All About ECE/Math with Communication11 [Stochastische Signale] Ensemble, Wiener-Prozess, Poisson-Prozess Organization 1. Ensemble und Musterfunktion 2. Wiener-Prozess 3. Poisson-Prozess 4.Stationarität 13. Reelle Zufallsprozesse 13.1. Ensemble und Musterfunktion Ein Zufallsprozess kann als Ensemble einer nicht abzählbaren Menge von Zufallsvariablen \( X_t \mbox{ mit } t \in \mathbb{R} \) interpretiert werden. Ein Zufallsprozess kann als Schar von Musterfunktionen \( X_t(\omega) \ : \ \mathbb{R} \ma.. 2023. 3. 5. [Stochastische Signale] 마르코프 부등식, 체비쇼프 부등식, 조건독립확률, 마르코프 체인, Organization 1. Markow-Ungleichung 2. Tschebyschow-Ungleichung 3. Das schwache Gesetz der großen Zahlen 4. Bedingte Unabhängigkeit 5. Markowketten 11.4 Markow-Ungleichung 마르코프 부등식은 확률론에서 평균 정보를 이용해(= 기댓값) 자료가 어떤 구간에 위치할 확률이 얼마나 되는 지를 표현할 수 있는 공식이다. 어떠한 자료 X에 대한 E[X]와 Var[X]가 주어졌다고 가정하자. 이때 자료 X가 특정 구간에 위치할 확률이 임의의 식으로 나타낼수 있는가? 아니다, 왜냐하면 확률분포에 따라 답이 그때그때 달라지기 때문이다. 예를들어 X가 Normalverteilung/정규분포를.. 2023. 1. 11. [Stochastische Signale] 확률 및 랜덤 프로세스, real random sequence Organization 1. Reele Zufallsfolgen 2. Random Walk 3. Stationarität 11. Reelle Zufallsfolgen Folge von reellen Zufallsvariablen : \( X_n : \Omega \rightarrow \mathbb{R} , \quad n \in \mathbb{N} \) Zwei Repräsentation: Ensemble : für jedes \( n \in \mathbb{N}\) ist \(X_n\) eine Zufallsvariablen. Zufallsfolge kann alas Ensemble einer abzählbaren Menge von Zufallsvariablen interpretiert werden. Pfa.. 2023. 1. 11. [Stochastische Signale] 확률변수의 표준화, 단순 선형 회귀 모델, 특성함수, 중심극한정리, Organization: 1. Standardisierung einer Zufallsvariablen 2. Lineare Regression 3. W-keitserzeugende Funktion 4. Charakteristische Funktion 5. Der zentrale Grenzwertsatz Standardisierung einer Zufallsvariablen Lineare Regression 10.1 Wahrscheinlichekeitserzeugende Funktion für \( X : \Omega \rightarrow \mathbb{N}_0\), diskrete Zufallsvariablen $$ G_X(z) = E[z^X] = \sum^{\infty}_{k = 0}\ p_X(k)z^k.. 2023. 1. 10. 이전 1 2 3 다음
