden Fall $\varphi_e(k = 0) \ \underline {= 0.01}$.


(6)  Entsprechend der Teilaufgabe (3) gilt:

$$p_{\rm M} = {10}/{11} \cdot p_{\rm G} + {1}/{11} \cdot p_{\rm B} \hspace{0.05cm}.$$
  • Bei vorgegebenem $p_{\rm B} = 0.1$ ergibt sich selbst für $p_{\rm G} = 0$ (kein Fehler im Zustand „G”) die mittlere Fehlerwahrscheinlichkeit zu $p_{\rm M} \approx 0.009$.
  • Dagegen ist mit festem $p_{\rm G} = 0.001$ der Wert $p_{\rm M} = 0.005$ erreichbar:
$$0.005 = {10}/{11} \cdot 10^{-3} + {1}/{11} \cdot p_{\rm B} \hspace{0.3cm} \Rightarrow \hspace{0.3cm} p_{\rm B} \le 0.055 - 0.1 = 4.5\%\hspace{0.05cm}.$$
  • Weiterhin kann die mittlere Fehlerwahrscheinlichkeit (mit vorgegebenem $p_{\rm G}$ und $p_{\rm B}$) auch wie folgt dargestellt werden:
$$p_{\rm M} = \frac{p_{\rm G} \cdot {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)+ p_{\rm B} \cdot {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)}{{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) + {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)} = \frac{0.001 \cdot {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)+ 0.1 \cdot {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)}{{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) + {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)}\hspace{0.05cm}.$$
  • Mit $\rm Pr(B|G) = 0.01$ bzw. mit $\rm Pr(G|B) = 0.1$ erhält man folgende Gleichungen:
$${\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) = 0.01\hspace{-0.15cm}:\hspace{0.2cm} {\it p}_{\rm M} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} \frac{0.001 \cdot {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B)+ 0.001 }{{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) + 0.01}\hspace{0.05cm},\hspace{0.5cm} {\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) = 0.1\hspace{-0.15cm}:\hspace{0.2cm}{\it p}_{\rm M} \hspace{-0.1cm} \ = \ \hspace{-0.1cm} \frac{0.0001 + 0.1 \cdot {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)}{0.1 +{\rm Pr}(\rm G\hspace{0.05cm}|\hspace{0.05cm} B) }\hspace{0.05cm}.$$
  • Aus der letzten Gleichung ist zu erkennen, dass mit keinem $\rm Pr(G|B)$–Wert das Ergebnis $p_{\rm M} = 0.005$ möglich ist.
  • Dagegen lässt sich durch ein kleineres $\rm Pr(B|G)$ die Bedingung erfüllen:
$$0.005 = \frac{0.0001 + 0.1 \cdot {\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G)}{0.1 +{\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) } \hspace{0.3cm} \Rightarrow \hspace{0.3cm}{\rm Pr}(\rm B\hspace{0.05cm}|\hspace{0.05cm} G) \le \frac{0.0004}{0.095} \approx 0.0042\hspace{0.05cm}.$$
  • Richtig sind somit die Lösungsvorschläge 2 und 4.