Aufgaben:Exercise 3.6: Partitioning Inequality: Difference between revisions
From LNTwww
Die Seite wurde neu angelegt: „ {{quiz-Header|Buchseite=Informationstheorie/Einige Vorbemerkungen zu zweidimensionalen Zufallsgrößen }} [[File:|right|]] ===Fragebogen=== <quiz display…“ |
No edit summary |
||
| Line 3: | Line 3: | ||
}} | }} | ||
[[File:|right|]] | [[File:P_ID2812__Inf_A_3_5.png|right|]] | ||
Die $Kullback–Leibler–Distanz$ (kurz KLD) wird auch in der „Partitionierungsungleichung” (englisch: Partition Unequality) verwendet: | |||
:* Wir gehen von der Menge | |||
$$X=\{ x_1,x_2,.....,x_M \}$$ | |||
und den Wahrscheinlichkeitsfunktionen | |||
$P_X(X) = P_X(x_1,x_2,....,x_M)$ , | |||
$Q_X(X) = Q_X(x_1,x_2,....,x_M)$ | |||
aus, die in irgendeiner Form „ähnlich” sein sollen | |||
:* Die Menge $X$ unterteilen wir in die Partitionen A_1, ..., A_K, die zueinander disjunkt sind und ein $vollständiges System$ ergeben: | |||
$\bigcup_{i=_1}^K A_i = X$ , $A_i \cap A_j = \phi für 1 \leq i \neq j \leq K$ | |||
Revision as of 21:24, 25 November 2016
Die $Kullback–Leibler–Distanz$ (kurz KLD) wird auch in der „Partitionierungsungleichung” (englisch: Partition Unequality) verwendet:
- Wir gehen von der Menge
$$X=\{ x_1,x_2,.....,x_M \}$$ und den Wahrscheinlichkeitsfunktionen
$P_X(X) = P_X(x_1,x_2,....,x_M)$ ,
$Q_X(X) = Q_X(x_1,x_2,....,x_M)$ aus, die in irgendeiner Form „ähnlich” sein sollen
- Die Menge $X$ unterteilen wir in die Partitionen A_1, ..., A_K, die zueinander disjunkt sind und ein $vollständiges System$ ergeben:
$\bigcup_{i=_1}^K A_i = X$ , $A_i \cap A_j = \phi für 1 \leq i \neq j \leq K$
Fragebogen
Musterlösung
1.
2.
3.
4.
5.
6.
7.
