01.12.2014 Views

uvod - Laboratorij za obdelavo signalov in daljinska vodenja

uvod - Laboratorij za obdelavo signalov in daljinska vodenja

uvod - Laboratorij za obdelavo signalov in daljinska vodenja

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

6.1 Naključne spremenljivke 119<br />

Z množico vrednosti {p 1 .p 2 ,..., p n } opišemo porazdelitev verjetnosti po vzorčnem<br />

prostoru S x diskretne naključne spremenljivke X. Z njo izčrpno opišemo<br />

lastnosti naključne spremenljivke. Ponavadi porazdelitev prikažemo<br />

grafično (slika 6.4).<br />

P( X = x )<br />

i<br />

Slika 6.4<br />

p 1 p 2 p 3 p 4 p n-1<br />

p n<br />

x 1 x 2 x 3 x 4 x n-1<br />

x n<br />

Primer porazdelitve verjetnosti P(X = x i )<br />

diskretnega naključnega signala X(s i ).<br />

0<br />

Gostota verjetnosti zvezne naključne funkcije<br />

Pri zveznih naključnih spremenljivkah vrednostim v vzorčnem prostoru S x<br />

ne moremo pripisati verjetnosti na enak nač<strong>in</strong> kot pri diskretnih naključnih<br />

spremenljivkah (želeni izid deljen z neskončnim številom možnih izidov je<br />

enako nič!). Iz te <strong>za</strong>gate si pomagamo s takoimenovano diferencialno verjetnostjo<br />

oziroma gostoto verjetnosti, kjer verjetnost dogodka določimo <strong>za</strong><br />

<strong>in</strong>terval (x,x + dx) na S x s šir<strong>in</strong>o različno od nič. Verjetnost, da je vrednost<br />

naključne spremenljivke v <strong>in</strong>tervalu (x,x + dx) označimo s<br />

P(x < X < x + dx) .<br />

Določitev te verjetnosti naslonimo na poskus. Vzemimo, da opazujemo naključni<br />

proces, katerega vrednosti se sprem<strong>in</strong>jajo med mejami −a <strong>in</strong> b. Napravimo<br />

dovolj veliko število M meritev, pri katerih dobimo N 1 rezultatov,<br />

ko <strong>za</strong>v<strong>za</strong>me X vrednosti na <strong>in</strong>tervalu [0,∆x), N 2 rezultatov, ko X <strong>za</strong>v<strong>za</strong>me<br />

vrednost na <strong>in</strong>tervalu [∆x,2∆x) <strong>in</strong> tako naprej do števila N n , ki pove koliko je<br />

dogodkov, ko X <strong>za</strong>v<strong>za</strong>me vrednost v <strong>in</strong>tervalu [(n − 1)∆x,n∆x). Enako naredimo<br />

še <strong>za</strong> negativne <strong>in</strong>dekse. Pričnemo z <strong>in</strong>tervalom (−∆x,0] <strong>in</strong> <strong>za</strong>ključimo<br />

z <strong>in</strong>tervalom (−m∆x,−(m − 1)∆x]. Pri tem je vsota N i enaka številu vseh<br />

meritev: ∑ i N i = M. Razmerje N i /M je statistična verjetnost, da se vrednost<br />

X nahaja v <strong>in</strong>tervalu [(i − 1)∆x,i∆x). Zato velja:<br />

P ( (i − 1)∆x < X < i∆x ) ≈ N i<br />

M . (6.4)<br />

Razmerje N i /M lahko grafično predstavimo kot plošč<strong>in</strong>o pravokotnika z osnovnico<br />

∆x <strong>in</strong> viš<strong>in</strong>o N i /(M∆x) (slika 6.5). Po Bernulijevem <strong>za</strong>konom o velikih<br />

številih (A.18) lahko eksperimentalno dobljeno verjetnost upoštevamo kot<br />

datoteka: signal_A

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!