Difference between revisions of "Aufgaben:Exercise 3.8Z: Tuples from Ternary Random Variables"

Revision as of 17:11, 9 October 2018

„Wahrscheinlichkeiten” der Zufallsgröße $XY$

Wir betrachten das Tupel $Z = (X, Y)$, wobei die Einzelkomponenten $X$ und $Y$ jeweils ternäre Zufallsgrößen darstellen ⇒ Symbolumfang $|X| = |Y| = 3$. Die gemeinsame Wahrscheinlichkeitsfunktion $P_{ XY }(X, Y)$ ist rechts skizziert.

In dieser Aufgabe sind zu berechnen:

die Verbundentropie $H(XY)$ und die Transinformation $I(X; Y)$,
die Verbundentropie $H(XZ)$ und die Transinformation $I(X; Z)$,
die beiden bedingten Entropien $H(Z|X)$ und $H(X|Z)$.

Hinweise:

Die Aufgabe gehört zum Kapitel Verschiedene Entropien zweidimensionaler Zufallsgrößen.
Insbesondere wird Bezug genommen auf die Seiten
Bedingte Wahrscheinlichkeit und bedingte Entropie sowie
Transinformation zwischen zwei Zufallsgrößen.

Fragebogen

$H(X)\ = \ $

$\ \rm bit$

$H(Y)\ = \ $

$\ \rm bit$

$ H(XY)\ = \ $

$\ \rm bit$

$I(X; Y)\ = \ $

$\ \rm bit$

$I(X; Z)\ = \ $

$\ \rm bit$

$H(Z|X)\ = \ $

$\ \rm bit$

$ H(X|Z)\ = \ $

$\ \rm bit$

Musterlösung

Solution

(1) Bei den Zufallsgrößen $X =\{0, 1, 2\}$ ⇒ $|X| = 3$ und $Y = \{0, 1, 2\}$ ⇒ $|Y| = 3$ liegt jeweils eine Gleichverteilung vor. Damit erhält man für die Entropien:

$$H(X) = {\rm log}_2 \hspace{0.1cm} (3) \hspace{0.15cm}\underline{= 1.585\,{\rm (bit)}} \hspace{0.05cm},$$

$$H(Y) = {\rm log}_2 \hspace{0.1cm} (3) \hspace{0.15cm}\underline{= 1.585\,{\rm (bit)}}\hspace{0.05cm}.$$

Die 2D–Zufallsgröße $XY = \{00, 01, 02, 10, 11, 12, 20, 21, 22\}$ ⇒ $|XY| = |Z| = 9$ weist ebenfalls gleiche Wahrscheinlichkeiten auf:

$$p_{ 00 } = p_{ 01 } =\text{...} = p_{ 22 } = 1/9.$$

Daraus folgt:

$$H(XY) = {\rm log}_2 \hspace{0.1cm} (9) \hspace{0.15cm}\underline{= 3.170\,{\rm (bit)}} \hspace{0.05cm}.$$

(2) Die Zufallsgrößen$X$und $Y$ sind wegen $P_{ XY }(⋅) = P_X(⋅) · P_Y(⋅)$ statistisch unabhängig.

Daraus folgt $I(X, Y)\hspace{0.15cm}\underline{ = 0}$.
Zum gleichen Ergebnis kommt man über die Gleichung $I(X; Y) = H(X) + H(Y) – H(XY)$.

(3) Interpretiert man $I(X; Z)$ als die verbleibende Unsicherheit hinsichtlich des Tupels $Z$, wenn die erste Komponente $X$ bekannt ist, so gilt offensichtlich

$$ I(X; Z) = H(Y)\hspace{0.15cm}\underline{ = 1.585 \ \rm bit}.$$

Wahrscheinlichkeitsfunktion der 2D-Zufallsgröße $XZ$

Rein formal lässt sich diese Aufgabe auch wie folgt lösen:

Die Entropie $H(Z)$ ist gleich der Verbundentropie $H(XY) = 3.170 \ \rm bit$.
Die Verbundwahrscheinlichkeit $P_{ XZ }(X, Z)$ beinhaltet neun Elemente der Wahrscheinlichkeit $1/9$, alle anderen sind mit Nullen belegt ⇒ $H(XZ) = \log_2 (9) = 3.170 \ \rm bit $.
Damit gilt für die Transinformation (gemeinsame Information der Zufallsgrößen $X$ und $Z$):

$$I(X;Z) = H(X) + H(Z) - H(XZ) = 1.585 + 3.170- 3.170\hspace{0.15cm} \underline {= 1.585\,{\rm (bit)}} \hspace{0.05cm}.$$

Entropien der 2D-Zufallsgröße $XZ$

(4) Entsprechend der zweiten Grafik gilt:

$$H(Z \hspace{-0.1cm}\mid \hspace{-0.1cm} X) = H(XZ) - H(X) = 3.170-1.585\hspace{0.15cm} \underline {=1.585\,{\rm (bit)}} \hspace{0.05cm},$$

$$H(X \hspace{-0.1cm}\mid \hspace{-0.1cm} Z) = H(XZ) - H(Z) = 3.170-3.170\hspace{0.15cm} \underline {=0\,{\rm (bit)}} \hspace{0.05cm}.$$

$H(Z|X)$ gibt die Restunsicherheit hinsichtlich des Tupels $Z$ an, wenn man die erste Komponente $X$ kennt.
Die Unsicherheit hinsichtlich des Tupels $Z$ ist $H(Z) = 2 · \log_2 (3) \ \rm bit$, bei Kenntnis der Komponente $X$ halbiert sich die Unsicherheit auf $H(Z|X) = \log_2 (3)\ \rm bit$.
$H(X|Z)$ gibt die verbleibende Unsicherheit hinsichtlich der Komponente $X$ an, wenn man das Tupel $Z = (X, Y)$ kennt. Diese Unsicherheit ist natürlich Null: Kennt man $Z$, so kennt man auch $X$.

@@ Line 32: / Line 32: @@
 $ H(XY)\ = \ $ { 3.17 3% } $\ \rm bit$
-{Welche Transinformationen besteht zwischen den Zufallsgrößen $X$ und $Y$?
+{Welche Transinformation besteht zwischen den Zufallsgrößen $X$ und $Y$?
 |type="{}"}
 $I(X; Y)\ = \ $ { 0. } $\ \rm bit$
-{Welche Transinformationen besteht zwischen den Zufallsgrößen $X$ und $Z$?
+{Welche Transinformation besteht zwischen den Zufallsgrößen $X$ und $Z$?
 |type="{}"}
 $I(X; Z)\ = \ $ { 1.585 3% } $\ \rm bit$
@@ Line 51: / Line 51: @@
 ===Musterlösung===
 {{ML-Kopf}}
-'''(1)'''&nbsp;  Bei den beiden Zufallsgrößen $X =\{0, 1, 2\}$ &nbsp; &rArr; &nbsp; $|X| = 3$ und $Y = \{0, 1, 2\}$ &nbsp; &rArr; &nbsp; $|Y| = 3$ liegt jeweils eine Gleichverteilung vor. Damit erhält man für die Entropien:
+'''(1)'''&nbsp;  Bei den Zufallsgrößen $X =\{0, 1, 2\}$ &nbsp; &rArr; &nbsp; $|X| = 3$ und $Y = \{0, 1, 2\}$ &nbsp; &rArr; &nbsp; $|Y| = 3$ liegt jeweils eine Gleichverteilung vor. Damit erhält man für die Entropien:
 :$$H(X) =  {\rm log}_2 \hspace{0.1cm} (3)
@@ Line 58: / Line 58: @@
 \hspace{0.15cm}\underline{= 1.585\,{\rm (bit)}}\hspace{0.05cm}.$$
-Die 2D–Zufallsgröße $XY = \{00, 01, 02, 10, 11, 12, 20, 21, 22\}$  &nbsp; &rArr; &nbsp;  $|XY| = |Z| = 9$ weist ebenfalls gleiche Wahrscheinlichkeiten auf: $p_{ 00 } = p_{ 01 } =\text{...} = p_{ 22 } = 1/9$. Daraus folgt:
+Die 2D–Zufallsgröße $XY = \{00, 01, 02, 10, 11, 12, 20, 21, 22\}$  &nbsp; &rArr; &nbsp;  $|XY| = |Z| = 9$ weist ebenfalls gleiche Wahrscheinlichkeiten auf:
+:$$p_{ 00 } = p_{ 01 } =\text{...} = p_{ 22 } = 1/9.$$
+Daraus folgt:
 :$$H(XY) =  {\rm log}_2 \hspace{0.1cm} (9) \hspace{0.15cm}\underline{= 3.170\,{\rm (bit)}} \hspace{0.05cm}.$$
-'''(2)'''&nbsp;  Die Zufallsgrößen$X$und $Y$ sind wegen $P_{ XY }(⋅) = P_X(⋅) · P_Y(⋅)$ statistisch unabhängig &nbsp; &rArr; &nbsp; $I(X, Y)\hspace{0.15cm}\underline{ = 0}$. Zum gleichen Ergebnis kommt man über die Gleichung $I(X; Y) = H(X) + H(Y) – H(XY)$.
+'''(2)'''&nbsp;  Die Zufallsgrößen$X$und $Y$ sind wegen $P_{ XY }(⋅) = P_X(⋅) · P_Y(⋅)$ statistisch unabhängig.
+*Daraus folgt  $I(X, Y)\hspace{0.15cm}\underline{ = 0}$.
+*Zum gleichen Ergebnis kommt man über die Gleichung $I(X; Y) = H(X) + H(Y) – H(XY)$.
-'''(3)'''&nbsp;  Interpretiert man $I(X; Z)$ als die verbleibende Unsicherheit hinsichtlich des Tupels $Z$, wenn die erste Komponente $X$ bekannt ist, so gilt offensichtlich$ I(X; Z) = H(Y)\hspace{0.15cm}\underline{  = 1.585 \ \rm bit}$.
-  [[File:P_ID2774__Inf_Z_3_7c.png|right|Wahrscheinlichkeitsfunion der 2D-Zufallsgrößen (<i>X</i> und <i>Z</i>)]]
+'''(3)'''&nbsp;  Interpretiert man $I(X; Z)$ als die verbleibende Unsicherheit hinsichtlich des Tupels $Z$, wenn die erste Komponente $X$ bekannt ist, so gilt offensichtlich
+:$$ I(X; Z) = H(Y)\hspace{0.15cm}\underline{  = 1.585 \ \rm bit}.$$
+[[File:P_ID2774__Inf_Z_3_7c.png|right|frame|Wahrscheinlichkeitsfunktion der 2D-Zufallsgröße $XZ$]]
 Rein formal lässt sich diese Aufgabe auch wie folgt lösen:
 * Die Entropie $H(Z)$ ist gleich der Verbundentropie $H(XY) = 3.170 \ \rm bit$.
-* Die Verbundwahrscheinlichkeit $P_{ XZ }(X, Z)$ beinhaltet neun Elemente der Wahrscheinlichkeit $1/9$, alle anderen sind mit Nullen belegt &nbsp; &rArr; &nbsp;   $H(XZ) = log2 (9) = 3.170 \ \rm bit $.
+* Die Verbundwahrscheinlichkeit $P_{ XZ }(X, Z)$ beinhaltet neun Elemente der Wahrscheinlichkeit $1/9$, alle anderen sind mit Nullen belegt &nbsp; &rArr; &nbsp;   $H(XZ) = \log_2 (9) = 3.170 \ \rm bit $.
-* Damit gilt für die Transinformation (gemeinsame Information der Zufalsgrößen $X$ und $Z$):
+* Damit gilt für die Transinformation (gemeinsame Information der Zufallsgrößen $X$ &nbsp;und&nbsp; $Z$):
 :$$I(X;Z) = H(X) + H(Z) - H(XZ) = 1.585 + 3.170- 3.170\hspace{0.15cm} \underline {= 1.585\,{\rm (bit)}} \hspace{0.05cm}.$$
-[[File:P_ID2773__Inf_Z_3_7d.png|right|Entropien der Zufallsgrößen <i>X</i> und <i>Z</i>]]
+[[File:P_ID2773__Inf_Z_3_7d.png|right|frame|Entropien der 2D-Zufallsgröße $XZ$]]
 '''(4)'''&nbsp;  Entsprechend der zweiten Grafik gilt:
@@ Line 79: / Line 86: @@
 :$$H(X \hspace{-0.1cm}\mid \hspace{-0.1cm} Z)  = H(XZ) - H(Z) = 3.170-3.170\hspace{0.15cm} \underline {=0\,{\rm (bit)}}  \hspace{0.05cm}.$$
-* $H(Z|X)$ gibt die Restunsicherheit hinsichtlich des Tupels $Z$ an, wenn man die erste Komponente $X$ kennt. Die Unsicherheit hinsichtlich des Tupels $Z$ ist $H(Z) = 2 · \log_2 (3) bit$, bei Kenntnis der Komponente $X$ halbiert sich die Unsicherheit auf $H(Z|X) = \log2 (3) bit$.
+* $H(Z|X)$ gibt die Restunsicherheit hinsichtlich des Tupels $Z$ an, wenn man die erste Komponente $X$ kennt.
-* $H(X|Z)$gibt die verbleibende Unsicherheit hinsichtlich der Komponente $X$ an, wenn man das Tupel $Z = (X, Y)$ kennt. Diese Unsicherheit ist natürlich Null: Kennt man $Z$, so kennt man auch $X$.
+*Die Unsicherheit hinsichtlich des Tupels $Z$ ist $H(Z) = 2 · \log_2 (3) \ \rm bit$, bei Kenntnis der Komponente $X$ halbiert sich die Unsicherheit auf $H(Z|X) = \log_2 (3)\ \rm  bit$.
+* $H(X|Z)$ gibt die verbleibende Unsicherheit hinsichtlich der Komponente $X$ an, wenn man das Tupel $Z = (X, Y)$ kennt. Diese Unsicherheit ist natürlich Null: &nbsp; Kennt man $Z$, so kennt man auch $X$.
 {{ML-Fuß}}