Moments of a Discrete Random Variable

From LNTwww

Calculation as ensemble average or time average


The probabilities and the relative frequencies provide extensive information about a discrete random variable. Reduced information is obtained by the so-called moments  $m_k$, where  $k$  represents a natural number.

$\text{Two alternative ways of calculation:}$ 

Under the  Ergodicity  implied here, there are two different calculation possibilities for the moment  $k$-th order:

  • the  ensemble averaging'  or  expected value formation   ⇒  averaging over all possible values  $\{ z_\mu\}$  with the index  $\mu = 1 , \hspace{0.1cm}\text{ ...} \hspace{0.1cm} , M$:
$$m_k = {\rm E} \big[z^k \big] = \sum_{\mu = 1}^{M}p_\mu \cdot z_\mu^k \hspace{2cm} \rm with \hspace{0.1cm} {\rm E\big[\text{ ...} \big]\hspace{-0.1cm}:} \hspace{0.3cm} \rm expected\hspace{0.1cm}value ;$$
  • the  time averaging  over the random sequence  $\langle z_ν\rangle$  with the index  $ν = 1 , \hspace{0.1cm}\text{ ...} \hspace{0.1cm} , N$:
$$m_k=\overline{z_\nu^k}=\hspace{0.01cm}\lim_{N\to\infty}\frac{1}{N}\sum_{\nu=\rm 1}^{\it N}z_\nu^k\hspace{1.7cm}\rm with\hspace{0.1cm}horizontal\hspace{0.1cm}line\hspace{-0.1cm}:\hspace{0.1cm}time\hspace{0.1cm}average.$$


Note:

  • Both types of calculations lead to the same asymptotic result for sufficiently large values of  $N$  .
  • For finite  $N$ , a comparable error results as when the probability is approximated by the relative frequency.

Linear mean - DC component


$\text{Definition:}$  With  $k = 1$  we obtain from the general equation for moments the  linear mean:

$$m_1 =\sum_{\mu=1}^{M}p_\mu\cdot z_\mu =\lim_{N\to\infty}\frac{1}{N}\sum_{\nu=1}^{N}z_\nu.$$
  • The left part of this equation describes the ensemble averaging  (over all possible values),
  • while the right equation gives the determination as time average.
  • In the context of signals, this quantity is also referred to as the  DC component 


DC component  $m_1$  of a binary signal

$\text{Example 1:}$  A binary signal  $x(t)$  with the two possible amplitude values.

  • $1\hspace{0.03cm}\rm V$  $($for the symbol  $\rm L)$,
  • $3\hspace{0.03cm}\rm V$  $($for the symbol  $\rm H)$


as well as the occurrence probabilities  $p_{\rm L} = 0.2$  respectively  $p_{\rm H} = 0.8$  has the linear mean (DC)

$$m_1 = 0.2 \cdot 1\,{\rm V}+ 0.8 \cdot 3\,{\rm V}= 2.6 \,{\rm V}. $$

This is drawn as a red line in the graph.
If we determine this parameter by time averaging over the displayed  $N = 12$  signal values, we obtain a slightly smaller value:

$$m_1\hspace{0.01cm}' = 4/12 \cdot 1\,{\rm V}+ 8/12 \cdot 3\,{\rm V}= 2.33 \,{\rm V}. $$

Here, the probabilities of occurrence  $p_{\rm L} = 0.2$  and  $p_{\rm H} = 0.8$  were replaced by the corresponding frequencies  $h_{\rm L} = 4/12$  and  $h_{\rm H} = 8/12$  respectively. The relative error due to insufficient sequence length  $N$  is greater than  $10\%$ in the example.

Note about our (admittedly somewhat unusual) nomenclature:.

We denote binary symbols here as in circuit theory with  $\rm L$  (Low) and  $\rm H$  (High) to avoid confusion.

  • In coding theory, it is useful to map  $\{ \text{L, H}\}$  to  $\{0, 1\}$  to take advantage of the possibilities of modulo algebra.
  • In contrast, to describe modulation with bipolar (antipodal) signals, one better chooses the mapping  $\{ \text{L, H}\}$ ⇔ $ \{-1, +1\}$.


Quadratischer Mittelwert – Varianz – Streuung


$\text{Definitionen:}$ 

  • Analog zum linearen Mittelwert erhält man mit  $k = 2$  für den  quadratischen Mittelwert:
$$m_2 =\sum_{\mu=\rm 1}^{\it M}p_\mu\cdot z_\mu^2 =\lim_{N\to\infty}\frac{\rm 1}{\it N}\sum_{\nu=\rm 1}^{\it N}z_\nu^2.$$
  • Zusammen mit dem Gleichanteil  $m_1$  kann daraus als weitere Kenngröße die  Varianz  $σ^2$  bestimmt werden (Satz von Steiner):
$$\sigma^2=m_2-m_1^2.$$
  • Als  Streuung  $σ$  bezeichnet man in der Statistik die Quadratwurzel der Varianz; manchmal wird diese Größe auch  Standardabweichung  genannt:
$$\sigma=\sqrt{m_2-m_1^2}.$$


Hinweise zu den Einheiten:

  • Bei Nachrichtensignalen gibt  $m_2$  die (mittlere) Leistung  eines Zufallssignals an, bezogen auf den Widerstand  $1 \hspace{0.03cm} Ω$.
  • Beschreibt  $z$  eine Spannung, so besitzt dementsprechend  $m_2$  die Einheit ${\rm V}^2$.
  • Die Varianz  $σ^2$  eines Zufallssignals entspricht physikalisch der  Wechselleistung  und die Streuung  $σ$  dem Effektivwert.
  • Diesen Definitionen liegt wiederum der Bezugswiderstand  $1 \hspace{0.03cm} Ω$  zugrunde.


Das Lernvideo   Momentenberechnung bei diskreten Zufallsgrößen   verdeutlicht die definierten Größen am Beispiel eines Digitalsignals.

Standardabweichung eines Binärsignals

$\text{Beispiel 2:}$  Ein Binärsignal  $x(t)$  mit den Amplitudenwerten

  • $1\hspace{0.03cm}\rm V$  $($für das Symbol  $\rm L)$,
  • $3\hspace{0.03cm}\rm V$  $($für das Symbol  $\rm H)$


sowie den Auftrittswahrscheinlichkeiten  $p_{\rm L} = 0.2$  bzw.  $p_{\rm H} = 0.8$  besitzt die gesamte Signalleistung

$$P_{\rm Gesamt} = 0.2 \cdot (1\,{\rm V})^2+ 0.8 \cdot (3\,{\rm V})^2 = 7.4 \hspace{0.05cm}{\rm V}^2,$$

wenn man vom Bezugswiderstand  $R = 1 \hspace{0.05cm} Ω$  ausgeht.

Mit dem Gleichanteil  $m_1 = 2.6 \hspace{0.05cm}\rm V$  $($siehe  $\text{Beispiel 1})$  folgt daraus für

  • die Wechselleistung (Varianz)  $P_{\rm W} = σ^2 = 7.4 \hspace{0.05cm}{\rm V}^2 - \big [2.6 \hspace{0.05cm}\rm V\big ]^2 = 0.64\hspace{0.05cm} {\rm V}^2$,
  • den Effektivwert  $s_{\rm eff} = σ = 0.8 \hspace{0.05cm} \rm V$.
Einschub:   Bei anderem Bezugswiderstand   ⇒   $R \ne 1 \hspace{0.1cm} Ω$  gelten nicht alle diese Berechnungen.  Beispielsweise haben mit  $R = 50 \hspace{0.1cm} Ω$  die Leistung $P_{\rm Gesamt} $,  die Wechselleistung  $P_{\rm W}$  und der Effektivwert  $s_{\rm eff}$  folgende Werte:
$$P_{\rm Gesamt} \hspace{-0.05cm}= \hspace{-0.05cm} \frac{m_2}{R} \hspace{-0.05cm}= \hspace{-0.05cm} \frac{7.4\,{\rm V}^2}{50\,{\rm \Omega} } \hspace{-0.05cm}= \hspace{-0.05cm}0.148\,{\rm W},\hspace{0.5cm} P_{\rm W} \hspace{-0.05cm} = \hspace{-0.05cm} \frac{\sigma^2}{R} \hspace{-0.05cm}= \hspace{-0.05cm}12.8\,{\rm mW} \hspace{0.05cm},\hspace{0.5cm} s_{\rm eff} \hspace{-0.05cm} = \hspace{-0.05cm}\sqrt{R \cdot P_{\rm W} } \hspace{-0.05cm}= \hspace{-0.05cm} \sigma \hspace{-0.05cm}= \hspace{-0.05cm} 0.8\,{\rm V}.$$

Die gleiche Varianz und der gleiche Effektivwert  $s_{\rm eff}$  ergeben sich für die Amplituden  $0\hspace{0.05cm}\rm V$  $($für das Symbol  $\rm L)$  und $2\hspace{0.05cm}\rm V$  $($für das Symbol  $\rm H)$ , vorausgesetzt, die Auftrittswahrscheinlichkeiten  $p_{\rm L} = 0.2$  und  $p_{\rm H} = 0.8$  bleiben gleich.  Nur der Gleichanteil und die Gesamtleistung ändern sich:

$$m_1 = 1.6 \hspace{0.05cm}{\rm V}, \hspace{0.5cm}P_{\rm Gesamt} = P_{\rm W} + {m_1}^2 = 3.2 \hspace{0.05cm}{\rm V}^2.$$

Aufgaben zum Kapitel


Aufgabe 2.2: Mehrstufensignale

Aufgabe 2.2Z: Diskrete Zufallsgrößen