Difference between revisions of "Aufgaben:Exercise 3.6: Partitioning Inequality"

From LNTwww
(Die Seite wurde neu angelegt: „ {{quiz-Header|Buchseite=Informationstheorie/Einige Vorbemerkungen zu zweidimensionalen Zufallsgrößen }} [[File:|right|]] ===Fragebogen=== <quiz display…“)
 
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

P ID2812 Inf A 3 5.png

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

1

Multiple-Choice Frage

Falsch
Richtig

2

Input-Box Frage

$\alpha$ =


Musterlösung

1. 2. 3. 4. 5. 6. 7.