uvod - Laboratorij za obdelavo signalov in daljinska vodenja
uvod - Laboratorij za obdelavo signalov in daljinska vodenja
uvod - Laboratorij za obdelavo signalov in daljinska vodenja
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