Laskuharjoitus 5. Mitkä ovat kuvan 1 kanavien kapasiteetit? Kuva 1: Kaksi kanavaa. p/(1 p) ) bittiä lähetystä kohti. Voidaan

Samankaltaiset tiedostot
T Privacy amplification

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

Jatkuvat satunnaismuuttujat

6. laskuharjoitusten vastaukset (viikot 10 11)

30A02000 Tilastotieteen perusteet

Esimerkkejä vaativuusluokista

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Generointi yksinkertaisista diskreeteistä jakaumista

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Johdatus tn-laskentaan perjantai

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Lineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

7.4 Sormenjälkitekniikka

Sovellettu todennäköisyyslaskenta B

3.6 Su-estimaattorien asymptotiikka

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

(0 desimaalia, 2 merkitsevää numeroa).

3. laskuharjoituskierros, vko 6, ratkaisut

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

Tilastollinen aineisto Luottamusväli

Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:

k S P[ X µ kσ] 1 k 2.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Keskinäisinformaatiosta

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 6. luento. Pertti Palo

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Generoivat funktiot, Poisson- ja eksponenttijakaumat

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

8.1 Ehdolliset jakaumat

l (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on

Sovellettu todennäköisyyslaskenta B

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Moniulotteisia todennäköisyysjakaumia

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

ABHELSINKI UNIVERSITY OF TECHNOLOGY

11. laskuharjoituskierros, vko 15, ratkaisut

A-Osio. Ei saa käyttää laskinta, maksimissaan tunti aikaa. Valitse seuraavista kolmesta tehtävästä kaksi, joihin vastaat:

7.4 Normaalijakauma (kertausta ja täydennystä) Taulukosta P(Z 1,6449) = 0,05, P(Z -1,6449) = 0,05 P(Z 1,96) = 0,025, P(Z -1,96) = 0,025

Martingaalit ja informaatioprosessit

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Yhtälönratkaisusta. Johanna Rämö, Helsingin yliopisto. 22. syyskuuta 2014

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

T Luonnollisten kielten tilastollinen käsittely

ELEC-C7230 Tietoliikenteen siirtomenetelmät

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

dx=5&uilang=fi&lang=fi&lvv=2014

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

4 Yleinen potenssifunktio ja polynomifunktio

JOHDATUS TEKOÄLYYN LUENTO 4.

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.

Poisson-prosessien ominaisuuksia ja esimerkkilaskuja

Suodatus ja näytteistys, kertaus

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

JOHDATUS TEKOÄLYYN TEEMU ROOS

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Mat Sovellettu todennäköisyyslasku A

n! k!(n k)! n = Binomikerroin voidaan laskea pelkästään yhteenlaskun avulla käyttäen allaolevia ns. palautuskaavoja.

Teema 8: Parametrien estimointi ja luottamusvälit

Algoritmit 1. Luento 11 Ti Timo Männikkö

Mat Sovellettu todennäköisyyslasku A

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

Todennäköisyyden ominaisuuksia

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Numeeriset menetelmät

Valintahetket ja pysäytetyt martingaalit

Seuraavassa taulukossa on annettu mittojen määritelmät ja sijoitettu luvut. = 40% = 67% 6 = 0.06% = 99.92% 6+2 = 0.

Ellipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio

Kuvauksista ja relaatioista. Jonna Makkonen Ilari Vallivaara

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

Transkriptio:

Informaatioteoria ELEC-C7 5 Laskuharjoitus 5 Tehtävä 5.3 Mitkä ovat kuvan kanavien kapasiteetit?.3.7 a b Kuva : Kaksi kanavaa b Binäärisessä Z-kanavassa virhe tapahtuu todennäköisyydellä p ja virhe todennäköisyydellä. Tiedetään, että Z-kanavan kapasiteetti on log + pp p/ p bittiä lähetystä kohti. Voidaan kytkeä Z-kanavia sarjassa, kuten kuvassa. Mikä on tällaisen kanavan kapasitetti kun p =.5? Entä jos p =.5 ja kanavia on sarjassa m kappaletta? X Y Z p p Kuva : Z-kanavat sarjassa

Informaatioteoria ELEC-C7 5 Kaksi tulostearvoa voidaan jättää huomiotta, koska ne ovat mahdottomia. Kapasiteetin ylärajaksi saadaan siis log Y =, missä Y = on tulostearvojen lukumäärä. Toisaalta kanavassa on osana virheetön binäärikanava valitaan esimerkiksi mahdollisiksi syötteiksi ensimmäinen ja kolmas arvo, joten tämä yläraja on mahdollista saavuttaa. Kapasiteetti on siis. b Yksi tulostearvo voidaan jättää huomiotta, koska se on mahdoton. Kapasiteetin ylärajaksi saadaan siis log Y = log 3, missä Y = 3 on tulostearvojen lukumäärä. Toisaalta kanavassa on osana virheetön kolmiarvoinen kanava valitaan esimerkiksi mahdollisiksi syötteiksi ensimmäinen, kolmas ja neljäs, joten tämä yläraja on mahdollista saavuttaa. Kapasiteetti on siis log 3.585. b Kun kytketään m kappaletta tällaisia kanavia sarjaan, virhe tapahtuu edelleen todennäköisyydellä ja virhe tapahtuu, jos ko. virhe tapahtuu vähintään yhdessä m kanavasta, eli todennäköisyys on p m. Kun p =.5, tilanne vastaa siis Z-kanavaa, jossa virheen todennäköisyys on q =.5 m =.5 m. Kapasiteetiksi saadaan log +.5 m.5 m.5m.5 m. Tapauksessa m = virheen todennäköisyys on.5 kapasiteetiksi saadaan log +.5.75.75.5.44658483. =.75 ja Tehtävä 5.4 Tarkastellaan kanavaa, jolle x, y {,,, 3} ja siirtotodennäköisyydet py x saadaan seuraavasta matriisista: b Mikä on kanavan kapasiteetti? Määritellään satunnaismuuttuja z = gy, jolle gy = { A jos y {, } B jos y {, 3}.

Informaatioteoria ELEC-C7 5 Laske Ix; z, kun x:n jakauma on { px = jos x {, 3} jos x {, }. Laske Ix; z, kun x:n jakauma on { jos x {, 3} px = jos x {, }. c Mikä on x:n ja z:n välisen kanavan kapasiteetti? b Siirtomatriisin rivit ovat toistensa permutaatioita kaikilla riveillä esiintyy samat luvut yhtä monta kertaa ja sarakkeet ovat toistensa permutaatioita kaikissa sarakkeissa esiintyy samat luvut yhtä monta kertaa. Siispä kanava on symmetrinen, joten kapasiteetti saadaan kaavasta C = log Y H siirtomatriisin rivi = log 4 H,,, = =. Lasketaan ensin siirtomatriisi pz x:lle. Se saadaan summaamalla py x:n siirtomatriisin y:n arvoja, vastaavat sarakkeet z:n arvoa A vastaavaksi sarakkeeksi ja py x:n siirtomatriisin y:n arvoja, 3 vastaavat sarakkeet z:n arvoa B vastaavaksi sarakkeeksi. Tällä jakaumalla x on aina tai 3, ja kummassakin tapauksessa z on A tai B samalla todennäköisyydellä. Siis z ja x ovat riippumattomat, eli Ix; z =. Tällä jakaumalla x on aina tai, ja ensimmäisessä tapauksessa aina z = A ja toisessa aina z = B. Siis z:sta voidaan aina päätellä x eli Hx z = eli Ix; y = Hx Hx z = H/, / =. c Koska z:lla on kaksi mahdollista arvoa, tiedetään että C log Z =. Toisaalta edellisessä kohdassa saatiin x:lle jakauma, jolla Ix; y =, eli tämä yläraja on mahdollista saavuttaa. Siis kanavan kapasiteetti on. 3

Informaatioteoria ELEC-C7 5 Tehtävä 5.5 Olet jumissa piiritetyssä linnassa, ja ainoa kommunikaatiokeino liittolaisesi kanssa on kirjekyyhkyjen käyttö. Oletetaan, että kukin kyyhky voi kuljettaa yhden 8-bittisen viestin, lähetät kyyhkyjä 5 minuutin välein, ja kyyhkyllä kestää 3 minuuttia päästä perille. Mikä on kanavan nopeus bitteinä tunnissa, jos kaikki kyyhkyt pääsevät perille? b Vihollinen ampuu lähettämiäsi kyyhkyjä ja saa osuuden α < α < pudotettua. Koska lähetät kyyhkyjä tasatahtiin, liittolaisesi tietää mitkä kyyhkyt on ammuttu alas. Mikä on kanavan kapasiteetti? c Ovela vihollinen lähettää ammutun kyyhkyn tilalle uuden kyyhkyn, jossa on satunnainen 8-bittinen viesti. Mikä on tämän kanavan kapasiteetti? b Yksi kyyhky kuljettaa 8 bittiä, ja kyyhkyjä kulkee tunnissa. Kapasiteetti bitteinä tunnissa on siis 8 = 96. Kanava on erasure channel. Binäärisen kanavan kapasiteetti olisi α, missä α on virheen todennäköisyys. Kurssikirjan tai luentokalvojen päättelyä vastaavalla tavalla mutta monimutkaisemmin; tämän osaamista ei odoteta tällä kurssilla voidaan osoittaa että nyt kanavan kapasiteetti yhtä kyyhkyä kohti on 8 α, eli kanavan kapasiteetti on 96 α bittiä tunnissa. c Nyt on kyseessä symmetrinen kanava 8 = syötearvolla ja tulostearvolla. Yhden kyyhkyn viesti säilyy muuttumattomana todennäköisyydellä 55α/, ja muuttuu joksikin 55 muusta mahdollisesta viestistä todennäköisyydellä α/. Kanava on symmetrinen, ja kapasiteetti kyyhkyä kohti on siis C = log Y H 55α, α, α,..., α }{{ } 55 = 8 + 55α log 55α + 55 α log α. 4

Informaatioteoria ELEC-C7 5 Voidaan jatkaa vielä tiiviimpään muotoon: = 8 + 55α log 55α = 8 H + 55α 55α, 55α log 55 log 55α 55α log 55. Kun tämä vielä kerrotaan :lla, saadaan kapasiteetti bitteinä tunnissa. 5