Dispense del corso - Dipartimento Ingegneria dell'Informazione ...
Dispense del corso - Dipartimento Ingegneria dell'Informazione ... Dispense del corso - Dipartimento Ingegneria dell'Informazione ...
Facoltà di Ingegneria 10 quando il numero di uscite è infinito. Con E inoltre viene indicato un evento di un sottoinsieme di Ω, in modo da poter definire la probabilità di quell’evento, P (E). Consideriamo adesso le proprietà principali della probabilità: • La probabilità di un evento è sempre compresa tra 0 ed 1 • La probabilità di un evento nullo è 0 0 ≤ P (E) ≤ 1; (1.46) P (E = null) = 0; (1.47) • La probabilità di un evento che contiene tutte le possibili uscite è uguale ad 1 P (E = Ω) = 1; (1.48) • La probabilità di un evento complementare è uguale ad 1 meno la probabilità dell’evento stesso P (E) = 1 − P (E); (1.49) • La probabilità dell’unione di due eventi è uguale alla somma delle probabilità dei due eventi meno la probabilità dell’intersezione • Se E1 ⊂ E2 allora P (E1 ∪ E2) = P (E1) + P (E2) − P (E1 ∩ E2); (1.50) P (E1) ≤ P (E2) (1.51) • La Probabilità condizionata di due eventi E1 e E2 con rispettive probabilità P (E1) e P (E2) è definita come P (E1|E2) = P (E1∩E2) P (E2) P (E2) = 0 0 altrimenti (1.52) se i due eventi sono statisticamente indipendenti allora P (E1|E2) = P (E1) e P (E1 ∩ E2) = P (E1) · P (E2); • Teorema della Probabilità Totale Dato un insieme N di eventi {Ei} N i=1 con N i=1 Ei = Ω e Ei ∩ Ej = null ∀ i, j con i = j, la probabilità di un evento generico A è calcolata come somma pesata delle probabilità condizionate agli eventi Ei: N P (A) = P (A|Ei) · P (Ei) (1.53) i=1
Facoltà di Ingegneria 11 • Teorema di Bayes Dati due eventi A e B il Teorema di Bayes consente di scambiare i termini sulle probabilità condizionate P (B|A) = 1.4.2 Variabili aleatorie P (A|B) · P (B) P (A) (1.54) Una variabile aleatoria x è il risultato numerico di un esperimento quando questo non è deterministico. Ad esempio il risultato del lancio di un dado a sei facce può essere matematicamente modellizzato come una variabile casuale che può assumere uno dei sei possibili valori 1, 2, 3, 4, 5, 6. Più formalmente dato Ω, la variabile aleatoria x è una funzione misurabile dallo spazio Ω allo spazio Euclideo. Ad ogni variabile aleatoria X è associata la sua funzione distribuzione cumulativa, Fx(x), che assegna ad ogni sottoinsieme, dell’insieme dei possibili valori di x, la rispettiva probabilità: Fx(x) = P (x ≤ x). (1.55) Sono elencate di seguito alcune proprietà della Fx(x): • 0 ≤ Fx(x) ≤ 1; • Fx(x) non è una funzione decrescente; • lim n→−∞ Fx(x) = 0 e lim n→+∞ Fx(x) = 1; • P (a ≤ x ≤ b) = Fx(b) − Fx(a). Si definisce inoltre la funzione densità di probabilità: fx(x) = d Fx(x) dx Alcune proprietà della funzione densità di probabilità: • fx(x) ≥ 0 ∀ x; • +∞ −∞ fX(x)dx = 1; • b a fx(x)dx = P (a ≤ x ≤ b); • Fx(x) = x −∞ fx(x)dx. (1.56)
- Page 1 and 2: Università degli Studi di Siena Fa
- Page 3 and 4: Facoltà di Ingegneria ii 3.2 Rumor
- Page 5 and 6: Capitolo 1 Richiami sui Segnali Det
- Page 7 and 8: Facoltà di Ingegneria 3 in cui Xn
- Page 9 and 10: Facoltà di Ingegneria 5 1.3.1 Teor
- Page 11 and 12: • Trasformate di: - delta di dira
- Page 13: Facoltà di Ingegneria 9 Il risulta
- Page 17 and 18: Facoltà di Ingegneria 13 Figura 1.
- Page 19 and 20: • Media d’insieme mx(t) = E[x(t
- Page 21 and 22: 1. la media d’insieme non dipende
- Page 23 and 24: • segnale aleatorio gaussiano e b
- Page 25 and 26: Capitolo 2 Prestazioni di un colleg
- Page 27 and 28: Facoltà di Ingegneria 23 1.38 · 1
- Page 29 and 30: Figura 3.3: Dispositivo due porte F
- Page 31 and 32: Facoltà di Ingegneria 27 Figura 3.
- Page 33 and 34: Figura 3.7: N dispositivi due porte
- Page 35 and 36: Facoltà di Ingegneria 31 corrente
- Page 37 and 38: Capitolo 4 Modulazioni di Ampiezza
- Page 39 and 40: Facoltà di Ingegneria 35 Figura 4.
- Page 41 and 42: segnale, si ha: Ptx = Facoltà di I
- Page 43 and 44: Figura 4.4: Demodulatore AM con rec
- Page 45 and 46: Facoltà di Ingegneria 41 a N0 . Il
- Page 47 and 48: Facoltà di Ingegneria 43 considera
- Page 49 and 50: Facoltà di Ingegneria 45 Y (f) del
- Page 51 and 52: Figura 4.10: Demodulatore DSB Facol
- Page 53 and 54: Facoltà di Ingegneria 49 La modula
- Page 55 and 56: Facoltà di Ingegneria 51 Figura 4.
- Page 57 and 58: Facoltà di Ingegneria 53 Hartley
- Page 59 and 60: Facoltà di Ingegneria 55 fase a(t)
- Page 61 and 62: Facoltà di Ingegneria 57 è quindi
- Page 63 and 64: Facoltà di Ingegneria 59 in parall
Facoltà di <strong>Ingegneria</strong> 11<br />
• Teorema di Bayes<br />
Dati due eventi A e B il Teorema di Bayes consente di scambiare i<br />
termini sulle probabilità condizionate<br />
P (B|A) =<br />
1.4.2 Variabili aleatorie<br />
P (A|B) · P (B)<br />
P (A)<br />
(1.54)<br />
Una variabile aleatoria x è il risultato numerico di un esperimento quando<br />
questo non è deterministico. Ad esempio il risultato <strong>del</strong> lancio di un dado<br />
a sei facce può essere matematicamente mo<strong>del</strong>lizzato come una variabile casuale<br />
che può assumere uno dei sei possibili valori 1, 2, 3, 4, 5, 6.<br />
Più formalmente dato Ω, la variabile aleatoria x è una funzione misurabile<br />
dallo spazio Ω allo spazio Euclideo.<br />
Ad ogni variabile aleatoria X è associata la sua funzione distribuzione cumulativa,<br />
Fx(x), che assegna ad ogni sottoinsieme, <strong>del</strong>l’insieme dei possibili<br />
valori di x, la rispettiva probabilità:<br />
Fx(x) = P (x ≤ x). (1.55)<br />
Sono elencate di seguito alcune proprietà <strong>del</strong>la Fx(x):<br />
• 0 ≤ Fx(x) ≤ 1;<br />
• Fx(x) non è una funzione decrescente;<br />
• lim<br />
n→−∞ Fx(x) = 0 e lim<br />
n→+∞ Fx(x) = 1;<br />
• P (a ≤ x ≤ b) = Fx(b) − Fx(a).<br />
Si definisce inoltre la funzione densità di probabilità:<br />
fx(x) =<br />
d Fx(x)<br />
dx<br />
Alcune proprietà <strong>del</strong>la funzione densità di probabilità:<br />
• fx(x) ≥ 0 ∀ x;<br />
• +∞<br />
−∞ fX(x)dx = 1;<br />
• b<br />
a fx(x)dx = P (a ≤ x ≤ b);<br />
• Fx(x) = x<br />
−∞ fx(x)dx.<br />
(1.56)