Aufgaben:Aufgabe 4.16: Eigenwerte und Eigenvektoren: Unterschied zwischen den Versionen

Aus LNTwww
Wechseln zu:Navigation, Suche
 
(16 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 3: Zeile 3:
 
}}
 
}}
  
[[Datei:P_ID671__Sto_A_4_16.png|right|]]
+
[[Datei:P_ID671__Sto_A_4_16.png|right|frame|Drei Korrelationsmatrizen]]
:Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als <i>N</i> = 2 Dimensionen erforderlich ist und Sinn macht, beschränken wir uns hier auf den Sonderfall zweidimensionaler Zufallsgrößen.
+
Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als&nbsp; $N = 2$&nbsp; Dimensionen erforderlich ist und Sinn macht,&nbsp; beschränken wir uns hier zur Vereinfachung auf den Sonderfall zweidimensionaler Zufallsgrößen.
  
:In der Grafik ist oben die allgemeine Korrelationsmatrix <b>K<sub>x</sub></b> der 2D&ndash;Zufallsgröße <b>x</b> = (<i>x</i><sub>1</sub>, <i>x</i><sub>2</sub>)<sup>T</sup> angegeben, wobei <i>&sigma;</i><sub>1</sub><sup>2</sup> und <i>&sigma;</i><sub>2</sub><sup>2</sup> die Varianzen der Einzelkomponenten beschreiben.  <i>&rho;</i> bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.
+
In der Grafik ist oben die allgemeine Korrelationsmatrix &nbsp; $\mathbf{K_x}$ &nbsp; der 2D&ndash;Zufallsgröße &nbsp; $\mathbf{x} = (x_1, x_2)^{\rm T}$ &nbsp; angegeben,&nbsp; wobei&nbsp; $\sigma_1^2$&nbsp; und&nbsp; $\sigma_2^2$&nbsp; die Varianzen der Einzelkomponenten beschreiben.&nbsp; $\rho$&nbsp; bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.
  
:Die Zufallsgrößen <b>y</b> und <b>z</b> geben zwei Spezialfälle von <b>x</b> an, deren Prozessparameter aus den Kovarianzmatrizen <b>K<sub>y</sub></b> und <b>K<sub>z</sub></b> bestimmt werden können.<br>
+
Die Zufallsgrößen &nbsp; $\mathbf{y}$ &nbsp; und &nbsp; $\mathbf{z}$ &nbsp; geben zwei Spezialfälle von &nbsp; $\mathbf{x}$ &nbsp; an,&nbsp; deren Prozessparameter aus den Korrelationsmatrix&nbsp; $\mathbf{K_y}$&nbsp; bzw.&nbsp;  $\mathbf{K_z}$&nbsp; bestimmt werden sollen.
  
:<b>Hinweis:</b> Die Aufgabe bezieht sich auf die theoretischen Grundlagen von Kapitel 4.7. Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den folgenden Seiten:<br> &nbsp;&nbsp;&nbsp;&nbsp; Determinante einer Matrix,<br> &nbsp;&nbsp;&nbsp;&nbsp; Inverse einer Matrix.
 
:<br><br>Weiterhin ist zu beachten:
 
  
:* Eine 2&times;2-Kovarianzmatrix besitzt zwei reelle Eigenwerte <i>&lambda;</i><sub>1</sub> und <i>&lambda;</i><sub>2</sub>.<br>
 
  
:* Die beiden Eigenwerte bestimmen zwei Eigenvektoren <i>&xi;</i><sub>1</sub> und <i>&xi;</i><sub>2</sub> und  diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.
 
  
:* Entsprechend der Seite Höhenlinien bei korrelierten Zufallsgrößen ist der Winkel <i>&alpha;</i> zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
+
 
:$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot\rho \cdot
+
Hinweise:
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$
+
*Die Aufgabe gehört zum  Kapitel &nbsp;[[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen|Verallgemeinerung auf N-dimensionale Zufallsgrößen]].
 +
*Einige Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten &nbsp;
 +
**[[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Determinante_einer_Matrix|Determinante einer Matrix]]&nbsp;
 +
**[[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]].
 +
* Entsprechend der Seite &nbsp;[[Stochastische_Signaltheorie/Zweidimensionale_Gaußsche_Zufallsgrößen#H.C3.B6henlinien_bei_korrelierten_Zufallsgr.C3.B6.C3.9Fen|"Höhenlinien bei korrelierten Zufallsgrößen"]]&nbsp; ist der Winkel&nbsp; $\alpha$&nbsp; zwischen dem alten und dem neuen System durch folgende Gleichung gegeben:
 +
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot
 +
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$  
 +
*Insbesondere ist zu beachten:
 +
**Eine&nbsp; $2×2$&ndash;Kovarianzmatrix besitzt zwei reelle Eigenwerte&nbsp; $\lambda_1$&nbsp; und&nbsp; $\lambda_2$.
 +
**Diese beiden Eigenwerte bestimmen zwei Eigenvektoren &nbsp; $\xi_1$ &nbsp; und &nbsp; $\xi_2$.
 +
**Diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.
 +
 
 +
 
 +
 
 
===Fragebogen===
 
===Fragebogen===
  
 
<quiz display=simple>
 
<quiz display=simple>
{Welche Aussagen treffen für die Kovarianzmatrix <b>K<sub>y</sub></b> zu?
+
{Welche Aussagen treffen für die Korrelationsmatrix&nbsp; $\mathbf{K_y}$&nbsp; zu?
 
|type="[]"}
 
|type="[]"}
+ <b>K<sub>y</sub></b> beschreibt alle möglichen 2D-Zufallsgrößen mit <i>&sigma;</i><sub>1</sub> = <i>&sigma;</i><sub>2</sub>.
+
+ $\mathbf{K_y}$&nbsp; beschreibt alle möglichen 2D-Zufallsgrößen mit &nbsp;$\sigma_1 = \sigma_2 = \sigma$.
+ Der Wertebereich des Parameters <i>&rho;</i> ist &ndash;1 &#8804; <i>&rho;</i> &#8804; 1.
+
+ Der Wertebereich des Korrelationskoeffizienten ist &nbsp;$-1 \le \rho \le +1$.
- Der Wertebereich des Parameters <i>&rho;</i> ist 0 < <i>&rho;</i> < 1.
+
- Der Wertebereich des Korrelationskoeffizienten ist &nbsp;$0 < \rho < 1$.
  
  
{Berechnen Sie die Eigenwerte von <b>K<sub>y</sub></b> unter der Bedingung <i>&sigma;</i> = 1, <i>&rho;</i> = 0.
+
{Berechnen Sie die Eigenwerte von&nbsp; $\mathbf{K_y}$&nbsp; unter der Bedingung &nbsp;$\sigma = 1$&nbsp; und &nbsp;$\rho = 0$.
 
|type="{}"}
 
|type="{}"}
$\lambda_1$ = { 1 3% }
+
$\lambda_1 \ = \ $ { 1 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2$ = { 1 3% }
+
$\lambda_2 \ = \  $ { 1 3% } $\ (\lambda_2 \le \lambda_1)$
  
  
{Geben Sie die Eigenwerte von <b>K<sub>y</sub></b> unter der Bedingung <i>&sigma;</i> = 1, 0 < <i>&rho;</i> < 1 an. Welche Werte ergeben sich für <i>&rho;</i> = 0.5, wobei <i>&lambda;</i><sub>1</sub> &#8805; <i>&lambda;</i><sub>2</sub> vorausgesetzt wird?
+
{Geben Sie die Eigenwerte von&nbsp; $\mathbf{K_y}$&nbsp; unter der Bedingung &nbsp;$\sigma = 1$&nbsp; sowie &nbsp;$0 < \rho < 1$&nbsp; an.&nbsp;  Welche Werte ergeben sich für &nbsp;$\rho = 0.5 $,&nbsp; wobei &nbsp;$\lambda_1 \ge \lambda_2$&nbsp; vorausgesetzt wird?
 
|type="{}"}
 
|type="{}"}
$\lambda_1$ = { 2 3% }
+
$\lambda_1 \ =  \ $ { 1.5 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2$ = { 0 3% }
+
$\lambda_2 \ =  \ $ { 0.5 3% } $\ (\lambda_2 \le \lambda_1)$
  
  
{Berechnen Sie die zugehörigen Eigenvektoren <b>&eta;<sub>1</sub></b> und <b>&eta;<sub>2</sub></b>. Welche der folgenden Aussagen sind zutreffend?
+
{Berechnen Sie die zugehörigen Eigenvektoren&nbsp; $\mathbf{\eta_1}$ &nbsp;und&nbsp; $\mathbf{\eta_2}$.&nbsp; Welche der folgenden Aussagen sind zutreffend?
 
|type="[]"}
 
|type="[]"}
+ <b>&eta;<sub>1</sub></b> und <b>&eta;<sub>2</sub></b> liegen in Richtung der Ellipsenhauptachsen.
+
+ $\mathbf{\eta_1}$ &nbsp; und &nbsp; $\mathbf{\eta_2}$ &nbsp; liegen in Richtung der Ellipsenhauptachsen.
+ Die neuen Koordinaten sind  um 45&deg; gedreht.
+
+ Die neuen Koordinaten sind  um&nbsp; $45^\circ$&nbsp; gedreht.
- Die Streuungen bezüglich des neuen Systems sind <i>&lambda;</i><sub>1</sub> und <i>&lambda;</i><sub>2</sub>.
+
- Die Streuungen bezüglich des neuen Systems sind&nbsp; $\lambda_1$&nbsp; und&nbsp; $\lambda_2$.
  
  
{Wie lauten die Kenngrößen der durch <b>K<sub>z</sub></b> festgelegten Zufallsgröße <b>z</b>?
+
{Wie lauten die Kenngrößen der durch&nbsp; $\mathbf{K_z}$&nbsp; festgelegten Zufallsgröße&nbsp; $\mathbf{z}$?
 
|type="{}"}
 
|type="{}"}
$\sigma_1$ = { 2 3% }
+
$\sigma_1 = \ $ { 2 3% }
$\sigma_2$ = { 1 3% }
+
$\sigma_2 = \ $ { 1 3% }
$\rho$ = { 2 3% }
+
$\rho = \ $ { 1 3% }
  
  
{Berechnen Sie die Eigenwerte <i>&lambda;</i><sub>1</sub> und  
+
{Berechnen Sie die Eigenwerte&nbsp; $\lambda_1$&nbsp; und&nbsp; $\lambda_2 \le \lambda_1$&nbsp; der Korrelationsmatrix&nbsp; $\mathbf{K_z}$.
<i>&lambda;</i><sub>2</sub> < <i>&lambda;</i><sub>1</sub> der Kovarianzmatrix <b>K<sub>z</sub></b>.
 
 
|type="{}"}
 
|type="{}"}
$\lambda_1$ = { 5 3% }
+
$\lambda_1 \ = \  $ { 5 3% } $\ (\lambda_1 \ge \lambda_2)$
$\lambda_2$ = { 0 3% }
+
$\lambda_2 \ = \  $ { 0. } $\ (\lambda_2 \le \lambda_1)$
  
  
{Um welchen Winkel <i>&alpha;</i> ist das neue Koordinatensystem (<b>&zeta;<sub>1</sub></b>, <b>&zeta;<sub>2</sub></b>) gegenüber dem ursprünglichen System (<b>z<sub>1</sub></b>, <b>z<sub>2</sub></b>) gedreht?
+
{Um welchen Winkel&nbsp; $\alpha$&nbsp; ist das neue Koordinatensystem&nbsp; $(\mathbf{\zeta_1}, \ \mathbf{\zeta_2})$&nbsp; gegenüber dem ursprünglichen System&nbsp; $(\mathbf{z_1}, \ \mathbf{z_2})$&nbsp; gedreht?
 
|type="{}"}
 
|type="{}"}
$\alpha$ = { 26.56 3% } Grad
+
$\alpha \ =  \ $ { 26.56 3% } $\ \rm Grad$
  
  
Zeile 73: Zeile 81:
 
===Musterlösung===
 
===Musterlösung===
 
{{ML-Kopf}}
 
{{ML-Kopf}}
:<b>1.</b>&nbsp;&nbsp;<b>K<sub>y</sub></b> ist tatsächlich die allgemeinste Kovariationmatrix einer 2D-Zufallsgröße mit <i>&sigma;</i><sub>1</sub> = <i>&sigma;</i><sub>2</sub> = <i>&sigma;</i>. Der zweite Parameter gibt den Korrelationskoeffizienten an. Nach Abschnitt 4.1 kann <i>&rho;</i> alle Werte zwischen &plusmn;1 inclusive dieser Randwerte annehmen. Richtig sind <u>die Lösungsvorschläge 1 und 2</u>.
+
'''(1)'''&nbsp; Richtig sind&nbsp; <u>die Lösungsvorschläge 1 und 2</u>:
 +
*$\mathbf{K_y}$&nbsp; ist tatsächlich die allgemeinste Korrelationsmatrix einer 2D-Zufallsgröße mit&nbsp; $\sigma_1 = \sigma_2 = \sigma$.  
 +
*Der Parameter&nbsp; $\rho$&nbsp; gibt den Korrelationskoeffizienten an.&nbsp; Dieser kann alle Werte zwischen&nbsp; $\pm 1$&nbsp; inclusive dieser Randwerte annehmen.
 +
 +
 
  
:<b>2.</b>)&nbsp;&nbsp;In diesem Fall lautet die Bestimmungsgleichung:
+
'''(2)'''&nbsp; In diesem Fall lautet die Bestimmungsgleichung:
 
:$${\rm det}\left[ \begin{array}{cc}
 
:$${\rm det}\left[ \begin{array}{cc}
 
1- \lambda & 0 \\
 
1- \lambda & 0 \\
Zeile 83: Zeile 95:
 
\hspace{0.3cm} \hspace{0.15cm}\underline{\lambda_{1/2} =1}.$$
 
\hspace{0.3cm} \hspace{0.15cm}\underline{\lambda_{1/2} =1}.$$
  
:<b>3.</b>&nbsp;&nbsp; Bei positivem <i>&rho;</i> lautet die Bestimmungsgleichung der Eigenwerte:
 
:$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.3cm}\Rightarrow
 
\hspace{0.3cm}\lambda^2 - 2\lambda + 1 - \rho^2 =
 
0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\lambda_{1/2} =1 \pm \rho.$$
 
  
:Für <i>&rho;</i> = 0.5 erhält man <i>&lambda;</i><sub>1</sub> <u>= 1.5</u> und <i>&lambda;</i><sub>2</sub> <u>= 0.5</u>. Die Gleichung gilt übrigens im gesamten Definitionsbereich &ndash;1 &#8804; <i>&rho;</i> &#8804; 1. Für <i>&rho;</i> = 0 ist <i>&lambda;</i><sub>1</sub> = <i>&lambda;</i><sub>2</sub> = 1 (siehe Teilaufgabe 2). Bei <i>&rho;</i> = &plusmn;1 ergibt sich <i>&lambda;</i><sub>1</sub> = 2 und <i>&lambda;</i><sub>2</sub> = 0.
 
  
:<b>4.</b>&nbsp;&nbsp;Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte <i>&lambda;</i><sub>1</sub>, <i>&lambda;</i><sub>2</sub> in die Kovarianzmatrix:
+
'''(3)'''&nbsp;  Bei positivem&nbsp; $\rho$&nbsp; lautet die Bestimmungsgleichung der Eigenwerte:
 +
:$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.5cm}\Rightarrow
 +
\hspace{0.5cm}\lambda^2 - 2\lambda + 1 - \rho^2 =
 +
0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda_{1/2} =1 \pm \rho.$$
 +
 
 +
*Für&nbsp; $\rho= 0.5$&nbsp; erhält man&nbsp; $\underline{\lambda_{1} =1.5}$&nbsp; und&nbsp; $\underline{\lambda_{2} =0.5}$.
 +
*Die Gleichung gilt übrigens im gesamten Definitionsbereich&nbsp; $-1 \le \rho \le +1$.
 +
*Für&nbsp; $\rho = 0$&nbsp; ist&nbsp; $\lambda_1 = \lambda_2 = +1$&nbsp; &nbsp; &rArr; &nbsp; siehe Teilaufgabe&nbsp; '''(2)'''.
 +
*Für&nbsp; $\rho = \pm 1$&nbsp; ergibt sich $\lambda_1  = 2$&nbsp; und&nbsp; $\lambda_2  = 0$.
 +
 
 +
 
 +
 
 +
'''(4)'''&nbsp; Richtig sind&nbsp; <u>die Lösungsvorschläge 1 und 2</u>.
 +
 
 +
Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte&nbsp; $\lambda_1$&nbsp; und&nbsp; $\lambda_2$&nbsp; in die Korrelationsmatrix:
 
:$$\left[ \begin{array}{cc}
 
:$$\left[ \begin{array}{cc}
 
1- (1+\rho) & \rho \\
 
1- (1+\rho) & \rho \\
Zeile 127: Zeile 148:
 
1
 
1
 
\end{array} \right].$$
 
\end{array} \right].$$
[[Datei:P_ID676__Sto_A_4_16_d.png|right|]]
 
  
:Bringt man diese in die so genannte Orthonormalform, so gilt:
+
[[Datei:P_ID676__Sto_A_4_16_d.png|right|frame|Koordinatensystemdrehung]]
 +
Bringt man diese in die so genannte Orthonormalform, so gilt:
 
:$${\boldsymbol{\eta_1}}= \frac{1}{\sqrt{2}}\cdot \left[
 
:$${\boldsymbol{\eta_1}}= \frac{1}{\sqrt{2}}\cdot \left[
 
\begin{array}{c}
 
\begin{array}{c}
Zeile 141: Zeile 162:
 
\end{array} \right].$$
 
\end{array} \right].$$
  
:In nebenstehender Skizze ist das Ergebnis verdeutlicht. Das neue, durch <b>&eta;<sub>1</sub></b> und <b>&eta;<sub>2</sub></b> festgelegte Koordinatensystem liegt tatsächlich in Richtung der Hauptachsen des ursprünglichen Systems. Mit <i>&sigma;</i><sub>1</sub> = <i>&sigma;</i><sub>2</sub> ergibt sich stets (Ausnahme: <i>&rho;</i> = 0) der Drehwinkel <i>&alpha;</i> = 45 Grad. Dies folgt auch aus der Gleichung auf Seite 3 von Kapitel 4.2:
+
In der Skizze ist das Ergebnis verdeutlicht:
:$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot\rho \cdot
+
*Das durch&nbsp; $\mathbf{\eta_1}$&nbsp; und&nbsp; $\mathbf{\eta_2}$&nbsp; festgelegte Koordinatensystem liegt in Richtung der Hauptachsen des ursprünglichen Systems.  
 +
*Mit&nbsp; $\sigma_1 = \sigma_2$&nbsp; ergibt sich fast immer&nbsp; $($Ausnahme: &nbsp; $\rho= 0)$&nbsp; der Drehwinkel&nbsp; $\alpha = 45^\circ$.  
 +
*Dies folgt auch aus der im Theorieteil angegebenen Gleichung:
 +
:$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot
 
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})=
 
\frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})=
\frac{1}{2}\cdot \arctan
+
{1}/{2}\cdot \arctan
 
(\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$
 
(\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$
 +
*Die Eigenwerte&nbsp; $\lambda_1$&nbsp; und&nbsp; $\lambda_2$&nbsp; kennzeichnen nicht die Streuungen bezüglich der neuen Achsen,&nbsp; sondern die  Varianzen.
 +
  
:Die Eigenwerte <i>&lambda;</i><sub>1</sub> und <i>&lambda;</i><sub>2</sub> kennzeichnen nicht die Streuungen bezüglich der neuen Achsen, sondern die entsprechenden Varianzen. Richtig sind <u>die Lösungsvorschläge 1 und 2</u>.
 
  
:<b>5.</b>&nbsp;&nbsp;Durch Vergleich der Matrizen <b>K<sub>x</sub></b> und <b>K<sub>z</sub></b> erhält man <u><i>&sigma;</i><sub>1</sub> = 2, <i>&sigma;</i><sub>2</sub> = 1 und <i>&rho;</i> = 1</u>.
+
'''(5)'''&nbsp; Durch Vergleich der Matrizen &nbsp; $\mathbf{K_x}$ &nbsp; und &nbsp; $\mathbf{K_z}$ &nbsp; erhält man  
 +
*$\sigma_{1}\hspace{0.15cm}\underline{ =2}$,
 +
*$\sigma_{2}\hspace{0.15cm}\underline{ =1}$,
 +
*$\rho = 2/(\sigma_{1} \cdot \sigma_{2})\hspace{0.15cm}\underline{ =1}$.
  
:<b>6.</b>&nbsp;&nbsp;Nach dem inzwischen altbekannten Schema gilt:
+
 
 +
 
 +
'''(6)'''&nbsp; Nach dem inzwischen altbekannten Schema gilt:
 
:$$(4- \lambda) \cdot (1- \lambda) -4 = 0\hspace{0.3cm}\Rightarrow
 
:$$(4- \lambda) \cdot (1- \lambda) -4 = 0\hspace{0.3cm}\Rightarrow
 
\hspace{0.3cm}\lambda^2 - 5\lambda  =
 
\hspace{0.3cm}\lambda^2 - 5\lambda  =
Zeile 157: Zeile 187:
 
=5,\hspace{0.1cm} \lambda_{2} =0}.$$
 
=5,\hspace{0.1cm} \lambda_{2} =0}.$$
  
:<b>7.</b>&nbsp;&nbsp;Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt:
+
 
:$$\alpha = \frac{1}{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot
+
 
1}{2^2 -1^2})= \frac{1}{2}\cdot \arctan (\frac{4}{3}) =
+
'''(7)'''&nbsp; Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt:
 +
:$$\alpha ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot
 +
1}{2^2 -1^2})= {1}/{2}\cdot \arctan ({4}/{3}) =
 
26.56^\circ.$$
 
26.56^\circ.$$
[[Datei:P_ID677__Sto_A_4_16_g.png|right|]]
 
  
:Zum gleichen Ergebnis gelangt man über den Eigenvektor:
+
[[Datei:P_ID677__Sto_A_4_16_g.png|right|frame|Bestmögliche Dekorrelation]]
 +
Zum gleichen Ergebnis gelangt man über den Eigenvektor:
 
:$$\left[ \begin{array}{cc}
 
:$$\left[ \begin{array}{cc}
 
4-5 & 2 \\
 
4-5 & 2 \\
Zeile 171: Zeile 203:
 
\zeta_{12}
 
\zeta_{12}
 
\end{array}
 
\end{array}
\right]=0$$
+
\right]=0 \hspace{0.3cm}
:$$\Rightarrow\hspace{0.3cm}-\zeta_{11}=
+
\Rightarrow\hspace{0.3cm}-\zeta_{11}=
2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}=\frac{\zeta_{11}}{2}$$
+
2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}={\zeta_{11}}/{2}$$
 
:$$\Rightarrow\hspace{0.3cm}\alpha = \arctan
 
:$$\Rightarrow\hspace{0.3cm}\alpha = \arctan
(\frac{\zeta_{12}}{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$
+
({\zeta_{12}}/{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$
  
:Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße <b><i>z</i></b>. Wegen <i>&rho;</i> = 1 liegen alle Werte auf der Korrelationsgeraden mit den Koordinaten <i>z</i><sub>2</sub> = <i>z</i><sub>1</sub>/2. Durch die Drehung um den Winkel <i>&alpha;</i> = arctan(0.5) = 26.56 Grad entsteht ein neues Koordinatensystem. Die Varianz entlang der Achse <i>&zeta;</i><sub>1</sub> beträgt <i>&lambda;</i><sub>1</sub> = 5 (Streuung <i>&sigma;</i><sub>1</sub> = 2.236), während in der dazu orthogonalen Richtung <i>&zeta;</i><sub>2</sub> die Zufallsgröße nicht ausgedehnt ist (<i>&lambda;</i><sub>2</sub> = <i>&sigma;</i><sub>2</sub> = 0).
+
Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße&nbsp; $\mathbf{z}$:
 +
* Wegen&nbsp; $\rho = 1$&nbsp; liegen alle Werte auf der Korrelationsgeraden mit den Koordinaten&nbsp; $z_1$&nbsp; und&nbsp; $z_2 = z_1/2$.  
 +
*Durch die Drehung um den Winkel&nbsp; $\alpha = \arctan(0.5) = 26.56^\circ$&nbsp; entsteht ein neues Koordinatensystem.  
 +
*Die Varianz entlang der Achse&nbsp; $\mathbf{\zeta_1}$ beträgt&nbsp; $\lambda_1 = 5$&nbsp; $($Streuung&nbsp; $\sigma_1 = \sqrt{5} = 2.236)$,  
 +
*während in der dazu orthogonalen Richtung&nbsp; $\mathbf{\zeta_2}$&nbsp; die Zufallsgröße nicht ausgedehnt ist&nbsp; $(\lambda_2 = \sigma_2 = 0)$.
 
{{ML-Fuß}}
 
{{ML-Fuß}}
  
  
  
[[Category:Aufgaben zu Stochastische Signaltheorie|^4.7 Verallgemeinerung auf N-dimensionale Zufallsgrößen^]]
+
[[Category:Aufgaben zu Stochastische Signaltheorie|^4.7 N-dimensionale Zufallsgrößen^]]

Aktuelle Version vom 29. März 2022, 15:23 Uhr

Drei Korrelationsmatrizen

Obwohl die Beschreibung Gaußscher Zufallsgrößen mit Hilfe von Vektoren und Matrizen eigentlich nur bei mehr als  $N = 2$  Dimensionen erforderlich ist und Sinn macht,  beschränken wir uns hier zur Vereinfachung auf den Sonderfall zweidimensionaler Zufallsgrößen.

In der Grafik ist oben die allgemeine Korrelationsmatrix   $\mathbf{K_x}$   der 2D–Zufallsgröße   $\mathbf{x} = (x_1, x_2)^{\rm T}$   angegeben,  wobei  $\sigma_1^2$  und  $\sigma_2^2$  die Varianzen der Einzelkomponenten beschreiben.  $\rho$  bezeichnet den Korrelationskoeffizienten zwischen den beiden Komponenten.

Die Zufallsgrößen   $\mathbf{y}$   und   $\mathbf{z}$   geben zwei Spezialfälle von   $\mathbf{x}$   an,  deren Prozessparameter aus den Korrelationsmatrix  $\mathbf{K_y}$  bzw.  $\mathbf{K_z}$  bestimmt werden sollen.



Hinweise:

$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot \frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2}).$$
  • Insbesondere ist zu beachten:
    • Eine  $2×2$–Kovarianzmatrix besitzt zwei reelle Eigenwerte  $\lambda_1$  und  $\lambda_2$.
    • Diese beiden Eigenwerte bestimmen zwei Eigenvektoren   $\xi_1$   und   $\xi_2$.
    • Diese spannen ein neues Koordinatensystem in Richtung der Hauptachsen des alten Systems auf.


Fragebogen

1

Welche Aussagen treffen für die Korrelationsmatrix  $\mathbf{K_y}$  zu?

$\mathbf{K_y}$  beschreibt alle möglichen 2D-Zufallsgrößen mit  $\sigma_1 = \sigma_2 = \sigma$.
Der Wertebereich des Korrelationskoeffizienten ist  $-1 \le \rho \le +1$.
Der Wertebereich des Korrelationskoeffizienten ist  $0 < \rho < 1$.

2

Berechnen Sie die Eigenwerte von  $\mathbf{K_y}$  unter der Bedingung  $\sigma = 1$  und  $\rho = 0$.

$\lambda_1 \ = \ $

$\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = \ $

$\ (\lambda_2 \le \lambda_1)$

3

Geben Sie die Eigenwerte von  $\mathbf{K_y}$  unter der Bedingung  $\sigma = 1$  sowie  $0 < \rho < 1$  an.  Welche Werte ergeben sich für  $\rho = 0.5 $,  wobei  $\lambda_1 \ge \lambda_2$  vorausgesetzt wird?

$\lambda_1 \ = \ $

$\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = \ $

$\ (\lambda_2 \le \lambda_1)$

4

Berechnen Sie die zugehörigen Eigenvektoren  $\mathbf{\eta_1}$  und  $\mathbf{\eta_2}$.  Welche der folgenden Aussagen sind zutreffend?

$\mathbf{\eta_1}$   und   $\mathbf{\eta_2}$   liegen in Richtung der Ellipsenhauptachsen.
Die neuen Koordinaten sind um  $45^\circ$  gedreht.
Die Streuungen bezüglich des neuen Systems sind  $\lambda_1$  und  $\lambda_2$.

5

Wie lauten die Kenngrößen der durch  $\mathbf{K_z}$  festgelegten Zufallsgröße  $\mathbf{z}$?

$\sigma_1 = \ $

$\sigma_2 = \ $

$\rho = \ $

6

Berechnen Sie die Eigenwerte  $\lambda_1$  und  $\lambda_2 \le \lambda_1$  der Korrelationsmatrix  $\mathbf{K_z}$.

$\lambda_1 \ = \ $

$\ (\lambda_1 \ge \lambda_2)$
$\lambda_2 \ = \ $

$\ (\lambda_2 \le \lambda_1)$

7

Um welchen Winkel  $\alpha$  ist das neue Koordinatensystem  $(\mathbf{\zeta_1}, \ \mathbf{\zeta_2})$  gegenüber dem ursprünglichen System  $(\mathbf{z_1}, \ \mathbf{z_2})$  gedreht?

$\alpha \ = \ $

$\ \rm Grad$


Musterlösung

(1)  Richtig sind  die Lösungsvorschläge 1 und 2:

  • $\mathbf{K_y}$  ist tatsächlich die allgemeinste Korrelationsmatrix einer 2D-Zufallsgröße mit  $\sigma_1 = \sigma_2 = \sigma$.
  • Der Parameter  $\rho$  gibt den Korrelationskoeffizienten an.  Dieser kann alle Werte zwischen  $\pm 1$  inclusive dieser Randwerte annehmen.


(2)  In diesem Fall lautet die Bestimmungsgleichung:

$${\rm det}\left[ \begin{array}{cc} 1- \lambda & 0 \\ 0 & 1- \lambda \end{array} \right] = 0 \hspace{0.3cm}\Rightarrow \hspace{0.3cm} (1- \lambda)^2 = 0\hspace{0.3cm}\Rightarrow \hspace{0.3cm} \hspace{0.15cm}\underline{\lambda_{1/2} =1}.$$


(3)  Bei positivem  $\rho$  lautet die Bestimmungsgleichung der Eigenwerte:

$$(1- \lambda)^2 -\rho^2 = 0\hspace{0.5cm}\Rightarrow \hspace{0.5cm}\lambda^2 - 2\lambda + 1 - \rho^2 = 0\hspace{0.5cm}\Rightarrow\hspace{0.5cm}\lambda_{1/2} =1 \pm \rho.$$
  • Für  $\rho= 0.5$  erhält man  $\underline{\lambda_{1} =1.5}$  und  $\underline{\lambda_{2} =0.5}$.
  • Die Gleichung gilt übrigens im gesamten Definitionsbereich  $-1 \le \rho \le +1$.
  • Für  $\rho = 0$  ist  $\lambda_1 = \lambda_2 = +1$    ⇒   siehe Teilaufgabe  (2).
  • Für  $\rho = \pm 1$  ergibt sich $\lambda_1 = 2$  und  $\lambda_2 = 0$.


(4)  Richtig sind  die Lösungsvorschläge 1 und 2.

Die Eigenvektoren erhält man durch Einsetzen der Eigenwerte  $\lambda_1$  und  $\lambda_2$  in die Korrelationsmatrix:

$$\left[ \begin{array}{cc} 1- (1+\rho) & \rho \\ \rho & 1- (1+\rho) \end{array} \right]\cdot{\boldsymbol{\eta_1}} = \left[ \begin{array}{cc} -\rho & \rho \\ \rho & -\rho \end{array} \right]\cdot \left[ \begin{array}{c} \eta_{11} \\ \eta_{12} \end{array} \right]=0$$
$$\Rightarrow\hspace{0.3cm}-\rho \cdot \eta_{11} + \rho \cdot \eta_{12} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{11}= {\rm const} \cdot \eta_{12}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_1}}= {\rm const}\cdot \left[ \begin{array}{c} 1 \\ 1 \end{array} \right];$$
$$\left[ \begin{array}{cc} 1- (1-\rho) & \rho \\ \rho & 1- (1-\rho) \end{array} \right]\cdot{\boldsymbol{\eta_2}} = \left[ \begin{array}{cc} \rho & \rho \\ \rho & \rho \end{array} \right]\cdot \left[ \begin{array}{c} \eta_{21} \\ \eta_{22} \end{array} \right]=0$$
$$\Rightarrow\hspace{0.3cm}\rho \cdot \eta_{21} + \rho \cdot \eta_{22} = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\eta_{21}= -{\rm const} \cdot \eta_{22}\hspace{0.3cm}\Rightarrow\hspace{0.3cm}{\boldsymbol{\eta_2}}= {\rm const}\cdot \left[ \begin{array}{c} -1 \\ 1 \end{array} \right].$$
Koordinatensystemdrehung

Bringt man diese in die so genannte Orthonormalform, so gilt:

$${\boldsymbol{\eta_1}}= \frac{1}{\sqrt{2}}\cdot \left[ \begin{array}{c} 1 \\ 1 \end{array} \right],\hspace{0.5cm} {\boldsymbol{\eta_2}}= \frac{1}{\sqrt{2}}\cdot \left[ \begin{array}{c} -1 \\ 1 \end{array} \right].$$

In der Skizze ist das Ergebnis verdeutlicht:

  • Das durch  $\mathbf{\eta_1}$  und  $\mathbf{\eta_2}$  festgelegte Koordinatensystem liegt in Richtung der Hauptachsen des ursprünglichen Systems.
  • Mit  $\sigma_1 = \sigma_2$  ergibt sich fast immer  $($Ausnahme:   $\rho= 0)$  der Drehwinkel  $\alpha = 45^\circ$.
  • Dies folgt auch aus der im Theorieteil angegebenen Gleichung:
$$\alpha = {1}/{2}\cdot \arctan (2 \cdot\rho \cdot \frac{\sigma_1\cdot\sigma_2}{\sigma_1^2 -\sigma_2^2})= {1}/{2}\cdot \arctan (\infty)\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\alpha = 45^\circ.$$
  • Die Eigenwerte  $\lambda_1$  und  $\lambda_2$  kennzeichnen nicht die Streuungen bezüglich der neuen Achsen,  sondern die Varianzen.


(5)  Durch Vergleich der Matrizen   $\mathbf{K_x}$   und   $\mathbf{K_z}$   erhält man

  • $\sigma_{1}\hspace{0.15cm}\underline{ =2}$,
  • $\sigma_{2}\hspace{0.15cm}\underline{ =1}$,
  • $\rho = 2/(\sigma_{1} \cdot \sigma_{2})\hspace{0.15cm}\underline{ =1}$.


(6)  Nach dem inzwischen altbekannten Schema gilt:

$$(4- \lambda) \cdot (1- \lambda) -4 = 0\hspace{0.3cm}\Rightarrow \hspace{0.3cm}\lambda^2 - 5\lambda = 0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\hspace{0.15cm}\underline{\lambda_{1} =5,\hspace{0.1cm} \lambda_{2} =0}.$$


(7)  Nach der auf dem Angabenblatt vorgegebenen Gleichung gilt:

$$\alpha ={1}/{2}\cdot \arctan (2 \cdot 1 \cdot \frac{2 \cdot 1}{2^2 -1^2})= {1}/{2}\cdot \arctan ({4}/{3}) = 26.56^\circ.$$
Bestmögliche Dekorrelation

Zum gleichen Ergebnis gelangt man über den Eigenvektor:

$$\left[ \begin{array}{cc} 4-5 & 2 \\ 2 & 1-5 \end{array} \right]\cdot \left[ \begin{array}{c} \zeta_{11} \\ \zeta_{12} \end{array} \right]=0 \hspace{0.3cm} \Rightarrow\hspace{0.3cm}-\zeta_{11}= 2\zeta_{12}=0\hspace{0.3cm}\Rightarrow\hspace{0.3cm}\zeta_{12}={\zeta_{11}}/{2}$$
$$\Rightarrow\hspace{0.3cm}\alpha = \arctan ({\zeta_{12}}/{\zeta_{11}}) = \arctan(0.5) \hspace{0.15cm}\underline{= 26.56^\circ}.$$

Die nebenstehende Skizze zeigt die 2D-WDF der Zufallsgröße  $\mathbf{z}$:

  • Wegen  $\rho = 1$  liegen alle Werte auf der Korrelationsgeraden mit den Koordinaten  $z_1$  und  $z_2 = z_1/2$.
  • Durch die Drehung um den Winkel  $\alpha = \arctan(0.5) = 26.56^\circ$  entsteht ein neues Koordinatensystem.
  • Die Varianz entlang der Achse  $\mathbf{\zeta_1}$ beträgt  $\lambda_1 = 5$  $($Streuung  $\sigma_1 = \sqrt{5} = 2.236)$,
  • während in der dazu orthogonalen Richtung  $\mathbf{\zeta_2}$  die Zufallsgröße nicht ausgedehnt ist  $(\lambda_2 = \sigma_2 = 0)$.