[分析][機統] 隨機過程與期望值
給一個離散實訊號x_n (就是x:Z(整數)→R(實數))
在訊號處理的paper裡很常看到 E{x_n}
1 m
一直以來我都把他定義成 E{x_n}:= lim ──── * Σ x_k
m→∞ 2m+1 k=-m
但是今天看到隨機過程後, 其實對E{x_n}已有定義, 貌似上述等式只是特例而已
詳細問題如下:
======================================================================
令 (Ω, F, P) 為機率空間
{x_n(w): n€Z(整數)} 為隨機過程
即對於每個n, x_n: Ω→R 是一個隨機變數
對於每個w, x_.(w): Z →R 是一個realization
接著因為期望值是定義在隨機變數, 所以對於每個n我們有 E{x_n}:= ∫ x_n(w)dP(w)
Ω
從這邊就可以先觀察到最一開始說的實訊號x_n只是固定某個event w所取出的x_n(w)
接著wiki說stationary random process是指隨機變數的distribution是time-invariant
( https://en.wikipedia.org/wiki/Stochastic_process#Stochastic_process )
因此如果 {x_n(w): n€Z(整數)} is stationary
則 E{x_n} = E{x_m} for any n,m€Z (*)
接著問題來了, 下面這個連結說如果隨機過程是stationary的, 那麼對w做期望值(平均)
1 m
就等於對n做期望值(平均), 也呼應他寫的 E{x_n}= lim ──── * Σ x_k ---(**)
m→∞ 2m+1 k=-m
( https://www.dsprelated.com/freebooks/sasp/Expected_Value.html )
果然我最一開始定義的期望值只是特例, 那只是在一個更廣的定義下所推導出來的結果
但是問題來了!我證不出來, 問題如下:
(**)的左式只剩n的變數, 而且(*)又說跟n無關, 所以(**)左邊只是一個常數
但(**)的右邊其實是w的變數, 代表所有w代進去都是一樣的值!?
這個猜測可能是對的, 因為文章裡面有寫"compute expected values by averaging
over time within a single realization of the random process"
因此, 一切要合理的話, 下面定理要成立:
<Theorem> if {x_n(w): n€Z(整數)} is stationary
1 m
then E{x_n} = lim ──── * Σ x_k(w) ≡ constant, for all n,w
m→∞ 2m+1 k=-m
這不可能吧....
我嘗試一會兒發覺左右根本兩回事, stationary是講time-invariant
既然跟time沒有關係, 那對n做平均(E{x_n})根本多此一舉阿...
而且定理右式怎麼可能任選w都是一樣的, 這樣不就是event-invariant....
請問問題點到底在哪...
謝謝幫忙!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 59.102.235.174 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1580930595.A.79D.html
※ 編輯: znmkhxrw (59.102.235.174 臺灣), 02/06/2020 03:23:55
→
02/06 07:00,
4年前
, 1F
02/06 07:00, 1F
→
02/06 07:02,
4年前
, 2F
02/06 07:02, 2F
→
02/06 07:02,
4年前
, 3F
02/06 07:02, 3F
→
02/06 07:04,
4年前
, 4F
02/06 07:04, 4F
→
02/06 07:06,
4年前
, 5F
02/06 07:06, 5F
→
02/06 07:07,
4年前
, 6F
02/06 07:07, 6F
→
02/06 07:10,
4年前
, 7F
02/06 07:10, 7F
→
02/06 07:11,
4年前
, 8F
02/06 07:11, 8F
→
02/06 20:36,
4年前
, 9F
02/06 20:36, 9F
→
02/06 20:38,
4年前
, 10F
02/06 20:38, 10F
→
02/06 20:39,
4年前
, 11F
02/06 20:39, 11F
→
02/06 20:40,
4年前
, 12F
02/06 20:40, 12F
謝謝y大r大, 我也找到完整敘述了, 即i.i.d的情況下time average = ensemble average
※ 編輯: znmkhxrw (59.102.235.174 臺灣), 02/06/2020 23:31:23
→
02/07 12:23,
4年前
, 13F
02/07 12:23, 13F
→
02/07 15:05,
4年前
, 14F
02/07 15:05, 14F
→
02/07 15:06,
4年前
, 15F
02/07 15:06, 15F
→
02/07 17:16,
4年前
, 16F
02/07 17:16, 16F
→
02/07 17:17,
4年前
, 17F
02/07 17:17, 17F
→
02/07 17:17,
4年前
, 18F
02/07 17:17, 18F
→
02/07 19:29,
4年前
, 19F
02/07 19:29, 19F
→
02/07 19:31,
4年前
, 20F
02/07 19:31, 20F
→
02/07 19:33,
4年前
, 21F
02/07 19:33, 21F
→
02/07 19:36,
4年前
, 22F
02/07 19:36, 22F
→
02/07 20:29,
4年前
, 23F
02/07 20:29, 23F
→
02/07 20:29,
4年前
, 24F
02/07 20:29, 24F
→
02/07 20:29,
4年前
, 25F
02/07 20:29, 25F
→
02/07 20:29,
4年前
, 26F
02/07 20:29, 26F
→
02/07 21:28,
4年前
, 27F
02/07 21:28, 27F
→
02/07 21:51,
4年前
, 28F
02/07 21:51, 28F
→
02/07 21:52,
4年前
, 29F
02/07 21:52, 29F
→
02/07 21:54,
4年前
, 30F
02/07 21:54, 30F
→
02/07 21:55,
4年前
, 31F
02/07 21:55, 31F
→
02/07 21:56,
4年前
, 32F
02/07 21:56, 32F
→
02/07 21:58,
4年前
, 33F
02/07 21:58, 33F
→
02/07 22:00,
4年前
, 34F
02/07 22:00, 34F
→
02/07 22:34,
4年前
, 35F
02/07 22:34, 35F
※ 編輯: znmkhxrw (59.102.235.174 臺灣), 02/07/2020 22:34:27