Zufallsvektor

Werbung
Zufallsvektoren
•
•
•
•
Zufallsvektoren
Funktionen eines Zufallsvektors
Monte-Carlo-Methode
Unscharfe Vektoren
Ausgleichungsrechnung I
Gerhard Navratil
Begriffe
Zufallsvektor: mehrdimensionale
Zufallsvariable – ein Vektor, dessen
Elemente Zufallsgrößen sind
Zufallsvektor in der Vermessung: L
Beobachtungsvektor l: Realisierung eines
Zufallsvektors
Elemente im Beobachtungsvektor:
Messwerte
Ausgleichungsrechnung I
Gerhard Navratil
Zufallsvektor
• Hat einen Erwartungswert und einen
wahren Wert
• Hat wahre, systematische und zufällige
Abweichungen
• Besitzt eine Verteilungs- und Dichtefunktion wie bei Zufallsvariable aber
b a
mehrdimensional
F ( a, b)  P ( X  a, Y  b) 
  f ( x, y)dx dy
  
Dichtefunktion des Zufallsvektors
Ausgleichungsrechnung I
Gerhard Navratil
Ausgleichungsrechnung I
Gerhard Navratil
Kovarianz
‚Gemeinsame‘ Streuung zweier Zufallsgrößen Cov( X ,Y )   XY  E[( X  E ( X ))(Y  E (Y ))] 
1
n
n
 xi   x   yi   y 
i 1
1 T
 εxε y
n
Bei unabhängigen Größen: Cov(X,Y)=0
Positive Kovarianz: Größen verhalten sich
tendenziell eher gleich, sonst
entgegengesetzt
Ausgleichungsrechnung I
Gerhard Navratil
Kovarianzmatrix
Varianzen und Kovarianzen eines Zufallsvektors
  12  12   1n 


  21  22   2 n 
 xx  

   
 
2 




n2
n 
 n1
Auch: Varianz-Kovarianz-Matrix
Auch aus empirisch abgeschätzten Kovarianzen,
dann mit Cxx bezeichnet
Ausgleichungsrechnung I
Gerhard Navratil
Korrelation
Kovarianz abhängig von der Dimension der
beiden beteiligten Größen
Normierung durch Division durch Standardabweichungen:
Korrelationskoeffizient (dimensionslos)
r XY
Cov( X , Y )
 XY


Var( X )  Var(Y )  X   Y
bzw. rxy 
-1  r (r)  +1
Ausgleichungsrechnung I
Gerhard Navratil
s xy
sx  s y
Woher kommt die Korrelation?
Viele Einflüsse auf Messungen
(Atmosphäre, Aufstellung, Schwerefeld,...)
Einflüsse nicht vollständig erfasst
Einflüsse wirken auf eine Gruppe von
Beobachtungen in ähnlicher Weise
 Korrelation
Ausgleichungsrechnung I
Gerhard Navratil
Arten der Korrelation
mathematisch korrelierte Größen:
Unabhängige Messgrößen, gemeinsames
Berechnungsmodell
physikalisch korrelierte Größen: Korrelierte
Messgrößen
gemischt korrelierte Größen: Korrelierte
Messgrößen in gemeinsamem
Berechnungsmodell
Ausgleichungsrechnung I
Gerhard Navratil
Korrelationsmatrix
Zusammengefasste Korrelationskoeffizienten
Hauptdiagonale: 1
 1

 r 21
Rxx  


 r n1
r12  r1n 

1  r2n 

rn2



1



 1 r12

 r21 1
bzw. 



 rn1 rn 2
Ausgleichungsrechnung I
Gerhard Navratil
 r1n 

 r2 n 
  

 1 
Stochastische Abhängigkeit
Beispiel: Würfeln – Wetterprognose
• Würfeln: Wahrscheinlichkeit unabhängig
vom letzten Wurf
• Wetter: Temperatur stark vom Wetter des
Vortrages abhängig
Bedingte Wahrscheinlichkeit: P(X=a|Y=b)
Ausgleichungsrechnung I
Gerhard Navratil
Bedingte Wahrscheinlichkeit (1)
Wahrscheinlichkeit für das Eintreten des
Ereignisses X = a unter der Bedingung,
dass Y = b bereits eingetreten ist.
P(X=a|Y=b)
X und Y stochastisch unabhängig, wenn
gilt P(X=a|Y=b) = P(X=a)
Korrelationskoeffizient: Maß für den
linearen stochastischen Zusammenhang
Ausgleichungsrechnung I
Gerhard Navratil
Bedingte Wahrscheinlichkeit (2)
Zwei Komponenten eines Zufallsvektors
sind unkorreliert, wenn sie stochastisch
unabhängig sind
Umkehrschluss nicht immer zutreffend (bei
Normalverteilung ist der Umkehrschluss
zutreffend)
Ausgleichungsrechnung I
Gerhard Navratil
Anmerkungen zur Korrelation
Korrelation betrachtet die Variablen als
gleichwertig: Abhängigkeit zwischen X
und Y
Korrelation beschreibt keine expliziten
kausalen Zusammenhänge
Korrelation beschreibt nur den linearen
Zusammenhang (nicht: Abhängigkeit
schlechthin)
Ausgleichungsrechnung I
Gerhard Navratil
Funktionen eines Zufallsvektors
• Abweichungen von Funktionen eines
Zufallsvektors
• Übergang von der Abweichung zur
Standardabweichung
• Kovarianzfortpflanzungsgesetz
Ausgleichungsrechnung I
Gerhard Navratil
Abweichungen von Funktionen
eines Zufallsvektors
Gegeben: Messwerte x1,…, xn mit
Abweichungen Dx1, …, Dxn
Gesucht: Abweichung Dx für Funktion
f(x1,…, xn)
Ausgleichungsrechnung I
Gerhard Navratil
Eindimensionaler Fall
y=f(x)
y0+Dy=f(x0)+Dy=f(x0+Dx)
Frage: Wie groß ist Dy bzw. die Standardabweichung von y
Taylorreihe: f(x0+dx)=f(x0)+f‘(x0)dx 
Dy = f‘(x0)dx
Verallgemeinerung:
n
f
Dy 
dxi
xi
i 1

Ausgleichungsrechnung I
Gerhard Navratil
Übergang zur Standardabweichung
Varianz = Quadratsumme der Abweichungen dividiert durch Anzahl der Freiheitsgrade

 2n n n 2  n 2 2 2 nn   n n






n









f


1

f
1

f

f
1





f

f

f

f

f

f

f

f

f
2   2  2 2  f  2   






2


y









Dy 2  Dy22fDy


2



Summieren:
Quadrieren:
  D




2
2






x
ik

kj 
iji    ix   x x    
i ij
kij kj
  xi i 1  fxixij




x
i
k
 j 1

x

x



i
,
k

1
;
i

k

x

x

x

x

x

x
i


i
i

1
i
k



i
i
i
i
k
k






j 1
j i11 
j 1 i 1ij1

1 i , k 1;iji ,k1ki, k1;i1;ki  k


n

f2
   
i
i
xi2


Wenn die Messgrößen stochastisch unabhängig sindij
Varianzfortpflanzungsgesetz für stochastisch unabhängige Beobachtungen
Einfaches Fehlerfortpflanzungsgesetz
Ausgleichungsrechnung I
Gerhard Navratil
Kovarianzfortpflanzungsgesetz
Parameter nicht stochastisch unabhängig:
n
  f 2

 f f

2
2 


  xi  2 

f 
 ik 
 x

xi xk


i 1   i 
i
,
k

1
;
i

k

n


In Matrizenschreibweise:
 2f  f T Σ xxf
Mehrere Funktionen:
Σ ff  FΣ xx FT
Ausgleichungsrechnung I
Gerhard Navratil
Monte-Carlo-Methode
Varianzfortpflanzungsgesetz und Kovarianzfortpflanzungsgesetz sind Näherungslösungen
(abgebrochene Taylor-Entwicklung)
Exakte Lösung: Monte-Carlo-Methode
Verteilung der Parameter  eine Realisierung  ein
Ergebnis
Oft wiederholt  Verteilung des Funktionsergebnisses
Genauigkeit der Abschätzung proportional D n
n Versuche, D … konst. Faktor
Ausgleichungsrechnung I
Gerhard Navratil
Unscharfe Vektoren
Vektoren, bei denen die Elemente unscharfe
Zahlen sind
n
Charakterisierende Funktion  X  IR  0,1
d-Schnitt ist Teilmenge des IRn
n
f
:
IR
 IR und ist eine
Funktion ist dann
unscharfe Zahl
*
Ausgleichungsrechnung I
Gerhard Navratil
Zusammenfassung
Mehrdimensionale Zufallsereignisse (z.B.
geodätische Messungen) werden in
Zufallsvektoren zusammengefasst
Gemeinsame Streuung von Zufallsereignissen:
Kovarianz
Zusammengefasst in Kovarianzmatrix
Lineare stochastische Abhängigkeit: Korrelation
Kovarianzfortpflanzungsgesetz beschreibt
Auswirkung von Varianzen auf Funktion
Exakte Lösung: Monte-Carlo-Methode
Ausgleichungsrechnung I
Gerhard Navratil
Herunterladen