1 ורעש אקראיים אותות מרצה: דר' גולדברגר יעקב סיכום: יריחובר אריה
1
אותות אקראיים ורעש יעקב גולדברגר' דר: מרצה
אריה יריחובר: סיכום
2
3...........................................................................................אותות אקראיים ורעש
3..............................................................................................................הסתברות מרחב 4..............................................................................................................מותנה הסתברות
5................................................................................................השלמה ההסתברות נוסחת 6..................................................................................(RANDOM VARIABLE) מקרי משתנה 6...................................................................(DISTRIBUTION FUNCTION) התפלגות פונקציית 10.........................................................................................................בדיד מקרי משתנה 12.......................................................................................(MEAN,EXPECTATION) תוחלת
12...............................................................................................מקרי משתנה של פונקציות 14...............................................................................................מקרי משתנה של מומנטים CHEBYSHEV....................................................16 בישב'צ שוויון-אי פי על פיזור של כמדד שונות
X.................................................................................17 מקרי משתנה של אופיינית פונקציה X.....................................................................18 מקרי משתנה של המומנטים יוצרת פונקציה
20...............................................................................משתנים מקריים דו מימדיים
21...............................................................................................................הבדיד במקרה 22.......................................................................................מקריים םמשתני שני בין תלות אי
Z=G(X,Y).......................................................................23 מקריים משתנים שני של פונקציה 24..........................................................................................................................הוכחה
25...............................................................................................משותפת אופיינית נקציהפו 26............................................................................ממדי דו מקרי משתנה של טרנספורמציה
27............................................................................................ממדית דו נורמלית התפלגות 27......................................................................................מותנית ותוחלת מותנית התפלגות X,Y....................................................................................................28 מותנית התפלגות 29...............................................................................................................מותנית תוחלת
32............................................................................משתנים אקראיים רב מימדיים
32........................................................................................................................תלות אי) של הקווריאנס מטריצת )1
TnX X X= ….........................................................................32
X.................................................................................33 אקראי וקטור של קורלציה מטריצת 34...............................................................................................הקווריאנס מטריצת תכונות 35.....................................................................................אקראי וקטור של אופיינית פונקציה 37................................................................................................גאוסיים אקראיים וקטורים
39...........................................................................ממדי רב אקראי וקטור של טרנספורמציות
40..........................................................שערוך אופטימלי במובן של שגיאה ריבועית
TIMATIONMEAN SQUARE ERROR ES............................................................40
42.................................................................................................אופטימלי ליניארי שיערוך 1L..............................................................................................43 במובן אופטימלי שיערוך 44.............................................................................................גאוסי אקראי לוקטור הרחבה
44...................................................................................משתנים מקריים מרוכבים
3
45...................................................................התכנסות של סדרת משתנים מקריים
47...........................................................(WLLN) הגדולים המספרים של החלש החוק :משפט 49.............................................................(SLLN) הגדולים המספרים של החזק החוק :משפט
52.............................................................................................תהליכים אקראיים
52................................................................................................................אקראי תהליך 52....................................................................................................ראשון מסדר התפלגות N..........................................................................................................52 מסדר התפלגות 53.........................................................................................................................תוחלת
53...................................................................................................האוטוקורלציה פונקציית 53..................................................................................................האוטוקווריאנס פונקציית 54.................................................................................................(CONSISTENCY) עקביות 54........................................................................................קולמוגורוב של ההרחבה משפט
54...........................................................................................סטציונריים אקראיים תהליכים WSS..........................................................................56 אקראי תהליך של ההספק ספקטרום
LTI................................................59מעבר של תהליך אקראי דרך מערגת לינארית
62.............................................................................סיבתי לא WIENER מסנן -אופטימלי סינון 63.......................................................................................................האורתוגונליות עקרון
MARKOV(................................................................................64(תהליכי מרקוב
64..........................................................................................................................דוגמא CHAPMAN-KOLMOGOROV...................................................................................65 משפט
אותות אקראיים ורעש מרחב הסתברות
)מרחב הסתברות ), , PβΩמוגדר על ידי :
Ω :מרחב התוצאות.
: בהטלת מטבע 0,1Ω =
: הטלת קוביהב 1, 2,3, 4,5,6Ω =
β :תת קבוצה של . מרחב המאורעותΩ כך ש:BΩ∈
: וכן
1 2 1 2
1
,
\
i ii
A A B A A B
A B A B
A B A BA A
∞
=
∈ ⇒ ∪ ∈
∈ ⇒∪ ∈
∈ ⇒ ∈
= Ω
עבור 0,1Ω = 2 , 0 , 1 , 0,1B φΩ⊂ =
P :פונקצית ההסתברות.[ ]: 0,1P B →
Aלכל B∈ ( )0 1P A≤ ≤
: תהיה פונקצית הסתברותPדרישות לכך ש
4
( ) 1P Ω =
1אם 2,A A זרים אז ( ) ( ) ( )1 2 1 2P A A P A P A∪ = +
) זרים אז iAאם : ובהכללה )1 1
i ii iP A P A
∞∞
==
⎛ ⎞∪ =⎜ ⎟⎝ ⎠
∑
דוגמא
: זריקת קוביה
( )
( )
1, 2,3, 4,5,6
21 1, 2,3, 4,5,66
11,3, 42
B
P i i
P
Ω
Ω =
=
= =
=
דוגמא
: באופן כללי
( )
1
2n
i i
BP P
ω ω
ω
Ω
Ω =
=
=
…
הסתברות מותנה)נתון מרחב ההסתברות ), , PβΩ ונתונה הקבוצה ( )0 P M< , ההסתברות המותנה של מאורע
A בהינתן Mהיא :( ) ( )( )
|P A M
P A MP M∩
=
וכמובן ש ( )
( )| 1
0 | 1
P M
P A M
Ω =
≤ ≤.
טענה): סדרת מאורעות זריםiAעבור ) ( )| |i iP A M P A M∪ =∑
)ולכן )( ), , |P MβΩ . מרחב הסתברות מותנה•
הוכחה
( ) ( )( )( )
( )( )( )
( )( ) ( )| |i i i
i i
P A M P A M P A MP A M P A M
P M P M P M∪ ∩ ∪ ∩ ∩
∪ = = = =∑ ∑
נוסחת החיתוך1עבור nA A… , כאשר( )10 nP A A< ∩ ∩…:
( ) ( ) ( ) ( ) ( )1 1 2 1 3 1 2 1 1| | |n n nP A A P A P A A P A A A P A A A −∩ ∩ = ⋅ ⋅ ∩ ⋅ ⋅ ∩ ∩… … …
:הוכחה בשלב ראשון
( ) ( )( ) ( ) ( ) ( )1 2
2 1 1 2 2 1 11
| |P A A
P A A P A A P A A P AP A
∩= ⇒ ∩ = ⋅
5
נוסחת ההסתברות השלמה
חלוקה
1 nH H…מאורעות זרים כך ש 1
n
iiH
=∪ = Ω.
טענה1נתונה חלוקה nH H… שלΩכך ש ( )0 iP H< , אזי לכל מאורעAמתקיים :
( ) ( ) ( ) ( )1 1
|n n
i i ii i
P A P A H P H P A H= =
= = ∩∑ ∑
הוכחה iA A H= . באיחוד זר∪∩
( ) ( ) ( ) ( ) ( )|i i i iP A P A H P A H P A H P H= ∩ = ∩ =∑ ∑∪
Bayesנוסחת בייס 1: נתונה חלוקה של כל המרחב nH H…כך ש ( )0 iP H< , אזי לכל מאורעAמתקיים :
( ) ( ) ( )( ) ( )
|: |
|i i
ij j
j
P A H P Hi P H A
P A H P H∀ =
∑
הוכחה
( ) ( )( )
( ) ( )( ) ( )
||
|i i i
ij j
j
P H A P A H P HP H A
P A P A H P H∩
= =∑
): וכתוצאה מכך ) ( ) ( )( )
2 1 11 2
2
|P A A P A
P A AP A∩
=
דוגמא .טן יש סר2,000 אנשים ל100,000מתוך . 95%בדיקת סרטן נותנת תשובה מדוייקת ב
?מה ההסתברות שהוא חולה בסרטן, אדם עשה את הבדיקה וקיבל תוצאה חיובית C –סרטן H –בריא
Test=0,1 P(T=1|C)=0.95 P(T=0|C)=0.05 P(T=1|H)=0.05 P(T=0|H)=0.95
P(H)=0.98 P(C)=0.02
( ) ( ) ( )( )
( ) ( )( ) ( ) ( ) ( )
1| 1|| 1
1 1| 1|0.95 0.02 0.278
0.95 0.02 0.05 0.98
P T C P C P T C P CP C T
P T P T C P C P T H P H= =
= = = == = + =
⋅= =
⋅ + ⋅
6
(Random Variable)משתנה מקרי X:: יהמשתנה מקרי הוא פונקצ Ω→
( ) ( ) ( ) ( )( , ] |P a P X a P X aω ω−∞ = ≤ = ∈Ω ≤
[ ]( ) ( ) ( ), |P a b P a X bω ω= ∈Ω ≤ ≤
דוגמא
1 52 23 04 05 16 2
X
⎧⎪ → −⎪⎪ → −⎪= →⎨⎪ →⎪
→⎪⎪ →⎩
: ולכן( )
( )
516103
P X
P X
≤ =
= =
(Distribution Function)פונקציית התפלגות ( ) ( )XF a P X a= ≤
:ולכן מקיימת את התנאים
( ) ( )( )( )
0lim
lim 1a
a
F a F b a b
F a
F a→−∞
→∞
≤ ⇐ ≤
=
=
7
דוגמא
( )
( )
( )
0,1
0 11 1
3 0112
7 1
X
P X
P X
P X
Ω =
→ −⎧= ⎨ →⎩
< − =
≤ − =
≤ =
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
דוגמא[ ]( )
[ ]( )( )
0,1
,
1 0
1 13 3
P a b b a
P X
P X
Ω =
= −
≤ − =
⎛ ⎞≤ =⎜ ⎟⎝ ⎠
): [0,1]מדובר בהתפלגות אחידה על )X ω ω=
8
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
דוגמא( )( ) ( )( ) ( ) ( )
2
2
X
P X a P X a P a P a a
ω ω
ω ω ω
=
≤ = ≤ = ≤ = ≤ =
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
משתנה מקרי רציף : כך שf(x) יקרא רציף אם קיימת פונקציה Xמשתנה מקרי
( ) ( )x
F x f t dt−∞
= ∫
f(x) נקראת פונקצית הצפיפות של משתנה מקרי X (density function). :ומתקיימים התנאים הבאים
( ) ( )
( ) ( )
1f t dt F
dF xf x
dx
∞
−∞
= ∞ =
=
∫
9
דוגמא[ ],X U a b∼התפלגות אוניפורמית .
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
( )
0
1
x ax aF x a x bb a
x b
<⎧⎪ −⎪= ≤ ≤⎨ −⎪
>⎪⎩
) ולכן )
01
0
x a
f x a x bb a
x b
<⎧⎪⎪= ≤ ≤⎨ −⎪
>⎪⎩
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
התפלגות נורמלית: דוגמא
( )2,X N ρ σ∼
( )21
22
12
x
f x eμ
σ
πσ
−⎛ ⎞− ⎜ ⎟⎝ ⎠=
10
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
-2 -1.5 -1 -0.5 0 0.5 1 1.5 2
מעריכיתהתפלגות ( )expX λ∼
( )0 0
1 0x
xF x
e xλ−
<⎧= ⎨ − ≥⎩
): ולכן )0 0
0x
xf x
e xλλ −
<⎧= ⎨ ≥⎩
טענה :התפלגות מעריכית היא חסרת זכרון
( ) ( )|t s P x t x s P x t s> > > = > −
הוכחה( ) ( )1 xP x t P x t e λ−> = − < =
( ) ( )( )
( ) ( )|t
t ss
P x t eP x t x s e P x t sP x s e
λλ
λ
−− −
−
>> > = = = = > −
>
משתנה מקרי בדיד
א בדיד אם קיימת קבוצת מספרים הוXמשתנה מקרי 1
ni i
x=
) כך ש )1
1n
ii
P X x=
= =∑ )לפונקציה )iP X x= נקרא פונקצית ההסתברות של X.
( ) ( ) ( ) | i
ii x a
F a P X a P X x≤
= ≤ = =∑
דוגמא0 11 7
X ⎧= ⎨⎩
( )
0 11 1 72
1 7
x
F x x
x
<⎧⎪⎪= ≤ ≤⎨⎪
<⎪⎩
11
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-2 -1 0 1 2 3 4 5 6 7 8
( )1 121 72
xP x
x
⎧ =⎪⎪= ⎨⎪ =⎪⎩
-2000000000
0
2000000000
4000000000
6000000000
8000000000
10000000000
12000000000
-2 -1 0 1 2 3 4 5 6 7 8
משתנה בינומי :ים1 הוא מספר הX פעמים באופן בלתי תלוי כאשר nמטילים מטבע הוגנת
( ) 1 02
nnP X k k n
k⎛ ⎞⎛ ⎞= = =⎜ ⎟⎜ ⎟
⎝ ⎠⎝ ⎠…
התפלגות פואסון( ) 0,1, 2,X ω ω= Ω = …
( )!
keP X kk
λλ−
= =
12
(Mean,Expectation) תוחלת
): רציףXעבור ) ( )E X x f x dx∞
−∞
= ⋅∫
דוגמא[ ],X U a b∼
( ) 12
b
a
a bE X xdxb a
+= =
−∫
דוגמא( ),X N μ σ∼
( )( )
( )2 2
21 1
2 22
1 1 02 2
x y
xydy dx
E X x e dx y e dyμ
σμ
σσ
μ σ μ μπσ π
∞ ∞− − −
−=−∞ −∞=
= ⋅ = + ⋅ = − =∫ ∫
: בדידXעבור
( )( ) ( )
i i
i ii
P X x P
E X x P X x
= =
= =∑
דוגמא
):עבור זריקת קוביה ) ( )1 1 2 6 3.56
E X = + + + =…
פונקציות של משתנה מקריX:: נתון משתנה מקרי ) ונתונה הפונקציה → ) :Y g X= →
( ) ( )( ):Y Y g Xω ωΩ→ =
( ) ( )( ) ( ) ( )|YF t P g X t P Y tω ω= ∈Ω ≤ = ≤
דוגמהXמשתנה מקרי ,Y=aX+b
a>0עבור t bx y t
a−
≤ ⇔ :ן ולכ≥
( ) ( )Y Xt b t bF t P Y t P X F
a a− −⎛ ⎞ ⎛ ⎞= ≤ = ≤ =⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
a<0עבור t bx y t
a−
≥ ⇔ : ולכן≥
( ) ( ) 1Y Xt b t bF t P Y t P X F
a a− −⎛ ⎞ ⎛ ⎞= ≤ = ≥ = −⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
דוגמאX משתנה מקרי Y=g(X) G ע"ולכן חח( עולה ממש(
13
( ) ( )( ) ( )( ) ( )( )1 1Y XF t P g X t P X g t F g t− −= ≤ = ≤ =
:י גזירה"וע
( ) ( ) ( )( ) ( )( ) ( )( ) ( )( )1 1 1 1' 'YY X X
dF tf t F g t g t f g t g t
dt− − − −′= = ⋅ = ⋅
דוגמהX 2Yמשתנה מקרי X= ( ) ?YF t =
( ) 0 0YF t t= ⇐ <
: אזt>0אם
( ) ( ) ( ) ( )X XP Y t P t x t F t F t≥ = − ≤ ≤ = − −
( ) ( ) ( )0 0
0YX X
tF t
F t F t t
<⎧⎪= ⎨ − − ≥⎪⎩
) היא Yהצפיפות של )Yf tהיא :
( ) ( ) ( )0 0
02 2
Y X X
t
f t f t f tt
t t
<⎧⎪
= −⎨+ ≥⎪
⎩
)אם נניח בנוסף כי )Xf t זוגית :( ) ( )X Xf t f t= −
)נקבל ) ( )0 0
0Y X
t
f t f tt
t
<⎧⎪
= ⎨≥⎪
⎩
דוגמא( )2 0,1Y X X N= ∼
Y 2 נקראת התפלגותχ chi squaredעם דרגת חופש אחת ומסמנים :( )2 1Y χ∼.
( ) ( ) 12
0 00 0
0 02
tY X
tt
f t f t et tt tπ
−
<⎧<⎧⎪⎪
= =⎨ ⎨≥ ≥⎪ ⎪
⎩ ⎩
בעיה)נתון ), YX F t , צריך למצואg(x)כך ש ( ) Yg XF F=
פתרון]נתון ]0,1X U∼ ונתונה הפונקציה ( )YF t נחפש g(x)כך ש ( ) Yg XF F=
:טענה( ) ( )1
YY g X F X−= =
14
הוכחה( )YF t) ולכן גם( )1
YF t− (מונוטונית עולה.
( ) ( )( ) ( )( ) ( )1Y Y YP Y t P F X t P X F t F t−≤ = ≤ = ≤ =
מומנטים של משתנה מקרי Y=g(X)נתון משתנה מקרי כפונקציה של משתנה מקרי
( ) ( )YE Y tf t dt∞
−∞
= ∫
טענה
( ) ( )( ) ( ) ( )
[ ] ( ) ( )1
X
n
i ii
E Y E g X t t f t dt
E n g x P x
∞
−∞
=
= =
=
∫
∑
הוכחה מונוטונית עולהg, רציףXנניח
( ) ( )( ) ( )( )1 1 'Y Xf y f g y g y− −=
( ) ( )( ) ( )
( )( )( )( ) ( )( ) ( ) ( )
1
1
1 1
'
'X X Yy g x x g tdx g y dy
g t f t dt yf g y g y dy yf y dy E Y−
−
− −
= ==
= = =∫ ∫ ∫
הערות) .א ) ( )E aX b aE X b+ = +
) .ב ) 0 0E X X≥ ⇐ ≥
הגדרהa, משתנה מקרי Xיהי r∈ המומנט מסדרr סביב aהוא :
( )( ) ( ) ( )r rE x a x a f x dx− = −∫
.כזימומנט מר אז המומנט נקרא a=E(X)אם
מומנט מוחלט
( )rE x a−
סימון
( )( )
n n
nn
EX E X
E X EX
⇒
⇒
הגדרה :2 היא המומנט המרכזי מסדר X של משתנה מקרי (variance)השונות
( ) ( ) ( )( )2 2V X E X EX E X EX= − = −
15
) היא X של משתנה מקרי standard deviationסטיית התקן )V X.
טענה( ) 2 2V X EX E X= −
הוכחה
( ) ( ) ( )( ) ( )2 2 2 2 2 2 22 2V X E X EX X EX E X X EX E X EX E X E X EX E X= − ⋅ − = − ⋅ − = − + = −
טענה( ) ( ) ( )2 2min
aV X E X EX E X a= − = −
הוכחה
( ) ( )( ) ( )( ) ( )( )( ) ( ) ( )
2 2
2 2
2
2
0a
EX
E X a E x a
E x x a a
V X a V Xμ
μ
μ μ
μ μ μ μ
μ≠
− = − + − =
− + − − + −
= + + − >
דוגמא[ ],X U a b∼
( )
01
0
x a
f x a x bb a
x b
<⎧⎪⎪= ≤ ≤⎨ −⎪
>⎪⎩
( ) 12
b
a
a bE X xdxb a
+= =
−∫
( )3 3 3
2 2 2 21 1 1 1|3 3 3
b b
aa
x b aEX x dx b ab ab a b a b a
−= = = = + +
− − −∫
( ) ( )2
2 2 2 213 2
b aV X EX E X b ab a +⎛ ⎞= − = + + − ⎜ ⎟⎝ ⎠
:ובמקרה פרטי
[ ]
( )
0,112
112
X U
EX
V X
=
=
∼
דוגמא
( )2,X N μ σ∼
EXראינו ש μ= נראה כי ( ) 2V X σ=
16
( ) ( )2 22 2
1 12 211 2
2
x xe e
μ μσ σπσ
πσ
∞ ∞− − − −
−∞ −∞
= ⇒ =∫ ∫
:σנגזור את שני האגפים לפי
( ) ( ) ( )( )
( )2 2
2 2
2
21 1222 2
3 2
2
122
x xxe dx x e dx V X
μ μσ σ
σπ
μπ σ μ
σ πσ
∞ ∞− − − −
⋅−∞ −∞
−= ⇒ = − =∫ ∫
הערות( ) ( )( ) ( )2
V X a V X
V aX a V X
+ =
=
Chebyshevבישב 'שוויון צ-שונות כמדד של פיזור על פי אי
בישב'פאפנוטי צ
0ε אזי לכל 2σ ושונות μ משתנה מקרי עם תוחלת Xיהי >:
( )2
2P X σμ εε
− > ≤
הוכחה
( ) ( ) ( )X
P X P X or X f x dxμ ε
μ ε μ ε μ ε− >
− > = < − > + = ∫
( ) ( ) ( ) ( ) ( ) ( )2 22 2 2
positive function x x
x f x dx x f x dx f x dx P xμ ε μ ε
σ μ μ ε ε μ ε∞
−∞ − ≥ − ≥
= − ≥ − ≥ = − >∫ ∫ ∫
טענהאזי , X>0זוגית ולא יורדת עבור , לא שליליתg(X), משתנה מקריXנניח
( ) ( )( )( )
0E g X
a P X ag a
∀ ≥ > ≤
)אם ניקח ) 2g x x= על X-EXבישב'שוויון צ- נקבל את אי
): כיוון ש )( )( ) ( )
2
2 2
E X V XP X a
a a
μμ
−− > ≤ =
17
שוויון מרקוב- אי-ה פרטי מקר
)ניקח ) ng x x=ונקבל :
( ) ( )n
n
E XP X a
a> ≤
)ועבור )g x x= :( ) ( )E XP X a
a> ≤
בישב'שוויון צ- אי–דוגמא : פעם1000הטלת מטבע הוגנת
1 100012
X X B ⎛ ⎞⎜ ⎟⎝ ⎠
… ∼ ,
102112
iX
⎧⎪⎪= ⎨⎪⎪⎩
,1000
1i
iY X
=
= ∑
( )
( ) ( ) ( )
11000 5002i
i i
E Y EX
V Y V X V X
= = ⋅ =
= =
∑∑ ∑
2
102112
iX
⎧⎪⎪= ⎨⎪⎪⎩
( ) ( )21 12 2i iE X E X= =
( ) ( ) ( )2 2 1 1 12 4 4i i iV X E X E X= − = − =
( ) 11000 2504
V Y = ⋅ =
:בישב'שוויון צ-ולכן על פי אי
( ) ( )2
250500 100 0.025100 10000V Y
P Y − > ≤ = =
Xתנה מקרי פונקציה אופיינית של מש
( ) ( ) ( )
::
XZZ X iYω ω ω
Ω→Ω→
= +
: מוגדר על ידיXפונקציה אופיינית של משתנה מקרי
( ) ( ) ( )i X i xX E e e f x dxω ωϕ ω
∞
−∞
= = ∫
:ובאופן מקביל
( ) ( )12
i xXf X e dω ϕ ω ω
π
∞−
−∞
= ∫
:עבור משתנה מרי בדיד
18
( ) ( )1
ii xi XX i
iE e Pe ωωϕ ω
∞
=
= =∑
דוגמאות לפונקציות אופייניות
1. ( ) ( ) ( ) ( )0 1
10 1
1 1i x i i iX
pX
p
E e p e pe p peω ω ω ωϕ ω
⎧= ⎨ −⎩
= = − + = − +
2.
( )
( )
( ) ( ) ( )1
0 0
0,1, 2!
! !
ii
k
kikei k e
Xk k
X Poisson
eP X k kk
eee e e e ek k
ωω
λ
ωλλω λ λ λ
λ
λ
λλϕ ω
−
−∞ ∞−− −
= =
= = =
= = = =∑ ∑
∼
…
הערה :Y=aX+bעבור
( ) ( ) ( )( ) ( ) ( )i aX b i b i aX i bY aX b X XE e e E e e aω ω ω ωϕ ω ϕ ω ϕ ω+
+= = = =
:וקיבלנו
( ) ( )i bY Xe aωϕ ω ϕ ω=
הערה : בלתי תלויים אזיX,Yאם
( ) ( )X Y X Yϕ ϕ ω ϕ ω+ =
הוכחה
( ) ( )( ) ( ) ( ) ( ) ( ) ( )i X Y i X i Y i X i YX Y X YE e E e e E e E eω ω ω ω ωϕ ω ϕ ω ϕ ω++ = = = =
Xפונקציה יוצרת המומנטים של משתנה מקרי
( ) ( ) ( )sX sxXs s E e e f x dxφ
∞
−∞
∈ = = ∫
טענה
( ) ( ) ( ) ( )n
n X n sXX n
d ss E X e
dsφ
φ = =
:s=0ובפרט עבור ( ) ( ) ( )0n nX E Xφ =
הוכחה( ) ( ) ( ) ( ) ( )
n n nX sx sx n sx n sX
n n n
d s d de f x dx f x e dx x f x e dx E X eds ds dsφ ∞ ∞ ∞
−∞ −∞ −∞
= = = =∫ ∫ ∫
19
דוגמא10 1
pX
p⎧
= ⎨ −⎩
( )( )2
E X p
E X p
=
=
( ) ( )
( )
( )
1
0
s
s
s p ped s peds
p
φ
φ
φ
= − +
=
′ =
הערותφ -ונקציה יוצרת מומנטים פ ϕ -פונקציה אופיינית
( ) ( ) ( )i XE e iωϕ ω φ ω= =
( ) ( )sXss E ei
φ ϕ ⎛ ⎞= =⎜ ⎟⎝ ⎠
( ) ( ) ( ) 1 nn n ss
i iφ ϕ ⎛ ⎞⎛ ⎞= ⎜ ⎟⎜ ⎟
⎝ ⎠⎝ ⎠
( ) ( ) ( )( ) ( )0
0n
nnnE X
iϕ
φ= =
דוגמא( )0,1X N∼ נחשב את ( )sφ:
( ) ( )( )
( )2 2
22
222
1 12 2 2 2
1 12 2 2
1integral on density of normal distribution
1 12 2
s sx x ssX sx
ssx x x s
s E e e e dx e e dx eφπ π
∞ ∞− − −
− = − +−∞ −∞
=
= = = =∫ ∫
( ) ( )12
X X i eω
ϕ ω φ ω−
= =
דוגמא
( )2,X N μ σ∼ נחשב את ( )Xϕ ω:
( )0,1
XY
Y NX Y
μσ
σ μ
−=
= +
∼
( ) ( ) ( )2 2 2 21 1
2 2ii i
X Y Ye e e eσ ω ωμ σ ωωμ ωμ
σ μϕ ω ϕ ω ϕ σω− −
+= = = =
( ) ( ) ( ) ( )2 21
22
0
01 1 10i
XX
dE X e i
i i d i
ωμ σ ω
ω
ϕϕ μ σ ω μ
ω
⎛ ⎞−⎜ ⎟⎝ ⎠
=
⎛ ⎞′= = = − =⎜ ⎟⎜ ⎟
⎝ ⎠
20
משתנים מקריים דו מימדיים( ) ( )( ),X Yω ω ω→
( ) ( ), ,XYF x y P X x Y y= ≤ ≤
( )2
, XYXY
Ff x yx y
∂=∂ ∂
( ),X Y
XY XYF f x y dxdy−∞ −∞
= ∫ ∫
147
10131619
S1S9
S170
0.2
0.4
0.6
0.8
1
1.2
2Dעבור : מתקיים⊇
( )( ) ( ), ,XYD
P x y D f x y dxdy∈ = ∫∫
:וכן
( ) ( )
( ) ( )
,
,
X XY
X XY
F x F x
f x f x y dy∞
−∞
= ∞
= ∫
דוגמא
( )2 0 1
,0
y xf x y
otherwise< < <⎧
= ⎨⎩
( )1
0 0
, 1x
f x y dydx =∫ ∫
( ) ( )0 0
, 2 2 0 1x x
Xf x f x y dy dy X X= = = ≤ ≤∫ ∫
21
f(x,y)
0
0.2
0.4
0.6
0.8
1
1.2
0 0.2 0.4 0.6 0.8 1 1.2
x
y
0
0.5
1
1.5
2
2.5
0 0.2 0.4 0.6 0.8 1 1.2
x
f ( x )
במקרה הבדידmY. . . 1Y
1X . ijP . . mX
( ),ijP P x i y j= = =
( ) ( )1
,m
i i jj
P X X P X X Y Y=
= = = =∑
דוגמא 1 0 X\Y 0.3 0.2 0.1 0 0.7 0.4 0.3 1
22
0.6 0.4
אי תלות בין שני משתנים מקריים
הגדרהx, אם לכל בלתי תלויים יקראו X,Yשני משתנים מקריים y∈:
( ) ( ) ( ),P X x Y y P X x P Y y≤ ≤ = ≤ ⋅ ∈
:או
( ) ( ) ( ),XY X YF x y F x F y= ⋅
הערה : רציפיםX,Yעבור X,Yבלתי תלויים אם ורק אם :
( ) ( ) ( ), : ,X Y XYx y f x f y f x y∀ ∈ ⋅ =
: בדידיםX,Yעבור X,Yבלתי תלויים אם ורק אם :
( ) ( ) ( ),i i i iP X x Y y P X x P Y y= = = = ⋅ =
משפט1תלויים אם ורק אם לכל שתי פונקציות בלתי X,Yמשתנים מקריים 2,g gמתקיים :
( ) ( )( ) ( )( ) ( )( )1 2 1 2E g x g y E g x E g y⋅ = ⋅
הוכחה :אזי, בלתי תלוייםX,Yנניח
( ) ( ) ( ),XY X Yf x y f x f y= ⋅
( ) ( )( ) ( ) ( ) ( ) ( )( ) ( ) ( )( ) ( )( )1 2 1 2 1 2
1 2 1 2
XY X Y
X Y
E g x g y g x g y f dxdy g x g y f f dxdy
g x f dx g y f dy E g x E g y
⋅ = ⋅ ⋅ = ⋅ ⋅ ⋅ =
⋅ ⋅ ⋅ = ⋅
∫∫ ∫∫∫ ∫
:ובכיוון ההפוך
( ) [ ]
( ) [ ]
1
2
11 ,
22 ,
11
0
11
0
t
t
x tg x
otherwise
y tg y
otherwise
−∞
−∞
≤⎧= = ⎨
⎩≤⎧
= = ⎨⎩
( )( ) ( ) ( ) ( )
( )( ) ( )
1
1 1 1
2 2
1t
X X
Y
E g x f x dx P X t F t
E g y F t−∞
= ⋅ = ≤ =
=
∫
( ) ( ) ( ) ( ) ( )
( ) ( )( ) ( )( ) ( )( ) ( ) ( )
1 2
1 2 1 2
1 2 1 2
, , ,t t
XY
X Y
F t t f x y dxdy g x g y f x y dxdy
E g x g y E g x E g y F x F y
∞ ∞
−∞ −∞ −∞ −∞
= = =
= =
∫ ∫ ∫ ∫
.תלות-וזוהי הגדרת האי :ובפרט
: בלתי תלויים אזיX,Yאם
23
EXY=EX*EY
!)הכיוון ההפוך אינו נכון(דוגמא
2
12 41 1 14
4 21 111 4 2
2 14
X Y X
⎧⎪⎪
⎧⎪⎪⎪ ⎪= = =⎨ ⎨
⎪ ⎪− ⎪⎪ ⎩
⎪−⎪⎩
12 0 02
EY EX EXY= = =
2 1 -1 -2 Y\X 0 1/4 1/4 0 1 1/4 0 0 1/4 4
Z=g(X,Y)פונקציה של שני משתנים מקריים
טענה : אזיZ=X+Y בלתי תלויים X,Yאם
( ) ( ) ( ) *Z X Y X Yf z f z y f y dy f f∞
−∞
= − =∫
:Z=g(X,Y) כללי Zעבור
( ) ( )( ) ( ) ( ), , ,E Z E g X Y g x y f x y dxdy= = ∫∫
דוגמא
( ) ( )
( ) ( )X Y
XY XY XY
XY XY
f x f y
E X Y x y f dxdy xf dxdy yf dxdy
x f dy dx y f dx dy EX EY∞ ∞ ∞ ∞
−∞ −∞ −∞ −∞
+ = + = + =
+ = +
∫∫ ∫∫ ∫∫
∫ ∫ ∫ ∫
הגדרה : הואY לX בין covarianceה
( ) ( )( )( ),XYC Cov X Y E X EX Y EY= = − −
טענה( ),Cov X Y EXY EX EY= − ⋅
הוכחה
( ) ( )( )( ),Cov X Y E X EX Y EY EXY EX EY EX EY EX EY
EXY EX EY
= − − = − ⋅ − ⋅ + ⋅ =
− ⋅
24
הגדרה–מקדם מתאם : הואX,Yמקדם המתאם של
( )( ) ( )
,Cov X Y
V X V Yρ =
טענהX,Y 1XYρלכל ≤
) :כלומר ) ( ) ( )2 ,Cov X Y V X V Y≤
1הוכחה): צריך להוכיח ) ( ) ( ),Cov X Y V X V Y≤
: ממשיtעבור כל
( ) ( )( )
( ) ( )( ) ( )( )( ) ( ) ( )
2
0 0
2 22
2
0
2
2 ,
X EXE t X EX Y EY
E t X EX t X EX Y EY Y EY
t V X t Cov X Y V Y
≥ ⇒ ≥
≤ − + − =
= − + − − + − =
+ ⋅ +
ולכן על מנת שאי השוויון יתקיים מוכרחים שהדיסקרימיננטה תהיה , tוזוהי משוואה ריבועית על :קטנה מאפס
( ) ( ) ( )( ) ( ) ( )
2
2
0 4 4 , 4
,
b ac Cov X Y V X V Y
Cov X Y V X V Y
≥ − = −
≥
טענה Cov(X,Y)=0: בלתי תלויים אזיX,Yאם
הוכחה( ) ( )( )( ) ( ) ( ), 0Cov X Y E X EX Y EY E X EX E Y EY= − − = − − =
הערה( )
( ), 0
,
EXY EX EY Cov X Y
Cov X Y EXY EX EY
= ⋅ ⇔ =
= − ⋅
הגדרהX,Y אם ואמיםבלתי מת Cov(X,Y)=0.
הערה .V(X+Y)=V(X)+V(Y) בלתי מתואמים אזי X,Yאם
הוכחה
( ) ( ) ( )( )( )( ) ( )2 2
,V X Y Cov X Y X Y E X Y EX EY X Y EX EY
E X EX E Y EY
+ = + + = + − − + − − =
− + −
. אך הבאתי אותה כאן למען שמירת הסדר4' בפועל הוכחה זו ניתנה בשיעור מס 1
25
הערה( ) ( ) ( )( ) ( )
, , ,
, ,
Cov X Y Z Cov X Z Cov Y Z
Cov aX Z aCov X Z
+ = +
=
פונקציה אופיינית משותפת,,: נתון , X YX Y f
( ) ( ) ( ) ( )
( ) ( ) ( )
1 2 1 2
1 2
1 2
1 2 1 2
, ,
, ,
i X Y i x yXY XY
i x yXY XY
E e f x y e
f x y e d d
ω ω ω ω
ω ω
ϕ ω ω
ϕ ω ω ω ω
+ +
− +
= =
=
∫∫∫∫
טענה): בלתי תלויים אזיX,Yאם ) ( ) ( )1 2 1 2,XY X Yϕ ω ω ϕ ω ϕ ω=
הוכחה
( ) ( ) ( ) ( ) ( ) ( )1 2 2 21 2 1 2, i X i Y i Y i Y
XY X YE e e E e E eω ω ω ωϕ ω ω ϕ ω ϕ ω= = =
טענה): אזיZ=X+Y בלתי תלויים ו X,Yאם ) ( ) ( )Z X Yϕ ω ϕ ω ϕ ω=
הוכחה
( ) ( ) ( ) ( ) ( ) ( ) ( )i Z i X i Y i X i YZ X YE e E e e E e E eω ω ω ω ωϕ ω ϕ ω ϕ ω= = = =
טענה : אזיZ=X+Y בלתי תלויים ו X,Yאם
( ) ( ) ( ) *Z Y X X Yy
f z f y f z y dy f f∞
=−∞
= − =∫
הוכחה
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
ת"ב,
*
z y z y
Z XY X Yy x y x
z y
Y X Y Xy x y
Z Y X X Yy
F z P X Y Z f x y dxdy f x f y dxdy
f y f x dx dy f y F z y dy
f z f y f z y dy f f
− −∞ ∞
=−∞ =−∞ =−∞ =−∞
−∞ ∞
=−∞ =−∞ =−∞
∞
=−∞
= + ≤ = = =
⎛ ⎞= −⎜ ⎟⎜ ⎟
⎝ ⎠
= − =
∫ ∫ ∫ ∫
∫ ∫ ∫
∫
וגמאדX,Y~N(0,1) בלתי תלויים Z=X+Y:
26
( ) ( ) ( ) ( )
( )
22
22 2
2 222
1 12 2
11 122 22 2 2 2
222 1~ ,
2 2
1 12 2
1 12 4
y z y
Z Y X
zz zy
z zy y z yzN
f z f y f z y dy e e dy
e e dy e
π π
π π
∞ ∞− − −
−∞ −∞
⎛ ⎞∞ − −− −⎜ ⎟⎝ ⎠
−∞⎛ ⎞+ − = − +⎜ ⎟⎝ ⎠ ⎛ ⎞
⎜ ⎟⎝ ⎠
= − = =
= =
∫ ∫
∫
טרנספורמציה של משתנה מקרי דו ממדי)יהי )1 2,X Xמשתנה מקרי דו ממדי :
( )
( )( )( )
2 2
1 2
1 1 1 2
2 2 1 2
:,
,,
Y g X
gY Y Y
Y g X XY g X X
=
→
=
=⎧⎪⎨ =⎪⎩
יעקביאן
( )1 1
1 21 2
2 2
1 2
,
g gx x
J X Xg gx x
∂ ∂∂ ∂
=∂ ∂∂ ∂
2Y: נתון ) נחפש ∋ )Yf y:
2Xאם לא קיים ): אזיg(X)=Y כך ש ∋ ) 0Yf y הוא הפתרון היחיד של Xנניח כי , =
g(X)=Y:
( ) ( ) ( )1Y Xf y f x
J x=
דוגמא[ ]1 2, ~ 0,1X X Uמשתנים מקריים בלתי תלויים :
( ) [ ] [ ]1 2, 1 2
1 0,1 0,1,
0X Xf x xotherwise
⎧ ×= ⎨⎩
1 1 2
2 1 2
1 21
1 22
2
2
Y X XY X X
Y YX
Y YX
= += −
+=
−=
27
1 2 1
1 2 1
1 2 1
1 2 1
01 200 2
X Y YX Y YX Y YX Y Y
= ⇒ = −= ⇒ = − += ⇒ == ⇒ = −
:היעקביאן הוא
1 12
1 1YX∂
= = −−∂
:ומתקיים
( ) 1 2
1 2 1 21 1, 12 2 2
0
X XY
y y y yf y BJf y
y B
⎧ + −⎛ ⎞ = ⋅ ∈⎪ ⎜ ⎟= ⎝ ⎠⎨⎪ ∉⎩
התפלגות נורמלית דו ממדית : נקראים נורמליים במשותף אם פונקצית הצפיפות שלהם היא מהצורהX,Yמשתנים מקריים
( ) ( )( ) ( )( ) ( )2 2
1 1 2 22 22
1 21 2
1 22 1
21 2
1,2 1
x x y y
XYf x y eμ μ μ μ
ρσ σσ σρ
πσ σ ρ
⎛ ⎞− − − −⎜ ⎟− − +⎜ ⎟+ ⎝ ⎠=
−
): ונסמן )1 2 1 2, ~ , , , ,X Y N μ μ σ σ ρ
:וכן
( )( )
( )
21 1
22 2
~ ,
~ ,
,
X N
Y N
X Y
μ σ
μ σ
ρ ρ=
הערה . נורמליים במשותף(X,Y) נורמליים לא בהכרח שX,Yאם
התפלגות מותנית ותוחלת מותנית
( ) ( )( )
|P A B
P A BP B∩
=
במקרה הבדידX,Y מתפלגים P(X=i,Y=j):
( ) ( )( )|
,| XY
Y XX
P x i y jP y j x i
P x i= =
= = ==
P(Y,X=I) זוהי פונקצית הסתברות לפי Y:
( )( )
( ) ( ) ( )|
,1| 1
XYj
Y X Xj X X
P x i y jP y j x i P x i
P x i P x i
= == = = = = =
= =
∑∑
דוגמא 2 1 X\Y 0.3 0.2 0.1 1
2Y
2 1Y Y= −
2 1Y Y=
1Y
2 1 2Y Y= − +
2 1 2Y Y= −
28
0.7 0.4 0.3 2 0.6 0.4
| 1
113223
Y XP =
⎧⎪⎪= ⎨⎪⎪⎩
במקרה הרציף
( ) ( )( )
,|Y
P Y y MF y M
P M≤
=
( ) ( )( )
( )( )
, ,| XY
YX
P Y y X x F x yF y X x
P X x F x≤ ≤
≤ = =≤
( ) ( ) ( ) ( ) ( )1 1| , ,X Y X
Y XYX X
f y X x f z t dzdt f z y dzF x y F x−∞ −∞ −∞
∂≤ = =
∂ ∫ ∫ ∫
:פן יותר כלליובאו
( ) ( ) ( )( ) ( )1 2
1 22 1
, ,| XY XY
YX X
F x y F x yF y x X x
F x F x−
≤ ≤ =−
( )( )
( ) ( )
2
11 2
1 2
,|
x
xY
X X
f z y dzf y x X x
F x F x≤ ≤ =
−
∫
:X=tעבור
( ) ( )( )
( ) ( )
( )
( ) ( )( )( )| 0 0 0
,,
,| lim | lim lim
t h
t h XYtXY
XYtY X t Yh h h
X XX X X
f z y dzf z y dz
f t yhf y x f y t x t hF t h F tF t h F t f t
h
+
+
= → → →= ≤ ≤ + = = =
+ −+ −
∫∫
הגדרה : היאX=t בהינתן Y של הצפיפות המותנית
( ) ( )( )|
,XYY X t
X
f t yf y
f t= =
X,Yהתפלגות מותנית
( ) ( ) ( )| | 0| | lim |
Y
Y X x Y X hF y x f t x dt P Y y x X x h= →
−∞
= = ≤ ≤ ≤ +∫
דוגמא
( )2 0 1
,0
x yf x y
otherwise< < <⎧
= ⎨⎩
( ), 1f x y dydx∞ ∞
−∞ −∞
=∫ ∫
29
( ) ( )1
2 2 1 0 1Xx
f x dy x x= = − ≤ ≤∫
( )0
2 2 0 1y
Yf y dx y y= = ≤ ≤∫
( ) ( )( ) ( )|
, 2 1| 0 12 1 1
XYY X
X
f x yf y x x y
f x x x= = = ≤ ≤ ≤
− −
:x=1/3עבור
|
3 1 11| 2 33 0
Y X
yf y x
otherwise
⎧ ≤ ≤⎪⎛ ⎞= = ⎨⎜ ⎟⎝ ⎠ ⎪⎩
( )|2 1|
2X Yf x yy y
= =
:y=1/2עבור
|
12 01| 22 0
X Y
xf x y
otherwise
⎧ ≤ ≤⎪⎛ ⎞= = ⎨⎜ ⎟⎝ ⎠ ⎪⎩
Bayesנוסחת
( ) ( ) ( )( )
||
f y x f xf x y
f y=
( ) ( ) ( )|f y f y x f x dx∞
−∞
= ∫
תוחלת מותנית E(Y|X=x): ונגדירX,Yנתונים משתנים מקריים
במקרה הבדיד( ) ( )|| |Y X
yE y X x yP y X x= = =∑
במקרה הרציף
( ) ( )|| |Y XE Y X x yf y x dy∞
−∞
= = ∫
)המשך מדוגמא קודמת(דוגמא
( )|1| 0 1
1Y Xf y x x yx
= ≤ ≤ ≤−
( )1 1 1|
1 2x
xE Y X x y dyx
+= = =
−∫
:X=1/2 עבורE(Y|X=x)=3/4
30
( )1 1|
2x
yE X Y y x dxy
= = =∫
הערה ולכן מהווה משתנה X היא פונקציה של המשתנה המקרי g(x)=E(Y|X=x)התוחלת המותנית
.מקרי חדש
טענה
( ) ( )function of X
|E E Y X x E Y⎛ ⎞⎜ ⎟= =⎜ ⎟⎝ ⎠
הוכחה
( )( ) ( ) ( )
( ) ( ) ( )
| || | |
,
Y X Y X X
XY Y
E E Y X x E yf y x dy yf y x dyf dx
y f x y dx dy yf y dy E Y
∞ ∞ ∞
−∞ −∞ −∞
∞ ∞ ∞
−∞ −∞ −∞
⎛ ⎞= = =⎜ ⎟
⎝ ⎠⎛ ⎞
= = =⎜ ⎟⎝ ⎠
∫ ∫ ∫
∫ ∫ ∫
דוגמא
( )1 1 1|
1 2x
xE Y X x y dyx
+= = =
−∫
): על פי הטענה )12XE E Y+⎛ ⎞ =⎜ ⎟
⎝ ⎠
0
0.2
0.4
0.6
0.8
1
1.2
0 0.2 0.4 0.6 0.8 1 1.2
x
E ( Y|X
31
דוגמא
( )
( )
( )
( )( )
1 2
1
1 2
112,112
122| 1102
| 1 1
102| 1122
| 1 1
|
X X
X XY X X
P Y X
E Y X
P Y X
E Y X
E Y X x X
⎧⎪⎪= ⎨⎪−⎪⎩
== +
⎧⎪⎪= = ⎨⎪⎪⎩
= =
⎧⎪⎪= − = ⎨⎪−⎪⎩
= = −
= =
הערה1: בהנתן 2 3, , ...X X X
): היא כזו ש Martingaleסדרת מרטינגייל )1 |n n nE X X X+ =.
המשך דוגמא1אם 2Y X X= : אזי⋅
( )
( )
( )
112| 1112 | 0112| 1112
P Y X
E Y X x
P Y X
⎫⎧⎪⎪⎪= = ⎪⎨⎪⎪− ⎪⎪⎩ ⎪⇒ = =⎬
⎧ ⎪⎪ ⎪⎪= − = ⎨ ⎪⎪ ⎪−⎪ ⎪⎩ ⎭
דוגמא רציפה
( )2 21 2 1 2, ~ , , , ,X Y N μ μ σ σ ρ
( ) ( )2 22| 2 1 2
1
, 1XYY X
X
ff N xf
σμ ρ μ ρ σσ
⎛ ⎞= = + − −⎜ ⎟
⎝ ⎠
( ) ( ) 22 1
1
|E Y X x x σμ ρ μσ
= = + −
32
2μ: והתוחלת שלו הוא
דוגמא פרטית
( )
1 22 21 2
0
1|E Y X x x
μ μ
σ σρ
= =
= =
= =
משתנים אקראיים רב מימדיים): וקטור אקראי )1
TnX X X= …
X:2: פונקציה ממרחב תוצאות הניסוי Ω→
( ) ( ) ( )1 1 1 1 2 2,
nX X X n n nF x F x x P X x X x X x= = ≤ ≤ ≤… … …
( ) ( )1 2
nX
Xn
F xf x
x x x∂
=∂ ∂ ∂
אי תלות1 nX X…יקראו בלתי תלויים :
:אם ורק אם
( ) ( ) ( )1 1n nf x x f x f x= ⋅ ⋅… …
:אם ורק אם
( ) ( ) ( )1 1n nF x x F x F x= ⋅ ⋅… …
:רק אםאם ו
1לכל nX X… המאורעות i iX x≤בלתי תלויים .
הערה .אי תלות בזוגות אינה גוררת אי תלות
דוגמא
1 2
3 1 2
1, ~2
X X B
X X X
⎛ ⎞⎜ ⎟⎝ ⎠
= ⊕
.כל זוג בלתי תלוי אך הקבוצה תלויה
)מטריצת הקווריאנס של )1T
nX X X= …
( ) ( ),i jijCov X Cov X X=
( )1
n
EXE X
EX
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
( ) ( )( )( )TCov X E X EX X EX= − −
33
Xמטריצת קורלציה של וקטור אקראי ( )
( ),
TXX
XX i j
R E X X
R i j EX EX
= ⋅
= ⋅
טענה
( ) ( )T TCov X E X X EX EX= ⋅ − ⋅
הוכחה
( ) ( ), : ,i j i j i ji j Cov X X E X X EX EX∀ = ⋅ ⋅
תכונות( )1 n
n n
X X XAY A X
×
=
= ⋅
…
( ) ( )
( ) ( )( ) ( )( )( )( )
( ) ( )( ) ( )
T T T
T
A B B A
T T T
E A X A E X
Var A X E A X E A X A X E A X
E A X EX X EX A A V X A
⋅ = ⋅
⋅ = ⋅
⋅ = ⋅ − ⋅ ⋅ ⋅ − ⋅ =
= ⋅ − ⋅ − ⋅ = ⋅
1 nX X…כלומר, אם הם בלתי מתואמים בזוגות, בלתי מתואמים:( ), 0i ji j Cov X X≠ ⇒ =
. אלכסוניתCov(X)אזי
דוגמא
ממוצע ושונות של מדגם מקרי1נתונים nX X…בלתי מתואמים :
( ) 2i
i
EX
V X
μ
σ
=
=
: נסמן1
1 n
ii
X Xn =
= ).ממוצע מדגם (∑
)נמצא ),EX V X:
( ) ( )
( ) ( ) ( )
1 1
2
2 21 1 1
1 1
1 1 1
n n
i ii i
n n n
i i ii i i
E X E X E Xn n
V X V X V X V Xn n n n
μ
σ= =
= = =
⎛ ⎞= = =⎜ ⎟⎝ ⎠⎛ ⎞ ⎛ ⎞
= = = =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
∑ ∑
∑ ∑ ∑
:שונות המדגם
34
( )
( ) ( )
( ) ( ) ( ) ( ) ( )( )
( )( ) ( )( )
2
1
2
1
2 2
2
1
11
11
2
1 1
n
ii
n
ii
i i i i
n
i i jj
V X Xn
E V E X Xn
E X X E X X V X V X E X X
E X X E X XN n
μ μ μ μ
μ μ μ μ σ
=
=
=
= −−
= −−
− = − + − = + − − −
− − = − − =
∑
∑
∑
תכונות מטריצת הקווריאנס
הגדרהTA אם סימטרית היא Aמטריצה A=
טענהTA: וגונלי כלומרמטריצה סימטרית ניתנת ללכסון אורת U D U= ⋅ ⋅
1:כך ש 0
0
T
n
U U I
Dλ
λ
⋅ =
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
)אם )1 nU U U= TA אזי … U D U= ⋅ i: פירושו כי⋅ i iA U Uλ⋅ = ⋅
הגדרות:אם מוגדרת אי שלילית נקראתA, סימטריתAתהי .א 0n TX X A X∀ ∈ ⋅ ⋅ ≥
: אם מוגדרת חיוביתנקראת A .ב 0n TX X A X∀ ∈ ⋅ ⋅ >. מתקיים אם ורק אם כל הערכים העצמיים אי שליליים' א מתקיים אם ורק אם כל הערכים העצמיים חיוביים' ב
טענה
)נתון וקטור אקראי )1T
nX X X= : עם מטריצת הקווריאנס…
( ) ( ),i jC V X Cov X X⎛ ⎞⎜ ⎟
= = ⎜ ⎟⎜ ⎟⎝ ⎠
.
.מטריצת הקווריאנס היא מטריצה מוגדרת אי שלילית
הוכחהCיהי , סימטריתnw∈0: וצריך להוכיח כיTW C W⋅ ⋅ ≥
T:נגדירi i
iZ W X W X= ⋅ =∑
( ) ( ) ( )0 T T TVar Z V W X W V X W W C W≤ = ⋅ = ⋅ ⋅ = ⋅ ⋅
תרגיל : אי שליליתXXRנוכיח כי
35
nVיהי 0T: צריך להוכיח∋XXV R V ≥
T :נסמןi i
iZ V X V X= = ⋅∑
( ),
2
1 1
, ,
0
i j
n n
i i j ji j
Ti j i j XX i j
i j i j
EZ E X V X V
E X X V V R V V V R V
= =
⎛ ⎞⎛ ⎞≤ = ⋅ ⋅ =⎜ ⎟⎜ ⎟⎝ ⎠⎝ ⎠
⋅ ⋅ ⋅ = ⋅ ⋅ = ⋅ ⋅
∑ ∑
∑ ∑
תרגיל
)נתון וקטור אקראי )1T
nX X X EX VX Cμ= = =…
TCנניח U D U= ⋅ 1: כאשר⋅ 0
0
T
n
U U I
Dλ
λ
⋅ =
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
): ירנגד )TY U X μ= ⋅ −
1נראה כי nY Y…משתנים מקריים בלתי מתואמים ובעלי תוחלת אפס .
הוכחה
( ) ( ) ( )( ) ( ) ( ) ( )( )
( ) ( )( )
2
2
0T T
T T
T T
E Y U EX U
V Y E Y Y E U X X U
U E X X U U C U D
μ μ μ
μ μ
μ μ
= ⋅ − = ⋅ − =
= ⋅ = ⋅ − ⋅ − ⋅ =
= ⋅ − ⋅ − ⋅ = ⋅ ⋅ =
פונקציה אופיינית של וקטור אקראי)יהי )1 nX X X= : וקטור אקראי…
( ) ( ) i iTi
i Xi X
X E e E eω
ωϕ ω⋅∑⎛ ⎞
= = ⎜ ⎟⎝ ⎠
טענה : וקטור אקראי של משתנים מקריים בלתי תלויים אזיXאם
( ) ( )1
i
n
X X ii
ϕ ω ϕ ω=
=∏
הוכחה
( ) ( ) ( )1 1 1
i ii i i i i
i
n n ni Xi X i X
X X ii i i
E e E e E eω
ω ωϕ ω ϕ ω⋅
⋅ ⋅
= = =
∑⎛ ⎞ ⎛ ⎞= = = =⎜ ⎟ ⎜ ⎟
⎝ ⎠⎝ ⎠∏ ∏ ∏
מסקנה
1יהיו nX X…משתנים מקריים בלתי תלויים ו 1
n
ii
Z X=
= : אזי∑
36
( ) ( )1
:i
n
Z Xi
ω ϕ ω ϕ ω=
∀ ∈ =∏
הוכחה): וכן∋ωיהי ), ,V ω ω= …:
): לפי המשפט הקודם ) ( )1
i
n
X X ii
ϕ ω ϕ ω=
=∏
( ) ( ) ( ) ( )1 1
1
n n
i ii i
i
ni X i Xi Z
Z X Xi
E e E e E e Vω ω
ωϕ ω ϕ ϕ ω= =
=
⎛ ⎞ ⎛ ⎞∑ ∑⎜ ⎟ ⎜ ⎟= = = = =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
∏
מסקנה
1יהיו nX X… משתנים מקריים בלתי תלויים עם צפיפות iXfו
1
n
ii
Z X=
= ∑:
1 2* * *
nZ X X Xf f f f= …
דוגמא
( )10 1i
PX B P
P⎧
= = ⎨ −⎩
1 nX X…משתנים מקריים בלתי תלויים ו 1
n
ii
Z X=
= ∑
( ) ( ) ( )
( ) ( )( ) ( )
( ) ( )
0
1
1
0
i
i
i X iX
nk n ki k ikZ
k
n k k
E e P Pe
nP Pe n P P e
k
nP Z k n P P k
k
ω ω
ω ω
ϕ ω
ϕ ω −
=
−
= = − +
⎛ ⎞= − + = ⋅ −⎜ ⎟
⎝ ⎠⎛ ⎞
= = ⋅ − ∈ ∪⎜ ⎟⎝ ⎠
∑
דוגמא( )~X Poisson λ
( )
( ) ( ) ( )1
0
0,1, 2,3!
!
i
k
kei X i k
Xk
eP X k kk
eE e e ek
ω
λ
λλω ω
λ
λϕ ω
−
−∞−
=
⋅= = =
⋅= = =∑
…
מה התוחלת של 1
n
ii
Z X=
= ∑.
1אם nX X…מתפלגים פואסון ובלתי תלויים :
37
( ) ( ) ( ) ( )11
1 1
~
ii i
i i
i
n n X eX eZ X
i i
ii
e e
Z poisson X
ωω
ϕ ω ϕ ω−
−
= =
∑= = =
⇓
⎛ ⎞⎜ ⎟⎝ ⎠
∏ ∏
∑
וקטורים אקראיים גאוסיים : יקרא גאוסי אםXמשתנה מקרי
( )
( ) ( )
22
12
2
12
x
Xf e
E X V X
μσ
πσμ σ
− −=
= =
): ונסמן )2~ ,X N μ σ
): ומתקיים )2 21
2i
X eωμ ω σ
ϕ ω−
=
הגדרה
)וקטור אקראי )1T
nX X X= אם כל צירוף ליניארי של איברי ) ממדיn (וקטור נורמלי יקרא …
)כלומר אם לכל , הוא משתנה מקרי נורמליXהקבוצה )1, , nna a a∀ = ∈… ,
Ti i
ia X a X⋅ = .נורמלי) ממדי-חד( הוא משתנה מקרי ∑⋅
הערה . מתפלג נורמלית אזי כל אחד מרכיביו מתפלג נורמליתXאם
הערות : וקטור אקראי גאוסיXנניח
. וקטור אקראי גאוסיnb∈ X+bלכל .א
nלכל מטריצה .ב nA × ,AXוקטור אקראי גאוסי .
'ב-הוכחה ל . וקטור אקראי נורמליY וצריך להוכיח כי Y=AXנסמן
Ta צריך להוכיח כי ∋naיהי Y⋅משתנה מקרי נורמלי .
( ) ( )T T Ta Y a A X a A X⋅ = ⋅ ⋅ = ⋅ ⋅
( )Ta A X⋅ . וקטור אקראי גאוסיY וקטור אקראי גאוסי ולכן ⋅
:אם
( )( )( )
1T
n
T
X X X
E X
V X C
C U D U
μ
=
=
=
= ⋅ ⋅
…
)אזי עבור )TY U X μ= ⋅ −:
38
( )( )
0E Y
V Y D
=
=
. וקטור אקראי גאוסי המורכבת ממשתנים מקריים בלתי מתואמיםYו
הערה
יהי
( )( )( )
1T
nX X X
E X
V X C
μ
=
=
=
…
ויהי , וקטור אקראי גאוסיn
T
aZ a X∈
= ⋅
( ) ( )T TE Z a E X a μ= ⋅ = ⋅
( ) ( ) ( )( )( ) ( )( )
TT T T T
TT T
V Z E a X a a X a
E a X X a a C a
μ μ
μ μ
= − ⋅ − =
= ⋅ − ⋅ − ⋅ = ⋅ ⋅
): ולכן )~ ,T TZ N a a C aμ⋅ ⋅ ⋅
טענה
וקטור אקראי גאוסי Xיהי ( )( )
E X
V X C
μ=
= : היאXהפונקציה האופיינית של ,
( )12:
T Ti ii
i X i CnX E e e
ω ω μ ω ωω ϕ ω
⋅ − ⋅ ⋅∑⎛ ⎞∈ = =⎜ ⎟
⎝ ⎠
הוכחהnω∈ ,TZלכל Xω= : הוא משתנה מקרי חד ממדי גאוסי⋅
( )~ ,T T TX N Cω ω μ ω ω⋅ ⋅ ⋅ : ומתקיים⋅
( ) ( ) ( ) ( )21 11 11 2 21T Ti E Z V Z i Ci
ZZE e e e
ω μ ω ωϕ
⋅ ⋅ − ⋅ ⋅ − ⋅ ⋅⋅ ⋅= = =
( ) ( )i i
i
i Xi Z
XE e E eω
ϕ ω⋅
⋅∑⎛ ⎞
= =⎜ ⎟⎝ ⎠
): ולכן )12
T Ti C
X eω μ ω ω
ϕ ω− ⋅ ⋅
=.
:ועל ידי התמרת פורייה הפוכה
( )( )
( ) ( )121
2
Tx C x
X nf x e
C
μ μ
π
− − ⋅ ⋅ −=
⋅
מסקנה1אם nX X…גאוסיים במשותף :
1אם nX X…אזי הם גם בלתי תלויים בלתי מתואמים .
הוכחה
)יהי )1T
nX X X= :אזי, בלתי מתואמיםiX, וקטור אקראי…
39
)אם )
21
2
0
0 n
V X Cσ
σ
⎛ ⎞⎜ ⎟
= = ⎜ ⎟⎜ ⎟⎝ ⎠
:אזי
21
1
2
0
0 n
Cσ
σ
−
−
−
⎛ ⎞⎜ ⎟
= ⎜ ⎟⎜ ⎟⎝ ⎠
2: וגם
1
n
ii
C σ=
=∏.
( ) ( ) ( )2
21
nT i i
i i
xx C x
μμ μ
σ=
−− ⋅ ⋅ − =∑
:ולכן
( )( )
( ) ( )( )
( )
( )
2
1 21
2
2
1122
0
12
0 0
1 122
12
ni iT
ii
i i
i
i
xnx C x
X ni i
xn n
X ii ii
f x e eC
e f x
μμ μ σ
μ
σ
πσπ
πσ
−
=
−−− − ⋅ ⋅ −
=
−−
= =
∑= = =
= =
∏
∏ ∏
טרנספורמציות של וקטור אקראי רב ממדי)יהי )1
TnX X X= וקטור אקראי…
( ) ( )( )
1
:, ,
ni
i i i n
gY g X g X X
Y g X
→
= =
=
…
nYנתון ) ונרצה לחשב את ∋ )Yf y . אם איןnX )כך ש∋ )Y g X= אז ( ) 0Yf y =.
nXנניח שקיים ) יחיד כך ש∋ )Y g X=:
( )
1 1
1
1
n
n n
n
y yx x
J Xy yx x
∂ ∂∂ ∂
=∂ ∂∂ ∂
:ומתקיים
( ) ( ) ( )1Y Xf y f x
J X=
דוגמא( )~ ,
n n
X NY A X
μ ε
×= ⋅ ,Aהפיכה ולכן :( )~ , TY N A A Aμ ε ונחשב את ( )Yf y:
): חישוב היעקוביאן )Y A J X AX∂
= ⇒ =∂
1X: וכן נתון כי A Y−= ⋅. :לכן
( ) ( )( )
( ) ( )1 1 111 21 1 1
2
TA y A y
Y X nf y f A y e
J A C
μ ε μ
π
− − −− ⋅ − ⋅ ⋅ ⋅ −−= ⋅ =⋅
:על מנת להביא לצורה סטנדרטית נחשב
40
( ) ( )( )
( ) ( )( )
( )
( ) ( ) ( )
1
1 1 1
1 1 1 1
1
TT
T
T T T
A A y Ay A
T T
A y A y
A y A A A A A y
y A A A y A
ε μμ
μ ε μ
μ ε μ
μ ε μ
−
− − −
− − − − −
⋅ ⋅ − ⋅− ⋅
−
⋅ − ⋅ ⋅ ⋅ − =
= ⋅ − ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ − =
= − ⋅ ⋅ ⋅ ⋅ ⋅ − ⋅
: וכן2TA A Aε ε⋅ ⋅ = ⋅
): ולכן ) ( ) ( ) ( ) ( )11
21 ,2
T Ty A A A y A TY T
f y e N A A AA A
μ ε μμ ε
π ε
−− − ⋅ ⋅ ⋅ ⋅ ⋅ − ⋅
= =⋅ ⋅ ⋅
שערוך אופטימלי במובן של שגיאה ריבועית
Mean Square Error Estimation כך שהשגיאה הריבועית Cנחפש קבוע , ננסה לקרב אותו על ידי קבועYנתון משתנה מקרי
)הממוצעת )[ ]2CyE . תהא מינימלית−
טענה .C=EYר מתקבל מינימום עבו
הוכחה( ) ( )( ) ( ) ( ) ( )( ) ( )2
22
22
2
CEYYV
CEYCEYEEYyEEYyE
CEYEYyECyE
−+=
=−+−−+−=
=−+−=−
ולכן
( ) ( )EYyECyE −≥− 2•
) Y: ידוע ונחפש משערך לXנניח . (X,Y)נתונה התפלגות משותפת של )XY . נחפש פונקציה של
X :C(X)כך ששגיאת השערוך הממוצעת היא מינימלית .( )( )2xCyEe −=
טענה :ימלי הואהמשערך האופט
( ) ( ) ( )∫∞
∞−
== dyxyyfXYExY XY ||ˆ|
הוכחה
( )( ) ( ) ( )( ) ( )∫ ∫∞
∞−
∞
∞−⎥⎦
⎤⎢⎣
⎡−=−= dxdyyfXCyExfXCyEe XYX |
22
) המתפלג על פי Y על פי המשפט הקודם עבור המשתנה המקרי X=tלכל )yf tXY המינימום |=
) ולכן E(Y|X=t)הוא )XYEYMSE |ˆ =.
הערהYXXY: גאוסיים בלתי תלויים אזי הם גאוסיים במשותףX,Yאם fff =.
41
דוגמאX,Yנחשב את , גאוסיים במשותףE(Y|X)
( )( )
( )( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) 00
0,
00000000
000
0000
0
0
=⋅⇒=−=⋅
=⇒=−=
−=−=
XZEXXEYXEYXEXVXZEXV
EZXXXEYXE
XXVar
YXCovYZ
EYYYEXXX
0,Z Xגאוסיים במשותף ובלתי מתואמים ולכן בלתי תלויים :
( ) ( ) ( )( )
( )( ) ( )0 0 0
, ,0 | | |
Cov X Y Cov X YE Z E Z X E Y X X E Y EY X EX X
Var X Var X⎛ ⎞ ⎛ ⎞
= = = − = − − −⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
:ולכן השערוך האופטימלי הוא
( ) ( )( ) ( ),
|Cov X Y
E Y X EY X EXVar X
= + −
:כלומר
MSEY aX b= +
דוגמאY,nנורמליים בלתי תלויים
( ) ( )( )( ) 2
0
1
E Y E n
V Y
V n σ
= =
=
=
X=Y+n: נסמן
( )( )( )
2
ˆ |
1
0
MSEY E Y X
V X
E X
σ
=
= +
=
( ) ( )( ) ( )
( ) ( )
,ˆ |
, , 1
Cov X YY E Y X EY X EX
V X
Cov X Y Cov Y n Y
= = + −
= + =
:ולכן
2
1ˆ1
Y Xσ
=+
Yנבדוק גם את X=: :נחשב את שגיאת השערוך
2עבור
1ˆ1
Y Xσ
=+
:
( ) ( )( )
2 22
22 2 22
1 2 1 1ˆ 1 11 1 11
E Y Y E Y X E YX σσ σ σσ
+⎛ ⎞− = − = − + = −⎜ ⎟+ + +⎝ ⎠ +
Yעבור X=:
( ) ( )2 2 21 2 1E Y X E YX σ σ− = − + + =
42
:ולמציאת המשערך הטוב ביותר
22
22
2
111
1
σσ
σ σσ
− ≤+
≤+
שיערוך ליניארי אופטימלי . נתוןX, (X,Y)התפלגות משותפת של
Yנחפש משערך לינארי aX b= :MSE אופטימלי במובן +
( )( )2
,min
a bE Y ax b− +
טענה( )( )
( ) ( )
,Cov X Ya
Var X
b E Y aE X
=
= −
:כלומר
( ) ( )( ) ( )( ),
LMSE
Cov X YY E Y X E X
V X= + −
הוכחה): האופטימלי נתון על ידיbה, נתוןaעבור כל ) ( ) ( )b E Y aX E Y aE X= − = −
:b על ידי הצבת aנמצא את
( )( ) ( ) ( )( )( )( )( ) ( )( ) ( )( ) ( )( )
22
2 22 2
E Y aX b E Y E Y a X E X
a E X E X a E X E X Y E Y E Y E Y
− + = − − − =
= ⋅ − − ⋅ ⋅ − − + −
.aשמהווה משואה ריבועית על
2: אם נתון משוואה ריבועית 0a x b x c⋅ + ⋅ + : אזי=2bxa
= −⋅
: ולכן כאן
( )( )
, X Y Y
X X X
Cov X Ya
V Xρσ σ ρσσ σ σ
= = =
הגדרהX: ונסמן) אורתוגונליים( ניצבים X,Y נאמר כי E(XY)=0אם Y⊥.
Yאם aX b= : שגיאת השערוך היא+
( )Y aX bε = − +
:ממוצע שגיאת השערוך הוא
( )2e E ε=
טענהXε:עבור המשערך הליניארי האופטימלי מתקיים ⊥
): כלומר ) 0E Y a X b X− ⋅ − ⋅ =
43
הוכחה
( )2e E Y aX ba a∂ ∂
= − −∂ ∂
0e אופטימלי aעבור a∂
=∂
: ולכן
( ) ( ) ( ) ( ) ( )0 2 0 0e E Y aX b X E Y aX b X E X Xa
ε ε∂= = ⋅ − − ⋅ − ⇒ − − ⋅ = ⇒ ⋅ = ⇒ ⊥∂
טענה)אם ) ( )ˆ |MSEY C X E Y X= : ושגיאת השערוך היאX על ידי Y המשערך האופטימלי של =
( )Y C Xε = ), X פונקציה של לכל אזי − )W Xמתקיים :( )W Xε ⊥.
תכונות התוחלת המותנית1. ( ) ( ) , | , |XY YE g X Y X t E g t Y X t= = =
2. ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
| |
| |
E g X h Y X t g t E h Y X t
E g X h Y X g t E h Y X
⋅ = = ⋅ =
⋅ = ⋅
2-הוכחה ל( ) ( ) ( ) ( ) ( ) ( ) | | |Y YE g X h Y X t E g t h Y X t g t E h Y X t⋅ = = ⋅ = = ⋅ =
הוכחת הטענה
( ) ( )( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( )
|
| | |
0
|
| |
| |
| | 0
X Y Y
X
XY
XY E E Y X E Y
X Y
X Y E E Y X X E Y X
X Y
E W X
E Y E Y X W X
E E Y E Y X W X X
E W X E Y E Y X X
E W X E E Y X E Y X
ε
=
=
=
⋅ =
− ⋅ =
− ⋅ =
⋅ − =
⎧ ⎫⎪ ⎪⋅ − =⎨ ⎬⎪ ⎪⎩ ⎭
1Lשיערוך אופטימלי במובן
Eˆ: כלומר Y Y− מינימליRobust Estimate.
E כך שC נחפש סקלאר קבוע Yנתון משתנה מקרי Y C−מינימלי .
הגדרה
): כך שM הוא קבוע Y של משתנה מקרי (Median)החציון ) ( )12
M
Y YF M f y dy−∞
= = ∫
44
טענה: כלומר, הוא החציון1L האופטימלי במובן Yהמשערך הקבוע למשתנה מקרי
arg minC
m E Y C⎡ ⎤= −⎣ ⎦.
הוכחה
( ) ( ) ( ) ( ) ( )C
Y Y YC
E Y C Y C f y dy C Y f y dy Y C f y dy∞ ∞
−∞ −∞
− = − = − + −∫ ∫ ∫
:Cנגזור לפי
( ) ( )
( ) ( )
( ) ( )
( )
0
112
C
Y YC
C
Y YC
Y Y
Y
f y dy f y dy
f y dy f y dy
F C F C
F C
∞
−∞
∞
−∞
− =
=
= −
=
∫ ∫
∫ ∫
הרחבה לוקטור אקראי גאוסי( )( ) ( ),ˆ Cov X Y
Y EY X EXV X
= + −
:נרחיב זאת לוקטור אקראי גאוסי
( ) ( )( ) ( )1ˆ ,Y EY Cov X Y V X X EX−
= + ⋅ ⋅ −
דוגמא
( ) ( )( ) ( )1
5 1 5 1 5 3 3 13 3
ˆ ,Y EY Cov X Y V X X EX−
× × × ××
= + ⋅ ⋅ −
:ובכתיבה שונה
~אם ,TX a A C
NY b C B
⎛ ⎞⎛ ⎞⎛ ⎞ ⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎝ ⎠
: אזי
( )MSEY b C A X a= + ⋅ ⋅ −
משתנים מקריים מרוכבים
( ) ( ) ( )
*
2
, ::
X YZ X iYE Z E X iE Y
V Z E Z E Z Z E Z
E Z E Z
Ω→= + Ω→
= +
= − − =
−
:ובמקרה הרב ממדי
45
( ) ( ) ( )*transposedconjugate
V Z E Z E Z Z E Z+
⎧ ⎫⎪ ⎪⎪ ⎪= − −⎨ ⎬⎪ ⎪⎪ ⎪⎩ ⎭
מטריצה מוגדרת אי שלילית :במקרה הממשי
0Tx Ax .ם הערכים העצמיים הם ממשיים וחיוביים" אמ≤ :במקרה המרוכב
:שלילית כך ש-מטריצת הקווריאנס של וקטור אקראי מרוכב מוגדרת אי* 0
transposedconjugate
x A x+
⋅ ⋅ .ם הערכים העצמיים הם ממשיים וחיוביים" אמ≤
התכנסות של סדרת משתנים מקריים תזכורת
עבור סדרת מספרים ממשיים 1n na ∞
=) נאמר ש )limn nn
a L a L→∞
→ : אם=
0 : nN n N a Lε ε∀ > ∃ ∀ > − ≤
הגדרה
נתונה סדרת משתנים מקריים 1n nX ∞
= .X ונתון משתנה מקרי
נאמר שהסדרה 1n nX ∞
= : אםX למתכנסת בהסתברות
( )0 0n nP X Xε ε
→∞∀ > − > →
: ונסמןP
nX X→.
דוגמא[ ]
( ) ( )10,
0,1
11 01
0n
n
U
X nelse
ωω ω⎡ ⎤
⎢ ⎥⎣ ⎦
Ω =
⎧ ≤ ≤⎪= = ⎨⎪⎩
46
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-0.2
0
0.2
0.4
0.6
0.8
1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
טענה0nX X→ ≡
הוכחה
( ) ( )( ) ( ) ( )( ) ( )
| |
1| 1 0
n n
n n
P X X P X
P Xn
ω ω ω ε ω ω ε
ω ω→∞
− > = > =
= = →
0: ולכןP
nX →.
הגדרה
ים מקריים נאמר כי סדרת משתנ 1n nX ∞
= תוחלת ריבועית במובן של X למשתנה מקרי מתכנסת
(Mean-Square)אם :
( ) 2 0n nE X X
→∞− →.
47
טענה
)אם ) 2 0n nE X X
→∞− אזי →
P
nX X→.
הוכחה :אי שוויון מרקוב
( ) E XP X ε
ε≥ ≥
ת אי שוויון מרקוב על המשתנה המקרי נפעיל א2
nX X−:
( ) ( ) 2
2 220
n
n n
E X XP X X P X Xε ε
ε
−≤ − ≥ = − ≥ ≤
0εולכל > 2
2 0n
n
E X X
ε →∞
−→
): ולכן ) 0n nP X X ε
→∞− > →
: כלומרP
nX X→.
(WLLN)החוק החלש של המספרים הגדולים : משפטמספיק להניח שהם בלתי מתואמים (נתונה סדרת משתנים מקריים בלתי תלויים ושווי התפלגות
).ובעלי תוחלת ושונות זהים
: נסמן ( ) 2n nE X V Xμ σ= =
: אזי1
1 n P
n ii
S Xn
μ=
= →∑
( )0 0P
n nnP S Sε μ ε μ
→∞∀ > − > → ⇔ →
הוכחה
( ) ( )
1 1
2
2 21 1 1
1 1
1 1 1
n n
n i ii i
n n n
n i i ii i i
E S E X E Xn n
V S V X V X V Xn n n n
μ
σ= =
= = =
⎧ ⎫= = =⎨ ⎬⎩ ⎭⎛ ⎞ ⎛ ⎞
= = = =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
∑ ∑
∑ ∑ ∑
: בישב'שוויון צ-אי( ( ) ( )2
V XP X E X ε
ε− > ≤(
)ובמקרה שלנו )2
2nP Snσμ εε
− > ≤
0εיהי נתון ): צריך להראות כי, < ) 0nP S μ ε− > →
( )2
20 0n nP S
nσμ εε →∞
≤ − > ≤ →
ולכן P
nS μ→
48
הגדרה
סדרת משתנים מקריים 1n nX ∞
= Almost) כמעט תמיד X למשתנה מקרי מתכנסת
Everywhere)אם :
( ) ( ) ( )| 1nP X Xω ω ω→ =
: ונסמן.a e
nX X→
דוגמא[ ][ ]1 0,1
2 31 10, ,12 2
4 5 61 1 2 20, , ,13 3 3 3
7 10,4
0,11
1 1
1 1 1
1
UX
X X
X X X
X
⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
⎡ ⎤ ⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦ ⎣ ⎦
⎡ ⎤⎢ ⎥⎣ ⎦
Ω =
=
= =
= = =
=
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0εלכל >:
( ) ( )0 1 0n n nP X P Xε
→∞− > = = →
אבל .a e
nX → 0
דוגמא.
10,1 0
1 1,1,1, ,1,0,0,0, 010
a e
nn
n n
X
X
⎡ ⎤⎢ ⎥⎣ ⎦
→∞
= →
⎛ ⎞ = →⎜ ⎟⎝ ⎠
… …
49
הערה
( ) .
0 Pn
na e
n
E X XX X
X X
⎫− → ⎪ →⎬⎪→ ⎭
(SLLN)החוק החזק של המספרים הגדולים : משפטנתונה סדרת משתנים מקריים 1n n
X ∞
= . בלתי תלויים ושווי התפלגות
: אזי.
1
1 n a e
n i niS X
nμ
→∞=
= →∑
ערהה
( )
1
1
2
. .
1
0
n n
n
n ii
n
X i i d
S Xn
E S μ
∞
=
=
=
− →
∑
הוכחה
( ) ( )2
2 0n n nE S V S
nσμ
→∞− = = →
הגדרה
נתונה סדרת משתנים מקריים 1n nX ∞
= . בהתאמהF וnF בעלי התפלגויות X ומשתנה מקרי
)אם ) ( )n nF x F x
→∞: נסמןx לכל נקודת רציפות של →
F
nX X→
דוגמא[ ]
10,
0,11n
n
UX ⎡ ⎤
⎢ ⎥⎣ ⎦
=
50
Fn(1/7)
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-0.5 -0.3 -0.1 0.1 0.3 0.5 0.7 0.9 1.1 1.3 1.5
F
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
-0.5 -0.3 -0.1 0.1 0.3 0.5 0.7 0.9 1.1 1.3 1.5
1 1171 171 17 7
n
n n
Fn
F
F F→∞
⎛ ⎞ = −⎜ ⎟⎝ ⎠⎛ ⎞ =⎜ ⎟⎝ ⎠⎛ ⎞ ⎛ ⎞→⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
CLTמשפט הגבול המרכזי
יהי 1n nX ∞
= : סדרת משתנים אקראיים בלתי תלויים ושווי התפלגות
( ) 2n nE X V Xμ σ= =
1
1 n
n ii
S Xn =
= ∑
)ויהי )~ 0,1X Nאזי :
FnSn Xμσ−
→
51
הוכחה
1 1 1 1
2
1 1
1 1
11
n n n n
i i i ii i i i n n
n n
i ii i
X E X X E Xn n S Sn
nV X v X nn
μ μσσ
= = = =
= =
⎛ ⎞ ⎧ ⎫− − ⎨ ⎬⎜ ⎟ − −⎝ ⎠ ⎩ ⎭= = =⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
∑ ∑ ∑ ∑
∑ ∑
דוגמא
1 10001~ . .2
X X B i i d⎛ ⎞⎜ ⎟⎝ ⎠
…
: נחשב את1000
1
600ii
P X=
⎛ ⎞>⎜ ⎟⎝ ⎠∑
( )
( ) ( )
( )
( ) ( )
1000
1
2
2 22
5001212
1 1 12 2 411000 1000 2504
500 ~ 0,1250
500 600 500 500600 6.5 6.515 15 15
ii
i
i
i i i
i
Y X
E Y
E X
E X
V X E X E X
V Y V X
Y N
Y YP Y P P erf
=
=
=
=
=
= − = − =
= ⋅ = ⋅ =
−
− − −⎛ ⎞ ⎛ ⎞> = > = > =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
∑
2דוגמא
6
6
10
1
10
1
502,000 ?
n n
ii
X
P X
=
=
⎛ ⎞> =⎜ ⎟
⎝ ⎠∑
( )
( )
( ) ( )
610
15
5
5
5 10
2.5 10500,000 ~ 0,1500
5 10502,000 4 4500
ii
Y X
E Y
V YY N
YP Y P erf
=
=
= ⋅
= ⋅
−
⎛ ⎞− ⋅> = < =⎜ ⎟
⎝ ⎠
∑
52
תהליכים אקראיים תזכורת
X: :משתנה מקרי Ω→
,2: משתנה מקרי דו ממדי :X Y Ω→
:: וקטור אקראי nX Ω→
תהליך אקראי
בזמן בדיד :פונקציה
1 0 1
0 1
: , 1,0,1, , , , ,
: 0,1, , ,
X X X X
X X X−Ω→ = −
Ω→ =
… … … …
… …
בזמן רציף : |tX X X tΩ→ = ∈
דוגמא. .nX i i d
דוגמא :הילוך שיכור
1
1. .
1 1
1 2 1
n
n
n ii
P
n
pX i i d
p
Y X
Y pn
=
⎧= ⎨− −⎩
=
→ −
∑
דוגמא( ) ( ) ( )( )cos
, :tX A t
A
ω ω ϕ ω
ϕ
= +
Ω→
. משתנה מקריt ,tXלכל
הערה .ממשיים או מרוכבים, ידים או רציפיםתהליך אקראי בזמן בדיד או רציף מקבל ערכים בד
התפלגות מסדר ראשון( ) ( ) ( ), t tF x t F x P X x= = ≤
nהתפלגות מסדר ( ) ( )1 11 1n nt t n t t nF x x P X x X x= ≤ ≤… … …
53
( ) ( )tt
dF xf x
dx=
תוחלת
( ) ( ) ( )tt Xt E X xf x dxμ
∞
−∞
= = ∫
פונקציית האוטוקורלציה( ) ( ) ( )
1 2 1 21 2 1 2 , 2 1 2, 1,t tt t X XR t t E X X x x f x x dx dx= ⋅ = ∫∫
): בפרט ) 2, tR t t E X= שזהו ההספק הממוצע (Power) בזמן t.
פונקציית האוטוקווריאנס( ) ( )( ) ( )( )( ) ( ) ( ) ( )
1 21 2 1 2 1 2 1 2, ,t tC t t E X t X t R t t t tμ μ μ μ= − ⋅ − = −
דוגמא( )
[ ]0cos
~ 0,2tX a t
U
ω ϕ
ϕ π
= + .קבועים a0ω, כאשר
( ) ( )
( ) ( ) ( ) ( )
0
0 0
0 0
cos cos cos sin sin
cos cos sin sin 0
tt E X aE t aE
a t E t E
μ ω ϕ
ω ϕ ω ϕ= =
= = + = ⋅ − ⋅ =
⎛ ⎞⎜ ⎟= − =⎜ ⎟⎝ ⎠
( ) ( ) ( ) ( ) ( )
( )( ) ( )( )
( )( ) ( )
( )
21 2 1 2 0 1 0 2
20 1 2 0 1 2
0
20 1 2 1 2
2
, cos cos
1 cos cos 22
1 cos ,2
1,2
R t t E X t X t a E t t
a E t t t t
a t t C t t
R t t a
ω ϕ ω ϕ
ω ω ϕ
ω
=
= ⋅ = + ⋅ + =
⎧ ⎫⎪ ⎪= − + − + =⎨ ⎬⎪ ⎪⎩ ⎭
= − =
=
הגדרה1 אם עבור כל מספר סופי של אינדקסים לויבלתי תתהליך נקרא nt t…הוקטור האקראי :
1
n
t
t
X
YX
⎛ ⎞⎜ ⎟
= ⎜ ⎟⎜ ⎟⎝ ⎠
. הוא בלתי תלוי
54
הגדרה
1 ולכל n אם לכל גאוסי נקרא tXתהליך אקראי nt t… הוקטור האקראי
1
n
t
t
X
YX
⎛ ⎞⎜ ⎟
= ⎜ ⎟⎜ ⎟⎝ ⎠
הוא גאוסי
)ולכן . במשותף )1 nt tf x x… הוא פונקציה של ( ) ( ), ,i jt C t tμבלבד .( ) ( ), ,i jt C t tμ מתארים
.באופן מלא את התהליך
( ) ( )( )
( )( ) ( )
( ) ( )
1
1 1 1
1
, ,
, ,
n
n
n n n
E Y t t
C t t C t tV Y
C t t C t t
μ μ=
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
…
(consistency)עקביות
הגדרה
)משפחת התפלגויות )1
1|n
nt t
t tF x x
n⎧ ⎫⎨ ⎬⎩ ⎭
… : אםעקבית נקראת …
( ) ( )1 1 1,
n n nt t t t tF x x F x x x+
= < ∞… …
דוגמא( ) ( )1 1 1 1 3,F X x F X x X≤ = ≤ < ∞
משפט ההרחבה של קולמוגורוב
קולמוגורובאנדריי
שאלו ההתפלגויות המשותפות tXבהנתן משפחה עקבית של התפלגויות קיים תהליך אקראי
.שלו
תהליכים אקראיים סטציונריים
הגדרה : אם התכונות הסטטיסטיות שלו לא משתנות בזמן(SSS)סטציונרי במובן הצר תהליך נקרא
1 11: :n nn t t t t t tn t t F F + +∀ ∀ =… ……
55
הערה ולכן 0X יש אותה התפלגות כמו לtX אז לSSS הוא Xאם tE X μ= . הפילוג המשותף של
1 2,t tX X זהה לפילוג של
2 10 , t tX X ) ולכן − )1 2,C t t2י רק ב תלו 1t t−.
דוגמא .i.i.dתהליך
דוגמא נגדית
הילוך שיכור עבור 12
p : אינו סטציונרי≠ ( )2 1nE Y n p= −.
הגדרה אם התוחלת שלו קבועה (WSS)סטציונרי במובן הרחב תהליך נקרא tE X μ= ופונקציית
)האוטקורלציה שלו תלויה רק בהפרש ) ( )1 2 1 2, ,R t t R t t t t= + +
X SSS X WSS⇒
:WSSעבור תהליך
( ) ( ) ( ) ( )( ) ( ) ( )
0
2
,0
,0
0 0,0 ,
t
t
R t R t E X X
C t C t
R R R t t E X
= = ⋅
=
= = =
הגדרה1 אם לכל (White noise)רעש לבן תהליך נקרא 2t t≠
1 2,t tX Xבלתי מתואמים .
( ) ( )1 1 21 2
1 2
,0
. .
tV X t tC t t
t ti i d White Noise
⎧ =⎪= ⎨≠⎪⎩
⇒
הערה)תהליך גאוסי נקבע לחלוטין על ידי ) ( ), ,i jt C t tμ ולכן WSS SSS⇒.
)בתהליך גאוסי סטציונרי )1 nX X…המטריצה תהיה כזו שבאלכסונים יהיו אותם המספרים .
דוגמא( )1 2 3, ,
1 114 100
1 114 41 1 1
100 4
X X X
⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
56
טענה : ממשי אזיWSS תהליך אקראי tX אם
( ) ( ) ( )( )20 2 0t s tE X X R R s+≤ − = −
הוכחה
( ) ( ) ( ) ( ) ( ) ( ) ( )( )( ) ( )
2 2 20 2 0 0 2 2 0
0 : 0t s t t s t t t sE X X E X X X X R R R s R R s
s R R s+ + +≤ − = + − ⋅ = + − = −
∀ ≠ ≥ הגדרה
:X(t),Y(t)נתונים שני תהליכים אקראיים בעלי התפלגות משותפת : ביניהם מוגדר על ידי)קורולציה מצטלבת (cross-correlationה
( ) ( ) ( )( )1 2 1 2,XYR t t E X t Y t=
)בניגוד ל ) ( ) ( )( )1 2 1 2,XXR t t E X t X t=
: מוגדר על ידיcross-covarianceה
( ) ( ) ( )( ) ( ) ( )( ) ( ) ( )1 2 1 1 2 2 1 2,XY X Y XY X YC t t E X t t Y t t R t tμ μ μ μ= − ⋅ − = −
סיכום :X,Yעבור SSS התפלגות משותפתTI
WSS ( ) ( )1 2 1 2, ,XY XYR t t R t t t t= + +
והתוחלות קבועות
הגדרה
1 ולכל n אם לכל מוגדרת חיובית C(t,s)פונקציה nt t…המטריצה :
( ) ( )
( ) ( )
1 1 1
1
, ,
, ,
n
n n n
C t t C t t
C t t C t t
⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
.מוגדרת חיובית
הערה . היא פונקציה מוגדרת חיוביתC(t,s)קווריאנס -פונקציית האוטו
WSSספקטרום ההספק של תהליך אקראי
הגדרה) תהליך אקראי סטציונרי עם פונקציית אוטוקורלציה tXנתון ) 0XX tR t E X X= ⋅ ,
) היא התמרת פוריה של tXשל ) צפיפות ההספק הספקטרלי (ספקטרום ההספק )XXR t.
( ) ( )
( ) ( )
i tX X
i tX X
S R t e dt
R S t e dt
ω
ω
ω
ω
∞−
−∞
∞
−∞
=
=
∫
∫
57
תכונות1. ( )XS ωפונקציה ממשית .
)י ממשי אז tXנניח .2 )XR t ולכן ( )XS ωפונקציות ממשיות וזוגיות :
( ) ( )X XS Sω ω= −.
( ) ( ) ( ) ( ) ( )0
1 1cos cos2X X XR t S t d S t dω ω ω ω ω ωπ π
∞ ∞
−∞
= =∫ ∫
3. ( )
( ) ( ) ( )
2
0
0 0
1 10 02 2
t X
iX X X
E X R
R S e d S dωω ω ω ωπ π
∞ ∞
−∞ −∞
= ≥
= = ≥∫ ∫
דוגמא
tX תהליך אקראי ממשי WSS 0tE X =
( )0cost tY X tω ϕ= +
[ ]~ 0, 2Uϕ πבלתי תלוי ב X.
( ) ( ) ( ) ( ) ( )( ) ( )( )
( ) ( )( )
1 2 1 21 2 0 1 0 2
1 2 0 1 2 0 1 2
1 2 0 1 2
, cos cos
1, cos cos 22
1 , cos2
YY t t t t
XX
XX
R t t E Y Y E X t X t
R t t E t t t t
R t t t t
ω ϕ ω ϕ
ω ω ϕ
ω
= ⋅ = + ⋅ + =
= ⋅ ⋅ − + + + =
= ⋅ −
( ) 0cos 0t tE Y E X E tω ϕ= ⋅ + =
.WSS תהליך tYולכן
( ) ( ) ( )01 cos2Y XR t R t tω= ⋅
( ) ( ) ( )( )0 014YY X XS S Sω ω ω ω ω= − + +
הגדרהt,בהנתן שני תהליכים tX Yבעלי התפלגות משותפת ,WSSבמשותף , XY t tR E X Y= ⋅.
: מוגדר על ידי (cross-spectrum)הספקטרום המצטלב
( ) ( )
( ) ( )12
i tXY XY
i tXY XY
S R t e dt
R t S e d
ω
ω
ω
ω ωπ
∞−
−∞
∞
−∞
=
=
∫
∫
.ויתכן שהוא מרוכב
טענה( ) ( )XY YXS Sω ω=
58
הוכחה
( ) ( ) ( ) ( ) ( ) ( )0 0XY XYR t E X t Y E Y X t R t− = − ⋅ = ⋅ − =
משפט
)תהי )S ω פונקציה חיובית ( )( )0S ω ) וכן ≤ )S dω ω∞
−∞
< כך X(t)אזי יש תהליך אקראי , ∫∞
)ש ) ( )XS Sω ω=.
הוכחה . מספר ממשיaיהי
ω משתנה אקראי עם צפיפות fω
[ ]~ 0, 2Uϕ πבלתי תלוי ב ω.
( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
( ) ( )
1 2 1 2 1 2
0
2 21 2
t
2
2
0
,
WSS תהליך X
also:
12
therefore:2
i tt
i t it
i t i t i t t i t tX
i tX
i tX X
X
X a e
E X a E e E e
R t t E a e a e a E e a f e d
R t a f e d
R t S e d
S a f
ω ϕ
ω ϕ
ω ϕ ω ϕ ω ωω
ωω
ω
ω
ω ω
ω ω
ω ωπ
ω π ω
−
−
=
∞− − − −
−∞
∞
−∞
∞
−∞
= ⋅
= ⋅ ⋅ =
= ⋅ ⋅ ⋅ = ⋅ = ⋅
= ⋅
= ⋅
=
∫
∫
∫
:גם כן על פי הגדרה
( ) ( ) ( )2 2102X XR S d a f d aωω ω ω ωπ
∞ ∞
−∞ −∞
= ⋅ = ⋅ =∫ ∫
): כלומר ) 20XR a=
): נבחר ) ( )22
Sf
aω
ωω
π) : כך ש= ) 21
2S d aω ω
π
∞
−∞
⋅ =∫.
)ולכן ) ( )XS Sω ω=
תרגיל)נניח )S ωאזי קיים , חיובית זוגיתX(t) WSSממשי כך ש ( ) ( )XS Sω ω= .
( ) ( )cosX t a tω ϕ= ⋅ −.
הגדרה : נגדירX(t) WSSנתון תהליך אקראי
59
( ) ( )0T
X t t TX t
else⎧ <
= ⎨⎩
( ) ( ) ( )ˆT
i t i tT T
T
X X t e dt X t e dtω ωω∞
− −
−∞ −
= =∫ ∫
)המשתנה המקרי ) ( )21 ˆ
2T TS XT
ω ω= הפריודוגרם נקראPeriodogram של התהליך tX.
משפט
): כך שWSS X(t)נתון תהליך אקראי )Xt R t dt∞
−∞
⋅ < ∞∫,
( ) ( ) ( )21 ˆ
2T T XXTE S E X S
Tω ω ω
→∞
⎧ ⎫= →⎨ ⎬⎩ ⎭
): ולכן בפרט ): 0XXSω ω∀ ≥.
הוכחה
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( ) ( )
2 *
0 2
, 2 0
2
1 1ˆ2 2
1 12 2
1 12 2
1 22
T Ti t i s
T TT T
T T T Ti s t i s t
t s XT T T T
T z T Ti z i z
X Xz t s dz ds T T T z
i zX
E S E X E X t e dt X s e dsT T
E X X e dtds R t s e dtdsT T
R z e dtdz R z e dtdzT T
R z e T z dzT
ω ω
ω ω
ω ω
ω
ω ω −
− −
− −
− − − −
+− −
= − =− − − − +
−
−
⎧ ⎫⎧ ⎫= = =⎨ ⎬ ⎨ ⎬⎩ ⎭ ⎩ ⎭
= ⋅ = − =
= = =
= −
∫ ∫
∫ ∫ ∫ ∫
∫ ∫ ∫ ∫
( )
( )
( ) ( )2 2 2
2 2
0we demanded a finite integral
12
X
T T Ti z i z
X X XTT T T
T TS
R z e dz z R z e dz ST
ω ω
ω
ω− −
→∞− −
↓ →∞ ↓ →∞
= − →∫ ∫ ∫
): לסיכום ) ( )21 ˆ0
2 T XXTE X S
Tω ω
→∞
⎧ ⎫≤ →⎨ ⎬⎩ ⎭
LTIמעבר של תהליך אקראי דרך מערגת לינארית
( ) ( ) ( )*t tY X h t X s h t s ds∞
−∞
= = −∫
טענהY(t) WSS
LTI h(t)
X(t) Y(t)
60
הוכחה
( ) ( ) ( ) ( ) ( ) ( )Y s Xt E Y t E X s h t s ds E X h t s ds h s dsμ μ∞ ∞ ∞
−∞ −∞ −∞
⎧ ⎫= = − = − =⎨ ⎬
⎩ ⎭∫ ∫ ∫
טענה
( ) ( ) ( )*1 2 1 2, ,XY XYR t t R t t h s ds
∞
−∞
= ∫
הוכחה
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
1 2 1
*1 2 2 1 2
*1 2
, , ,
,
XY t t t
XY
R t t E X Y E X X t s h s ds E X t X t s h s ds
R t t s h s ds
∞ ∞
−∞ −∞
∞
−∞
⎧ ⎫= = − = ⋅ − ⋅ =⎨ ⎬
⎩ ⎭
= −
∫ ∫
∫ :X(t) WSSנניח
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
*1 2 1 2
*
,
*
XY XY
XY XY XY X
R t t R t t s h s ds
R t R t s h s ds R t s h s ds R t h t
∞
−∞
∞ ∞
−∞ −∞
= − +
= + = − − = −
∫
∫ ∫
:עבור
( ) ( )h t H ω⇒
:מתקיים
( ) ( ) ( ) ( ) ( )i t i t i th t h t e dt h t e dt h t e dt Hω ω ω ω∞ ∞ ∞
− −
−∞ −∞ −∞
− ⇒ − ⋅ = − ⋅ = ⋅ =∫ ∫ ∫
): ולכן מתקיים ) ( ) ( )XY XXS S Hω ω ω=
טענה
( ) ( ) ( )1 2 1 2, ,YY XYR t t R t s t h s ds∞
−∞
= −∫
הוכחה
( ) ( ) ( )
( ) ( ) ( ) ( )
1 2 2
2
1 2
1 1 2
,
,
YY t t t
t XY
R t t E Y Y E h s X t s ds Y
E X t s Y h s ds R t s t h s ds
∞
−∞
∞ ∞
−∞ −∞
⎧ ⎫= ⋅ = − ⋅ =⎨ ⎬
⎩ ⎭
= − ⋅ = −
∫
∫ ∫
:X(t) WSSנניח
( ) ( ) ( )1 2 1 2,YY XYR t t R t t s h s ds∞
−∞
= − −∫
:Y(t) WSSולכן גם
( ) ( ) ( ) ( ) ( ) ( ),0 *YY YY XY XYR t R t R t s h s ds R t h t∞
−∞
= = − =∫
61
): ולכן ) ( ) ( )YY XYS S Hω ω ω= ⋅
מסקנה .WSS הוא גם כן Y הוא הפלט אזי Y(t) וLTI תגובת הלם של מערכת h(t) וX(t) WSSאם
:ומתקיים
( )
( ) ( ) ( )( ) ( ) 2
* *
*
Y X
YY XX
YY XX
h t dt
R R t h t h t
S S H
μ μ
ω ω
∞
−∞
=
= −
=
∫
דוגמאX(t)רעש לבן גאוסי :
( )
( )
( )
( )( )
( ) ( ) ( ) ( ) ( ) ( )( ) ( )
2
2
2
2
2
22
0
~ 0,
00
:
* * *
t
t
t
XX
XX
YY XX
YY
E X
V X
X N
tR t
else
S
LTI h t
R t R t h t h t h t h t
S t H
σ
σ
σ
ω σ
σ
σ ω
=
=
⎧ == ⎨⎩=
= = ⋅
=
:ואם ניקח למשל
( ) ( ) ( ) ( )
( ) ( )( ) ( ) ( )( )
( )
( ) ( )
2
2 22 2
2
2 2
22
3 2
1 1 1 1 11 2 3 1 41 4
1 13 1 4
3
YY
t tYY
h t y t y t y t
H Hj j
S
R t e e
ω ωω ω ω ωω ω
σωω ω
σ − −
′′ ′= + +
⎛ ⎞= ⇒ = = −⎜ ⎟+ + + ++ + ⎝ ⎠
⎛ ⎞= −⎜ ⎟+ +⎝ ⎠
= −
דוגמא
( )
( ) ( ) ( ) ( )
( ) ( ) ( )2
1
1 2
2 1 2
10
0
1 10 02 2
t
XXYY XX
YY YY XX
Helse
X WSS
SS S H
else
R S d S dω
ω
ω ω ωω
ω ω ω ωω ω ω
ω ω ω ωπ π
∞
−∞
≤ ≤⎧= ⎨⎩
⎧ ≤ ≤= ⋅ = ⎨
⎩
≤ = =∫ ∫
1ω 2ω
( )H ω
62
1וכיוון שלא הגבלנו את עצמנו בבחירת 2,ω ω יוצא כי ( ) 0XXS ω >.
דוגמא
( )12
t T
tt T
Y X s dsT
+
−
= ∫
( ) ( ) 1 2 2* 20
tT t Th t h t T
else
⎧− − ≤ ≤⎪− = ⎨
⎪⎩
( ) ( )
( ) ( ) ( )( )
( ) ( )
2
2
sin12
sin
12
Ti t
T
YY XX
YY XX
TH e dt
T T
TS S
T
sR t R t s ds
T
ω ωω
ω
ωω ω
ω
−
−
∞
−∞
= =
= ⋅
⎛ ⎞= − −⎜ ⎟
⎝ ⎠
∫
∫
לא סיבתיWiener מסנן -סינון אופטימלי
.tY יהיה שערוך של tY כך שהמוצא LTI נחפש מערכת tYבהנתן
LTI h(t)=?
X(t) ˆtY
T−
T
( )h t
2T− 2T
( ) ( )*h t h t−
63
t,: נתונים tX Y WSS נחפש מערכת LTI עם תגובת הלם h(t)כך ש :
( ) ( )( ) 2*t te h E Y X h t= .MMSE תהיה מינימלית במובן −
דוגמא S WSS X=S+Nנתון תהליך אקראי
) :נוכיח הדרישה מתקיימת על ידי ) ( )( )
YX
XX
SH
Sω
ωω
=
הוכחה
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
2
2 2
0 2
t
t
YY YX XX
e h E Y h X t d
E Y E h Y t X t d E h h X t X t d d
R R h d h h R d d
α α α
α α α α β α β α β
α α α α β α β α β
∞
−∞
∞ ∞ ∞
−∞ −∞ −∞
∞ ∞ ∞
−∞ −∞ −∞
⎧ ⎫⎛ ⎞⎪ ⎪= − − =⎨ ⎬⎜ ⎟⎝ ⎠⎪ ⎪⎩ ⎭
⎧ ⎫ ⎧ ⎫= − − + − − =⎨ ⎬ ⎨ ⎬
⎩ ⎭ ⎩ ⎭
= − + −
∫
∫ ∫ ∫
∫ ∫ ∫): מתקייםg(t)+h(t) מסנן אופטימלי אזי לכל מסנן אחר hנניח כי ) ( )e h e g h≤ +.
( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )2
0
2 XX YX
e g h e h
h g R d d g R d E g X t dα β α β α β α α α α α α∞ ∞ ∞ ∞
−∞ −∞ −∞ −∞
≤ + − =
⎧ ⎫⎛ ⎞ ⎛ ⎞⎪ ⎪= − − + −⎨ ⎬⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠⎪ ⎪⎩ ⎭∫ ∫ ∫ ∫
:g(t) כך שלכל hנחפש
( ) ( ) ( ) ( ) 0YX XXg R h R d dα α β α β β α∞ ∞
−∞ −∞
⎛ ⎞− − =⎜ ⎟
⎝ ⎠∫ ∫
: כך שhכלומר
( ) ( ) ( )YX XXR h R dα β α β β∞
−∞
= −∫
:ודרישה זו שקולה לדרישה ש
( ) ( ) ( )YX XXS H Sω ω ω= ⋅
): לא סיבתיWienerוזוהי הגדרת מסנן ) ( )( )
YX
XX
SH
Sω
ωω
=
עקרון האורתוגונליות
( ) ( ) ( )YX XXR h s R s dsα α∞
−∞
= −∫
t,לכל , כלומר β ∈:
LTI h(t)=?
X(t) S
64
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
( )
0
ˆ 0
YX XX
t
t
t t
R t h s R t s ds
E Y X E h s X t s X ds
E X Y h s X t s ds
E X Y Y
β
β
β
β β
β
∞
−∞
∞
−∞
∞
−∞
− = − −
⎧ ⎫⋅ = −⎨ ⎬
⎩ ⎭⎧ ⎫⎛ ⎞⎪ ⎪− − =⎨ ⎬⎜ ⎟⎪ ⎪⎝ ⎠⎩ ⎭
− =
∫
∫
∫
βולכן לכל ∈ :( )ˆt tX Y Yβ ⊥ −.
דוגמא
t t tX S N= +
tNרעש לבן בלתי תלוי ב X.
( ) ( )( )
( )( ) ( )
SX SS
XX SS NN
S SH
S S Sω ω
ωω ω ω
= =+
: אזיN(t) לא חופף לזה של S(t)נניח שהספקטרום של
( )1 within spectrum of S0 else
H ω⎧
= ⎨⎩
(Markov)תהליכי מרקוב
אנדריי מרקוב
דוגמא :הילוך שיכור
( ) ( )
1
1 1 1
1. .
1 1
1| |
1 1
n
n
n ii
nn n n n
n
pX i i d
p
Y X
Y pP Y Y Y P Y Y
Y p
=
+ +
⎧= ⎨− −⎩
=
+⎧= = ⎨ − −⎩
∑
…
LTI X(t) S
65
הגדרהנתון תהליך אקארי בזמן בדיד nYאת הערכים לקב המ 1 k… תהליך מרקוב התהליך יקרא
: מתקייםnאם לכל
( ) ( )1 1 1| |n n n nP Y Y Y P Y Y+ +=…
הערה :עבור תהליך מרקוב מתקיים
( ) ( ) ( ) ( ) ( ) ( ) ( )1 1 2 1 3 1 2 1 1 1 12
| | , | |n
n n n i ii
P Y Y P Y P Y Y P Y Y Y p Y Y Y P Y P Y Y− −=
= ⋅ ⋅ ⋅ ⋅ = ⋅∏… … …
:SSS הוא סטציונרי Yנניח שתהליך מרקוב :מטריצת מעברנגדיר
( ) ( )1 2 1| | , 1n n ijP Y j Y i P Y j Y i A i j k+ = = = = = = …
:הסתברויות התחלהוקטור ן וכ
( )1 iP Y i V= =
:ולכן
( ) ( ) ( )1 1 11
,n
n i ii
P Y Y V Y A Y Y+=
= ⋅∏…
דוגמא
( ) ( ) ( ) ( ) ( )1 2 1 3 2 4 3
1 12 21 11
0.5 0.8 0.20.5 0.2 0.8
1,2,1,1 1 2 | 1 1| 2 1| 10.5 0.2 0.2 0.8
V A
P P Y P Y Y P Y Y P Y YV A A A
⎛ ⎞ ⎛ ⎞= =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
= = ⋅ = = ⋅ = = ⋅ = = =
= ⋅ ⋅ ⋅ = ⋅ ⋅ ⋅
Chapman-kolmogorovמשפט
פמן'סידני צ
( ) ( )1 1 ,| n
n i jP Y j Y i A+ = = =
1 2 0.2
0.20.8
0.8
66
דוגמא
( ) ( )( ) ( ) ( ) ( )
2 2
2
23 1 11
3 1 3 2 1 2 1 3 2
0.68 0.320.32 0.68
1| 1 0.68
1| 1 1, | 1 | 1 1| 0.8 0.8 0.2 0.2 0.68Y Y
A
P Y Y A
P Y Y P Y Y Y P Y Y P Y Y
⎛ ⎞= ⎜ ⎟⎝ ⎠
= = = =
= = = = = = = ⋅ = = ⋅ + ⋅ =∑ ∑ הוכחה
.A הטענה נכונה לפי הגדרת n=1עבור :n+1 ונוכיח לnנניח נכונות ל
( ) ( )
( ) ( ) ( ) ( )
2 1 2 1 11
11 1 2 1 1
1 1
| , |
| | ,
k
n n ns
k kn n
n n n sjis ijs s
P Y j Y i P Y j Y s Y i
P Y s Y i P Y j Y s Y i A A A
+ + +=
++ + +
= =
= = = = = = =
= = = = = = = =
∑
∑ ∑
טענה
( ) 1T nn j
P Y j V A −⎡ ⎤= = ⎣ ⎦
הוכחה) n=1עבור )1 jP Y j V= =
:n>1עבור
( ) ( ) ( ) ( ) 1 11 1 1
1 1 1, |
k k kn T n
n n n i ij ji i i
P Y j P Y i Y j P Y i P Y j Y i V A V A− −
= = =
⎡ ⎤= = = = = = = = = ⋅ = ⎣ ⎦∑ ∑ ∑
:i.i.dכיוון שמדובר בתהליך
( ) ( )1 2T Tj j
T T T
V P Y j P Y j V A
V V A A V V
⎡ ⎤= = = = = ⋅⎣ ⎦
= ⋅ ⇔ ⋅ =
.1המתאים לערך עצמי TA הוא וקטור עצמי של V, כלומר
אדוגמ
( )2
0.8 0.2 0.30.2 0.8 0.7
1 0.3 0.8 0.7 0.2 0.38
A V
P Y
⎛ ⎞ ⎛ ⎞= =⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠= = ⋅ + ⋅ =
.
) היא וקטור הסתברות Aמתוך כך שכל שורה ב )2 1|ijA P Y j Y j= = נוכיח שיש וקטור עצמי =
:1עבור ערך עצמי
11 1
1
1 1
1 1
1 11
1 1
k
k kk
P PA
P P
A
⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟ ⎜ ⎟= ⋅ =⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⋅ = ⋅⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
67
דוגמא0.5 0.50.3 0.7
A ⎛ ⎞= ⎜ ⎟⎝ ⎠
( ) ( )1 2 1 2
1 2 1
1 2 2
0.5 0.50.3 0.7
0.5 0.30.5 0.7
3858
T TV A V
V V V V
V V VV V V
V
⋅ =
⎛ ⎞=⎜ ⎟
⎝ ⎠⋅ + ⋅ =⋅ + ⋅ =
⎛ ⎞⎜ ⎟
= ⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
טענה :W A>0לכל וקטור הסתברות
( )1 1| T n Tn j n
P Y Y W W A V+ →∞= = ⋅ →
הוכחה
( ) ( ) ( )1 1 1|nn n jij n
A P Y j Y i P Y j V+ +→∞= = = → = =
:כלומר
1
1
kn
n
k
V VA
V V→∞
⎛ ⎞⎜ ⎟→ ⎜ ⎟⎜ ⎟⎝ ⎠
דוגמא
2
10
0.4 0.60.36 0.64
3 58 83 55 8
A
A
⎛ ⎞= ⎜ ⎟⎝ ⎠⎛ ⎞⎜ ⎟
= ⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
1 2 0.5
0.30.7
0.5