Momenty statystyczne. Funkcja gęstości prawdopodobieństwa
Transkrypt
Momenty statystyczne. Funkcja gęstości prawdopodobieństwa
Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 1 5 2 . 1 . M om e n t y S t at y s t y c zn e Rozdział 2 METODY STATYSTYCZNE 2.1. MOMENTY STATYSTYCZNE wartość oczekiwana wyrażenia Q zmienna o charakterze ciągłym Q(t) Q ∈ 〈t0 ; t0 + T 〉 1 Q ≡ E [Q (t )] ≡ lim T →∞ T ∫ t 0 +T (2.1a) Q (t ) dt (2.2a) t0 zmienna o charakterze dyskretnym Qi Qi = {Q1 ,Q2 ,...,QN } (2.1b) 1 i= N Q ≡ E [Qi ] ≡ ∑ Qi N i =1 (2.2b) moment rzędu k zmiennej losowej Q [ mk = E (Q − c) k k - liczba naturalna c - punkt odniesienia ] (2.3) Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 1 6 2 . 1 . M om e n t y S t at y s t y c zn e m→c=0 moment zwykły moment centralny µ → c = E [Q ] = Q wartość średnia (moment zwykły rzędu 1-go) 1 t +T Q = m1 = E [Q(t )] = Q(t ) dt ∫ T t Q = m1 = E [Qi ] = 1 ∑ Qi N i (2.4a) (2.4b) wartość średniokwadratowa (moment zwykły rzędu 2-go) [ Q 2 = m2 = E Q 2 (t ) ] (2.5) wartość skuteczna (RMS – root mean square) QRMS = Q 2 (2.6) wariancja (moment centralny rzędu 2-go) [ ] [ ] V (Q) = µ 2 = E (Q − Q ) = E q 2 2 (2.7) odchylenie standardowe σ ( Q ) = V ( Q ) = q' (2.8) Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 1 7 2 . 1 . M om e n t y S t at y s t y c zn e Q = 0 ⇒ Q 2 = V (Q ) ⇓ QRMS = σ ( Q ) współczynnik skośności [ ] [ ] µ3 E (Q − Q )3 E q3 S = 1.5 = = 1.5 µ2 V (Q ) V (Q )1.5 (2.9) współczynnik spłaszczenia [ ] µ4 E q4 F= 2= µ 2 V (Q )2 (2.10) wartości ekstremalne max(Qmax) min(Qmin) momenty statystyczne wielu zmiennych [ µ kl = E (Q − Q) k ⋅ ( R − R )l np.: ] µ11 - kowariancja zmiennych losowych Q, R (2.11) Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 1 8 2 . 1 . M om e n t y S t at y s t y c zn e współczynnik korelacji ρQR = µ 20 µ 02 µ 20 ≡ σ ( Q ) ; ρ QR = µ11 (2.12) µ 02 ≡ σ ( R ) µ 11 σ ( Q )σ ( R ) ρ∈<-1;1> ρQR = 0 ⇒ zmienne losowe Q i R są nieskorelowane ρQR = ±1 ⇒ istnieje ścisła liniowa zależność (korelacja) pomiędzy zmiennymi (2.13) Przetwarzanie i A nal iza S y g nał ó w Rozdział 2 – M e t ody S t at y s t y c zn e 1 9 2 . 2 . P r aw dop odob ie ń s t w o 2.2. PRAWDOPODOBIEŃSTWO Prawdopodobieństwo – miara statystyczna zajścia losowego zdarzenia (przyjęcia przez zmienną losową pewnej, określonej wartości) Jak określić prawdopodobieństwo ? P= liczba zdarzen " sprzyjajacych" liczba wszystkich zdarzen P ∈ 〈0;1〉 (2.14) P ∈ 〈0%;100%〉 Dystrybuanta (funkcja rozkładu prawdopodobieństwa) – prawdopodobieństwo tego, że zmienna losowa nie przekroczy pewnego, określonego poziomu D( x N ) = P( x ≤ x N ) = ∫ P( x ) dx xN −∞ (2.15) Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 2 0 2 . 2 . P r aw dop odob ie ń s t w o dla zmiennej o charakterze dyskretnym D( x N ) = P( x ≤ x N ) = ∑ i=N i =1 Pi ( x = xi ) (2.16) w nieskończonościach D(-∞) = 0 oraz D(∞) =1 (2.17) przykład Ze zbioru czterech kart {2, 2, 4, 6} wybieramy losowo jedną. Określmy prawdopodobieństwo P oraz dystrybuantę D takiego zdarzenia. możliwe zdarzenia elementarne {xi} = {x1 = 2, x2 = 2, x3 = 4, x4 = 6} prawdopodobieństwo zdarzenia elementarnego P(x = xi) = 1/4 P(x = 2) = 2/4; P(x = 4) = 1/4; P(x = 6) = 1/4 dystrybuanta D(x < 2) = 0; D(x = 2) = 2/4; D(x = 4) = 3/4; D(x = 6) = 4/4 Przetwarzanie i A nal iza S y g nał ó w Rozdział 2 – M e t ody S t at y s t y c zn e 2 1 2 . 2 . P r aw dop odob ie ń s t w o jeśli zmienna losowa (sygnał) ma charakter analogowy ⇓ może przyjąć nieskończoną liczbę wartości ⇓ prawdopodobieństwo zawsze jest równe zeru P( x = x0 ) = n =0 ∞ ⇓ zastosowanie funkcji gęstości prawdopodobieństwa (znormalizowane prawdopodobieństwo) (2.18) Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 3 . F u n k c j a g ę s t oś c i p r aw dop odob ie ń s t w a Przetwarzanie i A nal iza S y g nał ó w 2 2 2.3. FUNKCJA GĘSTOŚCI PRAWDOPODOBIEŃSTWA (probability density function - p.d.f.) p.d.f. – prawdopodobieństwo przyjęcia przez zmienną losową wartości z przedziału P( x0 < x ≤ x0 + ∆x ) p( x0 ) = lim (2.19) ∆x→0 ∆x licznik powyższej definicji można wyrazić jako P( x0 co daje < x ≤ x0 + ∆x ) = P( x ≤ x0 + ∆x ) − P( x ≤ x0 ) = = D( x0 + ∆x ) − D( x0 ) D( x0 + ∆x ) − D( x0 ) ∆x→0 ∆x (2.20) dD( x0 ) dx (2.21) p( x0 ) = lim p( x0 ) = Jednostka p.d.f. [ p ] = [P] = 1 [x ] [x ] (2.22) Wykorzystując definicję dystrybuanty x0 D( x0 ) = ∫ p( x ) dx −∞ (2.23) ⇓ ∫ p( x ) dx = D( +∞ ) ≡ +∞ −∞ 1 (2.24) Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 3 . F u n k c j a g ę s t oś c i p r aw dop odob ie ń s t w a Przetwarzanie i A nal iza S y g nał ó w 2 3 związki pomiędzy funkcją p.d.f. a momentami statystycznymi momenty zwykłe +∞ k mk = ∫ x p( x ) dx −∞ (2.25) momenty centralne +∞ µ k = ∫ ( x − m1 )k p( x ) dx −∞ m1 – wartość średnia wpływ szerokości przedziału ∆x na rozkład funkcji p.d.f. ∑ Pi = 1 i ⇒ ∑ ( pi ⋅ ∆xi ) = 1 i (2.26) Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 4 . p . d. f . s y g n ału m on oh ar m on ic zn e g o Przetwarzanie i A nal iza S y g nał ó w 2 4 2.4. FUNKCJA GĘSTOŚCI PRAWDOPODOBIEŃSTWA PRZEBIEGU MONOHARMONICZNEGO x( t ) = A sin( ωt + ϕ ) gdzie: A - amplituda ω - częstość kołowa ϕ - kąt fazowy p( x ) = prawdopodobieństwo P dx 2 dt T jeśli x(t) = A sin(ωt + ϕ) to wówczas P= tak więc dx = A ω cos( ωt + ϕ ) dt dt = dx A ω cos( ωt + ϕ ) (2.27) Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 4 . p . d. f . s y g n ału m on oh ar m on ic zn e g o Przetwarzanie i A nal iza S y g nał ó w 2 5 podstawiając uzyskuje się dt = cos( ωt + ϕ ) = 1 − sin 2 ( ωt + ϕ ) dx A ω 1 − sin 2 ( ωt + ϕ ) = dx A ω 1 − x 2 / A2 prawdopodobieństwo P= 2 dt 2 dx = T A T ω 1 − x 2 / A2 →0 zatem funkcja p.d.f. (podstawiając T=2π/ω) dana jest zależnością p( x ) = 1 π 2 A −x 2 ≠ f (ω ) ≠ f (ϕ ) (2.28) Rozdział 2 – M e t ody S t at y s t y c zn e Przetwarzanie i A nal iza S y g nał ó w 2 6 2 . 5 . Rozk ład n or m al n y 2.5. ROZKŁAD NORMALNY (GAUSSA) 1 x − x 2 1 p( x ) = exp − σ 2π 2 σ współczynnik skośności S=0 współczynnik spłaszczenia F=3 pole ograniczone rozkładem → prawdopodobieństwo P ∫ p(x) dx = 0.997 x +3σ x −3σ ∫ p(x) dx = 0.954 x + 2σ x −2σ (2.29) Przetwarzanie i A nal iza S y g nał ó w Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 5 . Rozk ład n or m al n y +∞ +∞ p ( x ) dx = ∫ 1 ∫ p2 (x) dx = 1 −∞ −∞ odchylenia od rozkładu Gaussa "skośność" "spłaszczenie" 2 7 Przetwarzanie i A nal iza S y g nał ó w Rozdział 2 – M e t ody S t at y s t y c zn e 2 . 5 . Rozk ład n or m al n y p(x1) = p(x2) zróżnicowanie przebiegów czasowych sygnałów nie musi oznaczać różnych rozkładów funkcji p.d.f. x1(t) ≠ x2(t) ⇒ p(x1) ≠ p(x2) rozkład stały 1 p ( x ) = if xmax − xmin p( x ) = 0 if x < x min xmin ≤ x ≤ xmax or x > xmax 2 8 Przetwarzanie i A nal iza S y g nał ó w Rozdział 2 – M e t ody S t at y s t y c zn e 2 9 2 . 5 . Rozk ład n or m al n y rozkład dyskretny xi = { x1, x2, ..., xN} p( x ) = ∞ if p( x ) = 0 if x = xi x ≠ xi przykład: fala prostokątna (N=2) sygnał mieszany: fala monoharmoniczna + szum "gaussowski" Rozdział 2 – M e t ody 3 0 S t at y s t y c zn e 2 . 6 . J ak w y zn ac zy ć f u n k c j ę p . d. f . ? Przetwarzanie i A nal iza S y g nał ó w 2.6. JAK WYZNACZYĆ FUNKCJĘ P.D.F. ? metoda analogowa warunki wysokiej dokładności: T→∞ oraz ∆x→0 P( x ∈ 〈 x0 ; x0 + ∆x〉) = ∑ ∆ti ; T metoda cyfrowa N→∞ oraz ∆x→0 (???) p ( x0 ) = P n N = ∆x ∆x p ( x0 ) = P ∆x