Difference between revisions of "Aufgaben:Exercise 4.2Z: Mixed Random Variables"
| Line 3: | Line 3: | ||
}} | }} | ||
| − | [[File:|right|]] | + | [[File:P_ID2868__Inf_Z_4_2_neu.png|right|]] |
| + | Man spricht von einer <i>gemischten Zufallsgröße</i>, wenn die Zufallsgröße neben einem kontinuierlichen Anteil auch noch diskrete Anteile beinhaltet. | ||
| + | |||
| + | Die Zufallsgröße <i>Y</i> mit der [http://en.lntwww.de/Stochastische_Signaltheorie/Verteilungsfunktion '''Verteilungsfunktion'''] <i>F<sub>Y</sub></i>(<i>y</i>) gemäß der unteren Skizze besitzt beispielsweise sowohl einen kontinuierlichen als auch einen diskreten Anteil. Die [http://en.lntwww.de/Stochastische_Signaltheorie/Wahrscheinlichkeitsdichtefunktion '''Wahrscheinlichkeitsdichtefunktion'''] <i>f<sub>Y</sub></i>(<i>y</i>) erhält man aus <i>F<sub>Y</sub></i>(<i>y</i>) durch Differentiation. Aus dem Sprung bei <i>y</i> = 1 in der Verteilungsfunktion (VTF) wird somit ein „Dirac” in der Wahrscheinlichkeitsdichtefunktion (WDF). | ||
| + | |||
| + | In der Teilaufgabe (d) soll die differentielle Entropie <i>h</i>(<i>Y</i>) der Zufallsgröße <i>Y</i> ermittelt werden (in bit), wobei von folgender Gleichung auszugehen ist: | ||
| + | $$h(Y) = | ||
| + | \hspace{0.1cm} - \hspace{-0.45cm} \int\limits_{{\rm supp}\hspace{0.03cm}(\hspace{-0.03cm}f_Y)} \hspace{-0.35cm} f_Y(y) \cdot {\rm log}_2 \hspace{0.1cm} [ f_Y(y) ] \hspace{0.1cm}{\rm d}y | ||
| + | \hspace{0.05cm}.$$ | ||
| + | In der Teilaufgabe (b) ist die differentielle Entropie <i>h</i>(<i>X</i>) der Zufallsgröße <i>X</i> zu berechnen, deren WDF <i>f<sub>X</sub></i>(<i>x</i>) oben skizziert ist. Führt man einen geeigneten Grenzübergang durch, so wird auch aus der Zufallsgröße <i>X</i> eine gemischte Zufallsgröße. | ||
| + | |||
| + | <b>Hinweis:</b> Die Aufgabe gehört zum [http://en.lntwww.de/Informationstheorie/Differentielle_Entropie '''Kapitel 4.1'''] des vorliegenden Buches. Weitere Informationen zu gemischten Zufallsgrößen finden Sie im [http://en.lntwww.de/Stochastische_Signaltheorie '''Kapitel 3.2'''] des Buches „Stochastische Signaltheorie”. | ||
Revision as of 18:15, 21 March 2017
Man spricht von einer gemischten Zufallsgröße, wenn die Zufallsgröße neben einem kontinuierlichen Anteil auch noch diskrete Anteile beinhaltet.
Die Zufallsgröße Y mit der Verteilungsfunktion FY(y) gemäß der unteren Skizze besitzt beispielsweise sowohl einen kontinuierlichen als auch einen diskreten Anteil. Die Wahrscheinlichkeitsdichtefunktion fY(y) erhält man aus FY(y) durch Differentiation. Aus dem Sprung bei y = 1 in der Verteilungsfunktion (VTF) wird somit ein „Dirac” in der Wahrscheinlichkeitsdichtefunktion (WDF).
In der Teilaufgabe (d) soll die differentielle Entropie h(Y) der Zufallsgröße Y ermittelt werden (in bit), wobei von folgender Gleichung auszugehen ist: $$h(Y) = \hspace{0.1cm} - \hspace{-0.45cm} \int\limits_{{\rm supp}\hspace{0.03cm}(\hspace{-0.03cm}f_Y)} \hspace{-0.35cm} f_Y(y) \cdot {\rm log}_2 \hspace{0.1cm} [ f_Y(y) ] \hspace{0.1cm}{\rm d}y \hspace{0.05cm}.$$ In der Teilaufgabe (b) ist die differentielle Entropie h(X) der Zufallsgröße X zu berechnen, deren WDF fX(x) oben skizziert ist. Führt man einen geeigneten Grenzübergang durch, so wird auch aus der Zufallsgröße X eine gemischte Zufallsgröße.
Hinweis: Die Aufgabe gehört zum Kapitel 4.1 des vorliegenden Buches. Weitere Informationen zu gemischten Zufallsgrößen finden Sie im Kapitel 3.2 des Buches „Stochastische Signaltheorie”.
Fragebogen
Musterlösung
