Aufgaben:Aufgabe 4.16Z: Zwei- und dreidimensionale Datenreduktion: Unterschied zwischen den Versionen
Zeile 3: | Zeile 3: | ||
}} | }} | ||
− | [[Datei:P_ID678__Sto_Z_4_16.png|right|frame|Korrelationsmatrizen <br>$\mathbf{K_y}$ und $\mathbf{K_z}$ ]] | + | [[Datei:P_ID678__Sto_Z_4_16.png|right|frame|Korrelationsmatrizen <br>$\mathbf{K_y}$ und $\mathbf{K_z}$ ]] |
− | Wir betrachten Gaußsche mittelwertfreie Zufallsgrößen $\mathbf{x}$, $\mathbf{y}$ und $\mathbf{z}$ mit den Dimensionen $N= 1$, $N= 2$ und $N= 3$: | + | Wir betrachten Gaußsche mittelwertfreie Zufallsgrößen $\mathbf{x}$, $\mathbf{y}$ und $\mathbf{z}$ mit den Dimensionen $N= 1$, $N= 2$ und $N= 3$: |
− | * Die eindimensionale Zufallsgröße $\mathbf{x}$ ist durch die Varianz $\sigma^2 = 1$ bzw. die Streuung $\sigma = 1$ charakterisiert. <br>Wegen der Dimension $N= 1$ gilt $\mathbf{x} = x$. | + | * Die eindimensionale Zufallsgröße $\mathbf{x}$ ist durch die Varianz $\sigma^2 = 1$ bzw. die Streuung $\sigma = 1$ charakterisiert. <br>Wegen der Dimension $N= 1$ gilt $\mathbf{x} = x$. |
− | * Der Korrelationskoeffizient zwischen den Komponenten $y_1$ und $y_2$ der 2D-Zufallsgröße $\mathbf{y}$ beträgt $\rho = 1/3$ (siehe Matrix $\mathbf{K_y}$ | + | * Der Korrelationskoeffizient zwischen den Komponenten $y_1$ und $y_2$ der 2D-Zufallsgröße $\mathbf{y}$ beträgt $\rho = 1/3$ $($siehe Matrix $\mathbf{K_y})$. <br>$y_1$ und $y_2$ weisen ebenfalls die Streuung $\sigma = 1$ auf. |
− | * Die Statistik der dreidimensionalen Zufallsgröße $\mathbf{z}$ ist durch die Korrelationsmatrix $\mathbf{K_z}$ vollständig bestimmt. | + | * Die Statistik der dreidimensionalen Zufallsgröße $\mathbf{z}$ ist durch die Korrelationsmatrix $\mathbf{K_z}$ vollständig bestimmt. |
− | Quantisiert man die Zufallsgröße $\mathbf{x}$ im Bereich zwischen $-4$ und $+4$ mit Intervallbreite $\Delta_x = 1/32$, so gibt es insgesamt $N_1 = 256$ unterschiedliche Quantisierungswerte, für deren Übertragung somit $n_1 = 8\ \rm {Bit}$ benötigt würden. | + | Quantisiert man die Zufallsgröße $\mathbf{x}$ im Bereich zwischen $-4$ und $+4$ mit Intervallbreite $\Delta_x = 1/32$, so gibt es insgesamt $N_1 = 256$ unterschiedliche Quantisierungswerte, für deren Übertragung somit $n_1 = 8\ \rm {Bit}$ benötigt würden. |
− | Analog ergeben sich bei der Zufallsgröße $\mathbf{y}$ insgesamt $N_2 = 256^2 = 65536$ unterschiedliche quantisierte Wertepaare, wenn man die Korrelation zwischen $y_1$ und $y_2$ nicht berücksichtigt. | + | Analog ergeben sich bei der Zufallsgröße $\mathbf{y}$ insgesamt $N_2 = 256^2 = 65536$ unterschiedliche quantisierte Wertepaare, wenn man die Korrelation zwischen $y_1$ und $y_2$ nicht berücksichtigt. |
− | Durch Ausnutzung dieser Korrelation – zum Beispiel durch Koordinatentransformation vom Ursprungsystem $(y_1, y_2)$ zum neuen System $(\eta_1, \eta_2)$ – ergibt sich eine geringere Zahl $N_2\hspace{0.01cm}'$ quantisierter Wertepaare. | + | Durch Ausnutzung dieser Korrelation – zum Beispiel durch Koordinatentransformation vom Ursprungsystem $(y_1, y_2)$ zum neuen System $(\eta_1, \eta_2)$ – ergibt sich eine geringere Zahl $N_2\hspace{0.01cm}'$ quantisierter Wertepaare. |
− | *Hierbei ist zu berücksichtigen, dass jede Komponente entsprechend ihrer jeweiligen Streuung ( | + | *Hierbei ist zu berücksichtigen, dass jede Komponente entsprechend ihrer jeweiligen Streuung $(\sigma_1$ bzw. $\sigma_2)$ im Bereich von $-4$ bis $+4$ zu quantisieren ist und die Quantisierungsintervalle in beiden Richtungen gleich sein sollen: $\Delta_x = \Delta_y =1/32$. |
− | *Den Quotienten $N_2\hspace{0.01cm}'/N_2$ bezeichnen wir als Datenreduktionsfaktor bezüglich der 2D-Zufallsgröße $\mathbf{y}$. | + | *Den Quotienten $N_2\hspace{0.01cm}'/N_2$ bezeichnen wir als Datenreduktionsfaktor bezüglich der 2D-Zufallsgröße $\mathbf{y}$. |
− | *In analoger Definition ist $N_3'/N_3$ der entsprechende Reduktionsfaktor der 3D-Zufallsgröße $\mathbf{z}$ für $\Delta_x = \Delta_y =\Delta_z =1/32.$ | + | *In analoger Definition ist $N_3'/N_3$ der entsprechende Reduktionsfaktor der 3D-Zufallsgröße $\mathbf{z}$ für $\Delta_x = \Delta_y =\Delta_z =1/32.$ |
*Anzumerken ist, dass in beiden Fällen ein möglichst kleiner Wert dieses Quotienten günstig wäre. | *Anzumerken ist, dass in beiden Fällen ein möglichst kleiner Wert dieses Quotienten günstig wäre. | ||
+ | |||
+ | |||
+ | |||
Zeile 35: | Zeile 38: | ||
*Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Determinante_einer_Matrix|Determinante einer Matrix]] sowie [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]]. | *Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Determinante_einer_Matrix|Determinante einer Matrix]] sowie [[Stochastische_Signaltheorie/Verallgemeinerung_auf_N-dimensionale_Zufallsgrößen#Grundlagen_der_Matrizenrechnung:_Inverse_einer_Matrix|Inverse einer Matrix]]. | ||
− | *Die Bestimmungsgleichung der Eigenwerte von $\mathbf{K_z}$ lautet: $\lambda^3 - 3 \lambda^2 + {24}/{9}\lambda - {20}/{27} = 0.$ | + | *Die Bestimmungsgleichung der Eigenwerte von $\mathbf{K_z}$ lautet: $\lambda^3 - 3 \lambda^2 + {24}/{9}\lambda - {20}/{27} = 0.$ |
− | *Eine der drei Lösungen dieser Gleichung ist $\lambda_1 = 5/3$. | + | *Eine der drei Lösungen dieser Gleichung ist $\lambda_1 = 5/3$. |
Zeile 42: | Zeile 45: | ||
<quiz display=simple> | <quiz display=simple> | ||
− | {Berechnen Sie die Eigenwerte der Korrelationsmatrix $\mathbf{K_y}$. Es gelte $\lambda_1 \ge \lambda_2$. | + | {Berechnen Sie die Eigenwerte der Korrelationsmatrix $\mathbf{K_y}$. Es gelte $\lambda_1 \ge \lambda_2$. |
|type="{}"} | |type="{}"} | ||
$\lambda_1 \ = \ $ { 1.333 3% } $\ (\lambda_1 \ge \lambda_2)$ | $\lambda_1 \ = \ $ { 1.333 3% } $\ (\lambda_1 \ge \lambda_2)$ | ||
Zeile 48: | Zeile 51: | ||
− | {Wie groß ist der Datenreduktionsfaktor bei der 2D-Zufallsgröße $\mathbf{y}$? | + | {Wie groß ist der Datenreduktionsfaktor bei der 2D-Zufallsgröße $\mathbf{y}$? |
|type="{}"} | |type="{}"} | ||
$N_2\hspace{0.01cm}'/N_2 \ = $ { 0.943 3% } | $N_2\hspace{0.01cm}'/N_2 \ = $ { 0.943 3% } | ||
− | {Es gelte $\lambda_1 = 5/3$. Berechnen Sie die Eigenwerte $\lambda_2$ und $\lambda_3 \le \lambda_2$ von $\mathbf{K_z}$. | + | {Es gelte $\lambda_1 = 5/3$. Berechnen Sie die Eigenwerte $\lambda_2$ und $\lambda_3 \le \lambda_2$ von $\mathbf{K_z}$. |
|type="{}"} | |type="{}"} | ||
$\lambda_2 \ = \ $ { 0.667 3% } $\ (\lambda_2 \ge \lambda_3)$ | $\lambda_2 \ = \ $ { 0.667 3% } $\ (\lambda_2 \ge \lambda_3)$ | ||
Zeile 59: | Zeile 62: | ||
− | {Wie groß ist der Datenreduktionsfaktor bei der 3D-Zufallsgröße $\mathbf{z}$? | + | {Wie groß ist der Datenreduktionsfaktor bei der 3D-Zufallsgröße $\mathbf{z}$? |
|type="{}"} | |type="{}"} | ||
$N_3\hspace{0.01cm}'/N_3 \ = $ { 0.861 3% } | $N_3\hspace{0.01cm}'/N_3 \ = $ { 0.861 3% } |
Version vom 5. Dezember 2019, 16:23 Uhr
Wir betrachten Gaußsche mittelwertfreie Zufallsgrößen $\mathbf{x}$, $\mathbf{y}$ und $\mathbf{z}$ mit den Dimensionen $N= 1$, $N= 2$ und $N= 3$:
- Die eindimensionale Zufallsgröße $\mathbf{x}$ ist durch die Varianz $\sigma^2 = 1$ bzw. die Streuung $\sigma = 1$ charakterisiert.
Wegen der Dimension $N= 1$ gilt $\mathbf{x} = x$.
- Der Korrelationskoeffizient zwischen den Komponenten $y_1$ und $y_2$ der 2D-Zufallsgröße $\mathbf{y}$ beträgt $\rho = 1/3$ $($siehe Matrix $\mathbf{K_y})$.
$y_1$ und $y_2$ weisen ebenfalls die Streuung $\sigma = 1$ auf.
- Die Statistik der dreidimensionalen Zufallsgröße $\mathbf{z}$ ist durch die Korrelationsmatrix $\mathbf{K_z}$ vollständig bestimmt.
Quantisiert man die Zufallsgröße $\mathbf{x}$ im Bereich zwischen $-4$ und $+4$ mit Intervallbreite $\Delta_x = 1/32$, so gibt es insgesamt $N_1 = 256$ unterschiedliche Quantisierungswerte, für deren Übertragung somit $n_1 = 8\ \rm {Bit}$ benötigt würden.
Analog ergeben sich bei der Zufallsgröße $\mathbf{y}$ insgesamt $N_2 = 256^2 = 65536$ unterschiedliche quantisierte Wertepaare, wenn man die Korrelation zwischen $y_1$ und $y_2$ nicht berücksichtigt.
Durch Ausnutzung dieser Korrelation – zum Beispiel durch Koordinatentransformation vom Ursprungsystem $(y_1, y_2)$ zum neuen System $(\eta_1, \eta_2)$ – ergibt sich eine geringere Zahl $N_2\hspace{0.01cm}'$ quantisierter Wertepaare.
- Hierbei ist zu berücksichtigen, dass jede Komponente entsprechend ihrer jeweiligen Streuung $(\sigma_1$ bzw. $\sigma_2)$ im Bereich von $-4$ bis $+4$ zu quantisieren ist und die Quantisierungsintervalle in beiden Richtungen gleich sein sollen: $\Delta_x = \Delta_y =1/32$.
- Den Quotienten $N_2\hspace{0.01cm}'/N_2$ bezeichnen wir als Datenreduktionsfaktor bezüglich der 2D-Zufallsgröße $\mathbf{y}$.
- In analoger Definition ist $N_3'/N_3$ der entsprechende Reduktionsfaktor der 3D-Zufallsgröße $\mathbf{z}$ für $\Delta_x = \Delta_y =\Delta_z =1/32.$
- Anzumerken ist, dass in beiden Fällen ein möglichst kleiner Wert dieses Quotienten günstig wäre.
Hinweise:
- Die Aufgabe gehört zum Kapitel Verallgemeinerung auf N-dimensionale Zufallsgrößen.
- Insbesondere wird auf die Seite Eigenwerte und Eigenvektoren Bezug genommen.
- Grundlagen zur Anwendung von Vektoren und Matrizen finden sich auf den Seiten Determinante einer Matrix sowie Inverse einer Matrix.
- Die Bestimmungsgleichung der Eigenwerte von $\mathbf{K_z}$ lautet: $\lambda^3 - 3 \lambda^2 + {24}/{9}\lambda - {20}/{27} = 0.$
- Eine der drei Lösungen dieser Gleichung ist $\lambda_1 = 5/3$.
Fragebogen
Musterlösung
- $${\rm det}\left[ \begin{array}{cc} 1- \lambda & 1/3 \\ 1/3 & 1- \lambda \end{array} \right] = (1-\lambda)^2 -{1}/{9} = 0 \hspace{0.3cm}\Rightarrow \hspace{0.3cm}\lambda^2 -2\lambda+ {8}/{9}= 0 \hspace{0.3cm}\Rightarrow \hspace{0.3cm}\lambda_{1/2}= 1 \pm \sqrt{1-{8}/{9}}= 1 \pm {1}/{3}.$$
Die Eigenwerte dieser $2\times2$-Matrix sind somit $\lambda_1 = 4/3\hspace{0.15cm}\underline{=1.333}$ und $\lambda_2 = 2/3\hspace{0.15cm}\underline{=0.667}$.
(2) Ohne Berücksichtigung von Korrelationen gibt es $N_2 = \left({8}/{ \Delta_x}\right)^2= 256^2 = 65536$ verschiedene Wertepaare.
- Unter Berücksichtigung der Korrelationen und des Sachverhaltes, dass die beiden durch Koordinatendrehung entstandenen Komponenten $\eta_1$ und $\eta_2$ jeweils im Bereich von $-4\sigma_1$ bis $+4\sigma_1$ (bzw. von $-4\sigma_2$ bis $+4\sigma_2$) zu quantisieren sind, erhält man
- $$N_2\hspace{0.01cm}' = \frac{8 \hspace{0.05cm}\sigma_1}{\it \Delta_x}\cdot\frac{8 \hspace{0.05cm}\sigma_2}{\it \Delta_y}= N_2 \cdot \sigma_1 \cdot \sigma_2 .$$
- Der Quotient lautet somit mit $\sigma_1^2 = \lambda_1$ und $\sigma_2^2 = \lambda_2$:
- $${N_2\hspace{0.01cm}'}/{N_2} = \sigma_1 \cdot \sigma_2 = \sqrt{{4}/{3}} \cdot \sqrt{{2}/{3}} = \frac{2 \cdot \sqrt{2}}{3} \hspace{0.15cm}\underline{ \approx 0.943}.$$
(3) Die Bestimmungsgleichung der Eigenwerte von $\mathbf{K_z}$ lautet:
- $${\rm det} \left[ \begin{array}{ccc} 1-\lambda & 1/3 & 1/3\\ 1/3 & 1-\lambda & 1/3\\ 1/3 & 1/3 & 1-\lambda \end{array}\right] = 0 \hspace{0.3cm} \Rightarrow \hspace{0.3cm}(1- \lambda) \left[(1- \lambda)^2 - \frac{1}{9} \right]- \frac{1}{3} \left[\frac{1}{3}(1- \lambda) - \frac{1}{9} \right] + \frac{1}{3} \left[\frac{1}{9} - \frac{1}{3}(1- \lambda) \right] = 0$$
- $$\Rightarrow \hspace{0.3cm}(1- \lambda) (\lambda^2 -2\lambda+ \frac{8}{9})- \frac{1}{9} (\frac{2}{3}- \lambda )+ \frac{1}{9} ( \lambda - \frac{2}{3})= 0$$
- $$\Rightarrow \hspace{0.3cm}\lambda^2 - 2\lambda + \frac{8}{9} - \lambda^3 + 2 \lambda^2 - \frac{8}{9}\lambda - \frac{4}{27} + \frac{2}{9}\lambda = 0 \hspace{0.3cm} \Rightarrow \hspace{0.3cm}\lambda^3 - 3 \lambda^2 + \frac{24}{9}\lambda - \frac{20}{27} = 0.$$
- Diese Gleichung wurde bereits als Lösungshinweis angegeben, ebenso wie eine der Lösungen: $\lambda_1= 5/3$.
- Damit ergibt sich die Bestimmungsgleichung für die weiteren Eigenwerte $\lambda_2$ und $\lambda_3$ zu
- $$\frac{\lambda^3 - 3 \lambda^2 + {24}/{9}\lambda - {20}/{27}}{\lambda -{5}/{3}} = \lambda^2 - {4}/{3} \cdot \lambda + {4}/{9} =0.$$
Diese Bestimmungsgleichung lässt sich wie folgt umformen: $(\lambda - {2}/{3})^2 =0.$
Die weiteren Eigenwerte neben $\lambda_1= 5/3$ sind somit gleich und ergeben sich zu $\lambda_2 = \lambda_3 =2/3\hspace{0.15cm}\underline{=0.667}$.
(4) Analog zur Vorgehensweise in der Teilaufgabe (2) ergibt sich hier:
- $${N_3\hspace{0.01cm}'}/{N_3} = \sqrt{\lambda_1 \cdot \lambda_2\cdot \lambda_3} = \sqrt{\frac{5}{3} \cdot \frac{2}{3}\cdot \frac{2}{3}} = \sqrt{\frac{20}{27}} \hspace{0.15cm}\underline{ \approx 0.861}.$$