Difference between revisions of "Aufgaben:Exercise 1.4Z: Sum of Ternary Quantities"

From LNTwww
m (Text replacement - "[[Stochastische_Signaltheorie/" to "[[Theory_of_Stochastic_Signals/")
m (Text replacement - "Category:Aufgaben zu Stochastische Signaltheorie" to "Category:Theory of Stochastic Signals: Exercises")
Line 81: Line 81:
  
  
[[Category:Aufgaben zu Stochastische Signaltheorie|^1.3 Statistische (Un-)Abhängigkeit^]]
+
[[Category:Theory of Stochastic Signals: Exercises|^1.3 Statistische (Un-)Abhängigkeit^]]

Revision as of 13:43, 23 March 2021

Summe zweier Ternärgrößen  $x$  und  $y$

Gegeben seien die ternären Zufallsgrößen

$$x ∈ {–2, \ 0, +2},$$
$$y ∈ {–1, \ 0, +1}.$$

Diese beiden Ternärwerte treten jeweils mit gleicher Wahrscheinlichkeit auf.  Daraus wird als eine neue Zufallsgröße die Summe  $s = x + y$  gebildet.

Das nebenstehendes Schema zeigt, dass die Summe  $s$  alle ganzzahligen Werte zwischen  $–3$  und  $+3$  annehmen kann: 

$$ s \in \{-3, -2, -1, \ 0, +1, +2, +3\}.$$




Hinweise:

  • Eine Zusammenfassung der theoretischen Grundlagen mit Beispielen bringt das Lernvideo 
Statistische Abhängigkeit und Unabhängigkeit.


Fragebogen

1

Berechnen Sie die Wahrscheinlichkeit, dass die Summe  $s$  positv ist:

${\rm Pr}(s>0) \ = \ $

2

Berechnen Sie die Wahrscheinlichkeit, dass sowohl die Eingangsgröße  $x$  als auch die Summe  $s$  positiv sind:

${\rm Pr}\big [(x>0) \cap (s>0)\big] \ = \ $

3

Berechnen Sie die bedingte Wahrscheinlichkeit, dass die Eingangsgröße  $x > 0$  ist, wenn  $s > 0$  gilt:

${\rm Pr}(x>0\hspace{0.05cm}|\hspace{0.05cm}s>0)\ = \ $

4

Berechnen Sie die bedingte Wahrscheinlichkeit, dass die Summe  $s$  positiv ist, wenn die Eingangsgröße  $x > 0$  ist:

${\rm Pr}(s>0\hspace{0.05cm}|\hspace{0.05cm}x>0)\ = \ $


Musterlösung

Ternärgrößen im Venndiagramm

In nebenstehender Grafik sind

  • die drei zum Ereignis  $„x > 0“$  gehörenden Felder violett umrandet,
  • die Felder für  $„s > 0“$  gelb hinterlegt.


Alle gesuchten Wahrscheinlichkeiten können hier mit Hilfe der klassischen Definition ermittelt werden.

(1)  Dieses Ereignis ist durch die gelb hinterlegten Felder gekennzeichnet:

$$\rm Pr (\it s > \rm 0) = \rm 4/9 \hspace{0.15cm}\underline { \approx \rm 0.444}.$$


(2)  Hier gilt folgender Sachverhalt:

$$\rm Pr \big[(\it x > \rm 0) \cap (\it s>\rm 0) \big ] = \rm Pr(\it x > \rm 0) =\rm 3/9\hspace{0.15cm}\underline { \approx \rm 0.333}. $$


(3)  Mit den Ergebnissen der Teilaufgaben  (1)  und  (2)  folgt:

$$\rm Pr \big[(\it x > \rm 0) \hspace{0.05cm}| \hspace{0.05cm} (\it s > \rm 0)\big] = \frac{{\rm Pr} [(\it x > \rm 0) \cap (\it s > \rm 0)]}{{\rm Pr}(\it s > \rm 0)}= \frac{3/9}{4/9}\hspace{0.15cm}\underline {= 0.75}.$$


(4)  Analog zur Teilaufgabe  (3)  gilt nun:

$$\rm Pr(\it s > \rm 0 \hspace{0.05cm} | \hspace{0.05cm} \it x > \rm 0)=\frac{Pr \big[(\it x > \rm 0) \cap (\it s > \rm 0) \big]}{Pr(\it x >\rm 0)}=\rm \frac{3/9}{3/9}\hspace{0.15cm}\underline {= 1}.$$